Agentes de LLM para times pequenos: workflows que se iniciam

Uma empresa de sete pessoas compra o mesmo software que uma empresa de setecentas. O que falta a ela é alguém cujo trabalho principal seja manter os cadastros atualizados. Quando um cliente manda por e-mail novos dados de cobrança, o vendedor responsável pela conta deveria atualizar o CRM, mas está ocupado vendendo, e a mudança se perde. Uma empresa maior tem uma equipe de operações para isso, então alguém percebe a mudança antes do próximo ciclo de faturamento. Na empresa de sete pessoas, ninguém faz esse papel, então a atualização acontece tarde, ou depois que a fatura volta.

Os conselhos para times pequenos costumam vir como uma lista de ferramentas. Times pequenos já têm ferramentas. O que eles não têm é uma hora para conectá-las. O problema maior vem antes: ninguém está acompanhando o que chega antes de alguém ter criado uma automação para isso, ou mesmo percebido que ela é necessária.

A atenção é o limite

O estudo da Microsoft sobre a jornada infinita concluiu que o trabalhador médio é interrompido a cada dois minutos, 275 vezes por dia. Numa empresa grande, os pedidos de clientes e parceiros chegam principalmente a pessoas em funções reativas, como operações ou suporte, cujo dia é organizado em torno de responder. Numa pequena, eles chegam às mesmas pessoas que também estão vendendo e entregando.

Comprar mais IA não resolve isso sozinho. O State of Teams 2026 da Atlassian concluiu que 89% dos executivos dizem que a IA aumenta a velocidade, enquanto só 6% têm certeza de ter exemplos claros de retorno da IA em toda a organização. A velocidade numa mesa é fácil de sentir. Ela não se soma pela empresa enquanto alguém ainda precisa ler cada mensagem e decidir o que ela significa.

O que um agente de LLM acrescenta à automação de workflows

Um agente de LLM é um programa que lê informações não estruturadas, decide o que fazer com elas e chama ferramentas para fazê-lo. A automação baseada em regras, por outro lado, precisa que a entrada venha em campos. Alguém envia um formulário, um cadastro no CRM muda, um webhook dispara, e as regras rodam. As mensagens não chegam assim. Uma pergunta sobre renovação e uma mudança de dados de cobrança são, as duas, e-mails de alguém que você conhece, e uma regra que só vê o remetente não consegue diferenciar uma da outra.

A IA lê a mensagem como ela foi escrita, então uma etapa que antes precisava de uma regra agora precisa de uma frase. No this+that, um workflow pode pedir ao Claude para classificar ou decidir no meio da execução, ramificar com base na resposta, percorrer uma lista, chamar uma ferramenta em qualquer servidor MCP conectado ou passar uma etapa a um subagente com um conjunto restrito de ferramentas. A IA decide durante a execução, então você não precisa prever todos os casos com antecedência.

Uma fatura chega, um workflow a classifica e ela vai para o financeiro sem ninguém abri-la. Um pedido de orçamento chega, e um workflow lê os seus preços atuais no Brain e redige a resposta para uma pessoa enviar.

Trabalho que começa quando uma mensagem chega

Um assistente de chat espera que alguém peça. Você abre uma janela de chat, digita e algo acontece. Isso cobre o trabalho de que você se lembrou. O trabalho que pesa num time pequeno é aquele de que ninguém se lembrou, como a resposta que precisava sair antes do fim de semana ou o retorno que alguém prometeu numa conversa.

Então pergunte o que inicia um agente de LLM. No this+that, um workflow pode começar a partir de gatilhos como uma mensagem num canal conectado (Gmail, Outlook, Slack, Microsoft Teams, Google Chat, e WhatsApp Business), uma mudança numa tarefa do DoBox, um novo contato, um horário agendado ou uma pessoa clicando para executar.

Onde a configuração sem código é fácil

Para conectar uma caixa de e-mail, você faz login nela, e o this+that começa a extrair tarefas das mensagens que já estão lá, sem ninguém escrever uma regra. Um time pequeno consegue fazer isso entre uma reunião e outra, e as tarefas começam a chegar ao DoBox antes de existir qualquer workflow.

A partir daí:

• Workflows prontos. O nosso catálogo tem workflows e agentes prontos que você instala e edita, em vez de construir do zero.
• Linguagem natural. Você descreve o que quer e recebe um workflow que pode abrir, ler e alterar.
• Um ponto de aprovação. Um workflow pode redigir e segurar em vez de enviar, então uma resposta ruim aparece como um rascunho que você exclui.
• Correções que ficam. Rejeite uma tarefa sugerida pela IA, diga por quê, e isso vira uma regra permanente que orienta quais tarefas ela sugere depois.

Conectar uma caixa de e-mail nos dá acesso ao seu e-mail. Sabemos que ele é confidencial e que importa para onde ele vai. A nossa IA roda no Amazon Bedrock, dentro da AWS. O Bedrock não retém prompts nem os usa para treinar modelos, e temos SOC 2 Type I desde 31 de julho de 2026, com o Type II em andamento.

Onde a configuração não é fácil

Os workflows prontos, o ponto de aprovação e as suas correções funcionam sem precisar saber muito sobre a sua empresa. No momento em que um workflow precisa dos seus preços ou do histórico de uma conta, o Brain tem que guardar essas informações, e levá-las até lá exige configuração.

Montar o Brain da empresa leva quatro etapas, e a maioria delas precisa de uma pessoa hoje. Você decide que tipos de coisa a sua empresa acompanha, como clientes, produtos ou concorrentes. Você lista o que pertence a cada tipo, o que, para uma empresa que guarda os clientes na HubSpot ou numa planilha, exige uma importação que alguém monta. Você adiciona campos obrigatórios onde um tipo precisa deles. Depois, o this+that lê as suas mensagens para redigir o que cada página diz.

A partir daí, os workflows cuidam da maior parte da manutenção. Os Contatos se mantêm atualizados a partir das suas mensagens, sem nenhum workflow. O workflow pronto Brain da empresa mantém as páginas atualizadas a partir dos canais públicos do Slack, do e-mail e do seu código, e segura para aprovação as atualizações que vêm de fontes privadas. Ele é uma primeira versão do que estamos construindo: um workflow pensado para manter a maior parte do Brain.

A maior parte da configuração não precisa de um engenheiro, embora uma importação de um CRM ou de uma planilha possa precisar. O que ela sempre precisa é de alguém que saiba como a empresa realmente funciona e tenha tempo para responder perguntas sobre isso. Num time de sete pessoas, costuma ser o fundador, e o tempo que ele investe no começo volta cada vez que alguém encontra uma resposta no Brain em vez de perguntar a ele.

O que verificar antes de escolher um agente

• Alguma coisa acontece antes de alguém pedir? Um agente que você precisa abrir é só um jeito mais rápido de fazer o trabalho de que você já se lembrou.
• A pessoa que percebeu o problema consegue fazer a mudança? Se toda correção vai para quem mantém as automações, a sua lista de automações vira a fila de pendências de alguém.
• O que ele sabe sobre a sua empresa, e quem precisa contar isso a ele? Peça o caminho de configuração, não a demonstração.
• O que acontece quando ele erra? Procure uma forma de revisar o trabalho antes que ele saia. Isso protege você mais do que qualquer promessa de precisão.
• O que ele aprende fica com a empresa quando alguém sai? A pesquisa de 2018 da Panopto concluiu que 42% do conhecimento institucional fica com uma só pessoa. Um time pequeno sente isso no dia em que alguém pede demissão.

Onde as plataformas genéricas vencem

Zapier, Make e n8n são melhores que nós numa grande classe de problemas. Quando uma automação passa por muitos sistemas, precisa do controle de um desenvolvedor sobre novas tentativas e erros, ou roda numa infraestrutura que você mesmo hospeda, vá para elas. O editor de nós do n8n e a hospedagem própria servem para um time com um engenheiro que quer ser dono da implantação, e a cobertura de apps do Zapier é muito maior que a nossa. Comparamos cada uma em mais detalhe nas nossas páginas sobre Zapier, Make e n8n.

Onde nos diferenciamos é no ponto de partida. O DoBox lê cada mensagem sem precisar de regra e transforma os pedidos que elas contêm em tarefas, então o trabalho que ninguém previu aparece como tarefa mesmo num time sem ninguém livre para perceber.

Se a maior parte do seu trabalho chega como mensagem de fora da empresa, conecte uma caixa de e-mail e veja que tarefas saem dela e o que você pode automatizar antes de construir qualquer coisa. Os primeiros 30 dias são grátis.