Agente de IA não é framework. É operação.

A AWS publicou uma lista de frameworks de agentes para pequenas e médias empresas: Strands Agents, Agent Squad, LangChain, LangGraph, CrewAI, SmolAgents, OpenAgents, Langflow.

A lista é útil. Mas se o dono de uma PME ler aquilo como uma lista de ferramentas para escolher, ele vai errar a pergunta.

A pergunta certa não é: “qual framework de agente eu devo usar?”

A pergunta certa é: “qual parte da minha operação já está pronta para virar um trabalho mensurável, auditável e assistido por IA?”

Porque agente de IA, para pequena empresa, não é compra de software. É redesenho de operação.

O dado que deveria esfriar a empolgação

O próprio artigo da AWS traz o alerta: segundo a Forrester, 75% das organizações que tentarem construir agentes de IA internamente devem falhar.

Esse número é mais importante do que a lista de frameworks.

Não porque agentes sejam ruins — pelo contrário. A mesma página cita dados fortes: pesquisa e sumarização aparecem como principal caso de uso no relatório da LangChain, com 58%; produtividade e assistência vêm logo depois, com 53,5%; o Gartner prevê que, até 2029, IA agentiva poderá resolver 80% dos problemas comuns de atendimento ao cliente sem intervenção humana, reduzindo custos operacionais em até 30%; a Salesforce estima ganho de produtividade de 30% e crescimento de adoção de 327% até 2027.

O mercado não está dizendo que agentes não funcionam. Está dizendo que agentes funcionam quando existe operação suficiente para eles operarem. E é aí que a PME tropeça.

Uma empresa pequena normalmente não tem um time de dados, um arquiteto de soluções, um gerente de produto interno, um squad de automação e um comitê de governança. Ela tem WhatsApp, planilha, sistema legado, agenda, e-mail, improviso e uma pessoa-chave que “sabe como as coisas funcionam”. Se você coloca um agente em cima disso sem engenharia de operação, ele não automatiza a empresa. Ele automatiza a bagunça.

O checklist da AWS está certo, mas precisa ser traduzido

A AWS recomenda que PMEs priorizem integração com ferramentas atuais, controle de permissões, trilha de auditoria, chamada de ferramentas e APIs, guardrails, estilo de construção sustentável e caminho claro do piloto para produção.

Em linguagem de dono de empresa, isso quer dizer sete perguntas:

A maior parte das PMEs não precisa escolher entre LangGraph, CrewAI ou Strands Agents. Precisa descobrir qual fluxo merece virar piloto, quais permissões ele exige, qual erro é aceitável, quem aprova, quais métricas provam valor e qual parte continua humana.

Framework é implementação. Operação é decisão.

O abismo real: ambição maior que execução

Em outro texto, baseado em uma pesquisa da Harvard Business Review Analytic Services com 623 decisores, a AWS mostra o tamanho do descompasso: 84% dos líderes acreditam que IA agentiva vai transformar seus negócios, mas apenas 26% dizem que suas organizações são muito eficazes em usar IA para gerar resultados positivos.

A ambição está pronta. A execução não. E os gargalos são muito menos glamourosos do que o hype sugere: só 13% dizem que sua arquitetura de dados está bem equipada para IA agentiva; só 11% dizem estar muito bem preparados em governança; só 5% dizem que a força de trabalho está muito bem preparada; 48% citam falta de habilidades como barreira principal; e, talvez o número mais grave, 95% não têm métricas claras de sucesso para implementação de IA agentiva.

Esse último dado deveria estar colado na parede de qualquer fornecedor sério de IA.

Porque sem métrica, não existe agente. Existe demonstração. Se ninguém definiu o que conta como sucesso, o agente sempre “parece promissor” — responde bonito, impressiona na call, faz um resumo elegante, talvez até execute uma ação simples. Mas ninguém sabe dizer se reduziu tempo, aumentou conversão, diminuiu erro, melhorou atendimento, recuperou lead perdido ou liberou alguém de uma rotina operacional.

PME não pode comprar promessa abstrata. Margem pequena não perdoa teatro tecnológico.

O erro é começar pela tecnologia, não pelo trabalho

O artigo da AWS lista oito caminhos possíveis. Todos podem fazer sentido. Mas nenhum deles resolve a pergunta anterior: qual trabalho deve desaparecer primeiro?

Para uma pequena empresa, o melhor primeiro agente raramente é o mais sofisticado. É o mais estreito.

Não “um agente de vendas”. Um agente que pega lead novo no WhatsApp, faz três perguntas de qualificação, identifica urgência, registra no CRM e sugere o próximo passo.

Não “um agente financeiro”. Um agente que lê comprovantes, confere dados mínimos, organiza pendências e gera uma lista diária do que precisa de atenção humana.

Não “um agente de atendimento”. Um agente que classifica mensagens recorrentes, responde casos simples com base em uma política aprovada e escala qualquer exceção.

O primeiro agente sério de uma PME não substitui uma área. Ele remove uma fricção recorrente. É pequeno o bastante para testar. Importante o bastante para valer dinheiro. Controlado o bastante para não quebrar a operação.

A régua prática: do piloto bonito ao sistema que roda

A forma mais segura de uma PME comprar agentes é pensar em cinco camadas.

Perceba: framework entra depois. Antes de escolher se o agente será feito com LangGraph, CrewAI, Strands ou Hermes, a empresa precisa responder o que será medido. Sem isso, a arquitetura vira distração.

O bom fornecedor não começa vendendo autonomia total. Começa desenhando a menor unidade de trabalho que já produz valor e que pode ser observada.

Esse é o ponto onde a Engenharia de Agentes se separa da automação genérica. Automação genérica pergunta: “qual ferramenta você quer usar?” Engenharia de Agentes pergunta: “qual trabalho você quer que deixe de depender de esforço humano toda semana — e como vamos provar que ele saiu do lugar certo?”

A oportunidade da PME não é copiar a enterprise

Existe uma tentação perigosa: olhar para o discurso de grandes empresas e tentar reproduzir a mesma sofisticação. Data architecture. Governance. Workforce readiness. Observability. Multi-agent orchestration. Human-in-the-loop. Agentic strategy.

Tudo isso importa. Mas para a PME, precisa caber no tamanho da operação.

A pequena empresa não precisa de um programa corporativo de transformação agentiva. Precisa de um Sistema Operacional de IA proporcional ao negócio: memória, regras, agentes pequenos, logs, revisão humana, métricas simples e ciclos de melhoria. Não é menos sério. É mais pragmático.

A enterprise começa perguntando como escalar governança em centenas de processos. A PME deve começar perguntando qual rotina de segunda-feira ainda depende de alguém lembrar, copiar, colar, cobrar, conferir, responder ou atualizar manualmente. É aí que mora o ROI.

O papel da 21 Robots: não vender agente, construir a operação

O artigo da AWS termina recomendando que PMEs não façam isso sozinhas quando não precisam. Esse ponto é comercialmente importante, mas a leitura superficial vira “contrate um parceiro de AWS”.

A leitura correta para o mercado brasileiro é mais profunda: a PME precisa de alguém que traduza tecnologia agentiva em operação real. Não alguém que instale uma ferramenta. Alguém que entre no processo, entenda o trabalho, transforme exceções em regra, defina onde o agente pode agir, construa o primeiro piloto, meça resultado, corrija erro e só então aumente autonomia.

Isso é Engenharia de Agentes.

A 21 Robots não se posiciona como “fazemos automações com IA” — isso joga a empresa na prateleira errada, junto com ferramenta, chatbot e template de Zapier. O posicionamento correto é: construímos operações AI First para pequenas e médias empresas.

Agente é componente. Operação é o produto.

Fechamento

A AWS está certa em dizer que frameworks de agentes importam. Mas, para a PME, o framework é a última pergunta útil, não a primeira.

Antes de escolher a tecnologia, escolha o trabalho. Antes de pedir autonomia, peça prova. Antes de contratar promessa, exija métrica. Antes de tentar substituir uma equipe, construa um pedaço de operação que funcione melhor do que funcionava ontem.

O futuro das pequenas empresas com IA não começa com um agente gigante fazendo tudo. Começa com um processo pequeno, bem escolhido, bem medido e bem operado. É assim que IA sai da demonstração e entra na empresa.

Sua empresa já sabe qual trabalho deveria virar o primeiro piloto de agente?

A 21 Robots entra na operação, mapeia o fluxo real e desenha a menor unidade de trabalho que já produz valor mensurável — antes de qualquer framework entrar em cena. Agende uma call de descoberta de 30 minutos.

Fontes: AWS Smart Business Hub — AI agent frameworks for SMB owners · AWS Executive Insights / HBR Analytic Services — Agentic AI: Expectations, Readiness, Results