A orquestração de agentes de IA é a coordenação de vários agentes de IA especializados, e das pessoas por trás deles, para que uma solicitação do cliente chegue ao agente certo, no momento certo, com o contexto certo. Um orquestrador, seja um agente principal ou o código em volta dos agentes, decide quem age em seguida, o que é repassado e quando o trabalho está concluído.
Em resumo
- A orquestração decide qual agente cuida de cada etapa de uma conversa, que contexto ele recebe e quando uma pessoa assume.
- A maioria das operações de suporte combina alguns padrões: um roteador ou supervisor na entrada, etapas sequenciais para ações reguladas e transferências entre agentes e para pessoas.
- As conversas multiagente quebram nas junções: contexto perdido em uma transferência, loops entre agentes, o agente errado agindo e conversas encerradas antes de o trabalho terminar.
- Os dashboards por agente escondem essas falhas, porque cada agente pode parecer bem enquanto a jornada do cliente falha.
- Faça a monitoria da jornada, não do turno: junte cada trecho de agente e de pessoa em um único registro, avalie as junções e atribua cada falha ao trecho que a causou.
O que é orquestração de agentes de IA?
A orquestração de agentes de IA é a camada que coordena vários agentes de IA dentro de um mesmo sistema. A IBM a descreve como a coordenação de agentes especializados em direção a objetivos comuns, com um orquestrador que pode ser um agente central ou um framework. No atendimento ao cliente, ela transforma um bot de triagem, um agente de faturamento, um agente de devoluções e a sua equipe humana em uma única experiência.
Um agente de IA (em inglês) é um modelo com instruções e ferramentas, trabalhando em direção a um objetivo. A orquestração é o controle de tráfego entre vários deles, respondendo a quatro perguntas a cada turno:
- Quem age em seguida? Um agente de triagem, um especialista, uma pessoa ou ninguém (a conversa terminou).
- O que essa parte recebe? A transcrição completa, um resumo ou só os campos de que precisa.
- O que ela tem permissão para fazer? Ler dados, alterar um pedido, fazer um reembolso ou só responder.
- Quando para? O objetivo foi atingido, um limite de turnos foi alcançado ou uma pessoa precisa aprovar.
A Anthropic chama de workflows os sistemas em que “LLMs e ferramentas são orquestrados por caminhos de código predefinidos”, e de agents (agentes) os sistemas em que os modelos “dirigem dinamicamente os seus próprios processos e o uso de ferramentas”. A maior parte da orquestração no suporte mistura os dois: caminhos fixos para reembolsos e verificações de identidade, julgamento do agente para perguntas abertas. Nosso texto sobre o que é IA agêntica (em inglês) trata da categoria mais ampla.
Quem é um orquestrador de IA? Tecnicamente, o componente (um agente principal ou um framework) que encaminha o trabalho. Na organização, a pessoa ou a equipe responsável por como agentes e pessoas dividem o trabalho: regras de roteamento, gatilhos de escalonamento e o padrão de qualidade da jornada inteira.
Quais são os principais padrões de orquestração de agentes de IA?
Alguns padrões cobrem quase todas as operações de suporte: um roteador que envia cada solicitação a um especialista, um supervisor que mantém o controle e chama especialistas como ferramentas, uma sequência fixa de etapas, agentes em paralelo trabalhando sobre a mesma entrada, uma hierarquia de supervisores, transferências entre agentes e para pessoas, e um ciclo de quem faz e quem confere. As implantações reais combinam esses padrões.
Os fornecedores dão nomes diferentes a eles. O Azure Architecture Center da Microsoft lista orquestração sequencial, concorrente, group chat, handoff e magentic (em inglês) e observa que o handoff também é chamado de roteamento, triagem, transferência, despacho ou delegação. O OpenAI Agents SDK (em inglês) separa “agentes como ferramentas”, em que um gerente mantém o controle, de “handoffs”, em que o especialista assume. A IBM acrescenta modelos centralizados, descentralizados, hierárquicos e federados. As palavras mudam; as perguntas do suporte, não. A tabela abaixo descreve cada padrão em termos de suporte.
A distinção mais importante para um líder de suporte é quem é dono do cliente depois da troca. Em um modelo com supervisor, o agente principal continua responsável pela resposta final. Em um handoff, o agente que recebe assume a responsabilidade total, como explica a documentação de handoff da Microsoft (em inglês). Isso decide quem você responsabiliza quando a monitoria encontra uma resposta ruim.
A tabela de padrões de orquestração: falhas e verificações para o suporte
Cada padrão de orquestração falha do seu jeito, então cada um precisa da sua própria verificação. A tabela associa cada padrão a um exemplo de suporte, à falha a esperar e ao que observar na revisão. Copie-a para o seu plano de monitoria e mantenha as linhas que correspondem a como os seus agentes estão ligados hoje.
| Padrão | Como funciona | Exemplo no suporte | Falha típica | O que verificar |
|---|---|---|---|---|
| Roteador (triagem) | Um agente de triagem classifica a solicitação e a entrega a um especialista | “Onde está o meu reembolso?” vai para o agente de Faturamento | Rota errada: o agente de Pedidos responde com confiança a uma pergunta de faturamento | A primeira rota estava certa? O especialista ficou dentro do seu escopo? |
| Supervisor (gerente) | Um agente principal mantém a conversa e chama especialistas como ferramentas | O agente principal pergunta ao agente de Políticas se uma devolução fora do prazo é permitida | O principal ignora ou reescreve a resposta do especialista; o cliente recebe uma mistura das duas | A resposta final bate com o que o especialista retornou? |
| Sequencial (pipeline) | Etapas fixas, cada uma usando o resultado da anterior | Verificar a identidade, checar a elegibilidade, fazer o reembolso, enviar o resumo | Um erro no início passa por todas as etapas (o número de pedido errado leva ao reembolso errado) | O resultado de cada etapa foi validado antes de a próxima usá-lo? |
| Concorrente (paralelo) | Vários agentes trabalham ao mesmo tempo sobre a mesma mensagem | A redação da resposta e uma verificação de política rodam lado a lado | Resultados contraditórios mal combinados; o cliente vê duas respostas | Quando os agentes discordaram, qual venceu, e essa era a regra certa? |
| Hierárquico | Supervisores gerenciam equipes de agentes por domínio | O supervisor de logística encaminha entre os agentes de rastreamento e de devoluções | Uma solicitação cai entre dois supervisores e ninguém é dono dela | Existe um único dono para cada jornada, em todos os níveis? |
| Transferência entre agentes | Cada agente decide quando passar a conversa adiante | O agente de Pedidos passa um caso de item danificado para o agente de Devoluções | Loops (de A para B e de volta para A), contexto perdido, o cliente informa os mesmos dados duas vezes | Quantas transferências? Algum agente apareceu duas vezes? O cliente repetiu informações? |
| Transbordo para uma pessoa | Um agente escalona para uma pessoa com um resumo | O agente de Devoluções escalona uma cobrança contestada para uma pessoa | Escalonamento tarde demais, ou sem resumo, então a pessoa começa do zero | Gatilho certo, momento certo, e a pessoa tinha o contexto de que precisava? |
| Quem faz e quem confere | Um agente redige, outro aprova ou devolve | O agente redator escreve uma oferta de compensação; um verificador a valida contra a política | O verificador aprova um rascunho errado, ou o ciclo roda até um limite e envia a última versão mesmo assim | O que o verificador faz quando atinge o limite de iterações? |
As transferências entre agentes têm o maior risco de loops e de contexto perdido, e os transbordos para pessoas são onde os clientes percebem a falha primeiro. Nosso guia sobre monitoria do transbordo entre IA e humano aprofunda essa linha.
Onde as conversas de suporte multiagente quebram?
As conversas de suporte multiagente quebram nas junções entre os agentes, não dentro deles. As quatro falhas que mais importam são o contexto perdido em uma transferência, os loops entre agentes, o agente errado agindo sobre uma solicitação e uma conversa encerrada antes de o problema ser resolvido. Cada uma pode acontecer enquanto cada agente individual parece correto.
Contexto perdido. As transferências repassam menos do que a maioria das equipes imagina. Na orquestração de handoff do Microsoft Agent Framework, as mensagens do usuário e dos agentes são sincronizadas entre os agentes, mas o conteúdo relacionado às ferramentas não é transmitido. O próximo agente vê o que foi dito, não necessariamente o que o agente anterior consultou ou fez. Se o agente de Faturamento não consegue ver o pedido que o agente de Pedidos buscou, ele pergunta de novo ao cliente, ou trabalha a partir de uma suposição.
Loops. Dois agentes podem passar uma solicitação de um para o outro, ou um agente pode repetir a mesma etapa. O guia de arquitetura da Microsoft lista os “loops infinitos de handoff” como uma armadilha do padrão de handoff e recomenda limites de iteração para os loops. No modo autônomo, o framework de handoff deixa cada agente rodar até 50 turnos por padrão antes de precisar de uma entrada do usuário, muito mais do que qualquer cliente vai tolerar.
O agente errado agindo. Uma solicitação mal encaminhada chega a um agente que responde com confiança fora do seu domínio. A resposta é fluente, então ninguém percebe, a menos que alguém a confira com a política certa.
Encerrada cedo demais. Os agentes podem parar antes de o trabalho estar feito, ou simplesmente não saber quando terminaram.
A pesquisa confirma isso. Um artigo de 2025, Why Do Multi-Agent LLM Systems Fail? (em inglês), anotou 1.642 rastreamentos de execução de sete frameworks e encontrou 14 modos de falha. A repetição de etapas apareceu em 15,7% dos rastreamentos, o não reconhecimento da conclusão da tarefa em 12,4% e a perda de contexto em 2,8%. Os autores também concluíram que as execuções bem-sucedidas não estão livres de falhas. Os rastreamentos vieram de tarefas de programação, matemática e tarefas gerais, não de atendimento ao cliente, então trate esses percentuais como um alerta, não como um benchmark. A lição se transfere: um resultado “resolvido” pode esconder falhas pelo caminho, como mostra o nosso texto sobre falhas silenciosas de agentes de IA.
O que monitorar em uma operação de suporte orquestrada?
Monitore a jornada, não só cada agente. As notas por agente mostram se o agente de Faturamento responde bem a perguntas de faturamento, e não que os clientes foram jogados entre três agentes antes de chegar a ele. Acompanhe em vez disso um pequeno conjunto de sinais da jornada: transferências, loops, dados repetidos pelo cliente, acerto da primeira rota, escalonamentos com contexto e a diferença entre a resolução por agente e a resolução da jornada.
As regras iniciais abaixo são nossas, não um padrão do setor: meça a sua própria referência durante quatro semanas e depois ajuste.
| Sinal | Como medir | Regra inicial |
|---|---|---|
| Transferências por conversa | Conte as trocas de agente no log da conversa | Revise toda conversa com mais de 3 transferências |
| Agente repetido (loop) | O mesmo agente aparece duas vezes em uma conversa, com outro agente no meio | Revise todas; qualquer tendência de alta é um bug de roteamento |
| Taxa de nova pergunta | O cliente informa o mesmo identificador (número do pedido, e-mail) duas vezes | Investigue se passar de 5% das conversas multiagente |
| Acerto da primeira rota | Parcela das primeiras rotas que um avaliador marca como corretas | Investigue o roteador se ficar abaixo de 90% |
| Escalonamento com contexto | Parcela dos transbordos para pessoas em que a pessoa não precisou perguntar de novo | Mire em 95% ou mais |
| Diferença de resolução | Taxa de “resolvido” por agente menos a taxa de jornadas resolvidas corretamente | Uma diferença acima de 5 pontos significa que há falhas escondidas entre os agentes |
| Limite de turnos ou de iterações atingido | Conversas que terminaram porque um limite foi alcançado | Revise todas; são loops travados |
As orientações da Microsoft dizem o mesmo do lado da engenharia: instrumente todas as operações e transferências dos agentes e use rubricas de avaliação ou avaliação por modelo como juiz, em vez de testes de correspondência exata, porque os resultados dos agentes variam. Para dashboards e alertas, veja o nosso guia de monitoramento de agentes de IA.
Como fazer a monitoria de uma jornada que passa por vários agentes e pessoas?
Para fazer a monitoria de uma jornada multiagente, transforme a conversa inteira na unidade de revisão. Junte cada trecho de agente e de pessoa em um único registro, avalie cada trecho segundo a sua própria função, avalie as junções com critérios de jornada e atribua cada falha ao trecho que a causou. Depois, corrija essa parte e avalie de novo.
Passo 1: junte a jornada. Um único ID de conversa acompanha o cliente por todos os agentes e pessoas. Se os seus agentes registram em lugares diferentes, a primeira tarefa da monitoria é levar a transcrição completa, com o nome do agente em cada turno, para o helpdesk ou para uma única fila de revisão.
Passo 2: avalie cada trecho segundo a sua função. Precisão de faturamento para o agente de Faturamento, roteamento para o agente de triagem, resolução para a pessoa. Um núcleo comum de critérios mantém os trechos humanos e de IA comparáveis; nosso guia sobre um único formulário de monitoria para humanos e agentes de IA mostra como montá-lo.
Passo 3: acrescente critérios de jornada. São as perguntas que nenhum trecho isolado consegue responder:
- A primeira rota estava correta?
- O cliente precisou repetir algum dado?
- Algum agente apareceu duas vezes, ou a conversa entrou em loop?
- Cada transferência levou os dados de que o próximo agente precisava?
- Se uma pessoa assumiu, o escalonamento aconteceu no gatilho certo, com um resumo utilizável?
- O problema real do cliente estava resolvido no final, independentemente de quem o resolveu?
Passo 4: atribua a falha. Toda jornada reprovada recebe um trecho de causa raiz: o roteador, um especialista, o mecanismo de transferência ou a pessoa. Sem atribuição, uma falha de jornada é problema de todos e correção de ninguém.
Passo 5: corrija e avalie de novo. Encaminhe o achado ao responsável por aquela parte (prompt, regra de roteamento, artigo da base de conhecimento, gatilho de escalonamento) e depois avalie de novo o mesmo tipo de jornada para confirmar que a correção se manteve. Teste as mudanças antes de colocá-las no ar; veja o nosso guia de testes de agentes de IA.
Um exemplo calculado (ilustração, números inventados para mostrar a conta)
Uma equipe de suporte atende 40.000 conversas por mês com um agente de triagem, três agentes especialistas e uma equipe humana:
- 26.000 conversas (65%) vão da triagem para um especialista e terminam ali.
- 10.000 (25%) passam por dois ou mais agentes de IA.
- 4.000 (10%) terminam com uma pessoa.
Os dashboards por agente parecem saudáveis: cada especialista passa em mais de 90% dos seus próprios critérios. Então o responsável de QA avalia uma amostra aleatória de 200 jornadas multiagente com os critérios de jornada acima. 34 são reprovadas (17%): 14 clientes repetiram o número do pedido, 9 conversas voltaram para a triagem, 6 foram respondidas pelo especialista errado e 5 foram encerradas antes de o reembolso ser confirmado.
Em escala, 17% de 10.000 dá cerca de 1.700 jornadas reprovadas por mês. Se as jornadas com um único agente falham em 5%, são 1.300 falhas em 26.000. O quarto das conversas que passa por vários agentes produz mais falhas do que os dois terços que não passam.
A amostra também mostra os limites da amostragem. Com 200 conversas e uma taxa de falha de 17%, a margem de erro de 95% é de cerca de mais ou menos 5,2 pontos (1,96 × √(0,17 × 0,83 / 200)). O intervalo de 95% vai de cerca de 1.200 a 2.200 jornadas reprovadas. E as 14 novas perguntas apontam para uma única correção: o resultado da consulta do agente de Pedidos não chega ao agente de Faturamento na transferência.
Veja isso nas suas próprias conversas. A Kaizo avalia 100% das suas conversas de suporte, de pessoas e de agentes de IA, com base no seu próprio formulário de monitoria, e liga cada nota à evidência na conversa. Agende uma demo.
Qual framework ou plataforma de orquestração de agentes de IA escolher?
O melhor framework de orquestração de agentes de IA é aquele que o fornecedor do seu agente ou a sua equipe de engenharia já suporta bem; os líderes de suporte raramente o escolhem sozinhos. O que você deve definir são os requisitos: roteamento visível por conversa, contexto repassado na transferência, limites de turnos, escalonamento para uma pessoa com resumo e transcrições que cheguem aonde a sua equipe de monitoria trabalha.
As opções se dividem em três grupos:
- Embutida na sua plataforma de agentes de IA. As plataformas de agentes de atendimento encaminham entre os seus próprios agentes e para a sua equipe humana. Menos trabalho, menos controle.
- Frameworks para desenvolvedores. Microsoft Agent Framework, OpenAI Agents SDK, LangChain e CrewAI, entre outros. Controle total, e os seus engenheiros são donos de cada regra.
- Camadas corporativas de orquestração. Produtos como o IBM watsonx Orchestrate coordenam agentes, ferramentas e fluxos de trabalho a partir de uma camada central para toda a empresa.
Seja qual for o seu grupo, faça cinco perguntas antes de entrar no ar:
- Conseguimos ver, por conversa, qual agente agiu em cada turno e por que ele transferiu?
- O que exatamente é repassado em uma transferência: a transcrição, um resumo, os resultados das ferramentas, os dados do cliente?
- Quais são os limites de turnos e de iterações, e o que acontece quando um deles é atingido?
- Como uma pessoa assume, e o que ela vê primeiro?
- Onde a transcrição completa vai parar, e a nossa equipe de monitoria consegue avaliá-la lá?
Se a resposta for “não conseguimos mostrar isso”, você também não vai conseguir fazer a monitoria da jornada.
Quando a orquestração multiagente não é para você?
A orquestração multiagente não é para você quando um único agente de IA bem delimitado, com as ferramentas certas e um caminho claro de escalonamento, dá conta do seu volume. As orientações da Microsoft dizem para usar o menor nível de complexidade que atenda aos seus requisitos de forma confiável, e chamam um único agente com ferramentas de ponto de partida muitas vezes certo para casos de uso corporativos. Cada agente a mais acrescenta transferências, latência, custo e modos de falha.
Profissionais em fóruns de customer success dizem algo parecido: os ganhos costumam vir de um agente de IA que cuida bem de um conjunto restrito de perguntas, e não de um que tenta cobrir tudo. Se o seu agente de IA atende algumas centenas de conversas por mês em um único domínio, deixe a orquestração de lado, leia as transcrições toda semana e invista o esforço na base de conhecimento e no gatilho de escalonamento.
O roteamento em si vem da sua plataforma de agentes ou de um dos frameworks acima. O papel da Kaizo começa depois da conversa: ela avalia as conversas resolvidas do Zendesk ou do Salesforce com base no seu formulário de monitoria.
Como começar esta semana
Você pode começar a revisar jornadas orquestradas esta semana sem novas ferramentas: desenhe como os seus agentes estão ligados e depois avalie um pequeno conjunto de jornadas multiagente com os critérios de jornada. O objetivo da primeira semana não é um dashboard; é encontrar a junção que mais falha.
- Desenhe as ligações. Liste todos os agentes de IA, quem pode transferir para quem e onde as pessoas entram, com o padrão correspondente da tabela acima.
- Separe 30 jornadas multiagente, mais 10 que terminaram com uma pessoa.
- Avalie-as com os seis critérios de jornada, anotando o trecho de causa raiz de cada falha.
- Escolha a pior junção. Geralmente uma transferência que perde contexto ou uma regra de roteamento que dispara errado.
- Nomeie um responsável para cada agente e cada regra de transferência.
Quando a revisão manual confirmar o padrão, automatize. O QA de agentes de IA da Kaizo avalia as conversas dos agentes de IA com o mesmo formulário de monitoria da sua equipe, incluindo critérios de transbordo como se o agente escalonou no gatilho certo e repassou o contexto, e o AutoPilot avalia cada conversa assim que ela é resolvida. Para o panorama geral, comece pelo nosso guia de atendimento agêntico; para as regras que esses agentes seguem, veja governança de agentes de IA.
Perguntas frequentes
O ChatGPT é um agente ou um LLM?
O ChatGPT é um produto construído sobre grandes modelos de linguagem (LLMs). Ao responder a uma única pergunta, ele se comporta como uma interface de chat para um LLM. Quando usa ferramentas, navega na web ou conduz sozinho uma tarefa de várias etapas, ele se comporta como um agente. A diferença está no que o sistema pode fazer, não no modelo.
Qual é a diferença entre um sistema multiagente e a IA agêntica?
IA agêntica descreve uma IA que age em direção a um objetivo com alguma autonomia. Um sistema multiagente é uma forma de construí-la: vários agentes especializados, coordenados pela orquestração, em vez de um único agente fazendo tudo. Um único agente pode ser agêntico; um sistema multiagente acrescenta as transferências e, com elas, as junções que você precisa verificar.
O Kubernetes é uma ferramenta de orquestração?
Sim, mas de contêineres, não de agentes de IA. O Kubernetes agenda e escala o software que roda os seus serviços. A orquestração de agentes de IA decide qual agente cuida de qual parte de uma conversa e que contexto ele recebe. Um sistema de agentes pode rodar no Kubernetes, mas o Kubernetes não encaminha solicitações entre agentes.
O que é uma camada de orquestração de agentes de IA?
A camada de orquestração fica acima dos agentes individuais e decide o roteamento, o repasse de contexto, as permissões e as regras de parada. Ela pode ser um agente principal, um framework no seu próprio código ou um produto central. Para a monitoria, ela também deve fornecer o registro de quem agiu e por quê.
Como avaliar um sistema de atendimento ao cliente multiagente?
Avalie em dois níveis: cada agente segundo a sua própria função e a jornada completa com critérios como primeira rota correta, nenhum dado repetido, nenhum loop e um resultado final correto. Nosso guia de avaliação de agentes de IA trata dos métodos, dos conjuntos de testes à avaliação das conversas ao vivo.
