16 solicitações e 262 verificações em 6,5 minutos: como três agentes de IA autônomos resolvem uma tarefa de negócio ao vivo

• Velocidade de processamento do pacote: 6,5 minutos com o Codex, contra um ciclo completo de 109 minutos incluindo a geração de artefatos
• Volume de trabalho concluído: 16 mensagens recebidas, 15 solicitações válidas e 262 verificações aprovadas
• Participação humana no ciclo longo: 1 prompt inicial e 3 correções por voz ao longo do processo
• Ambientes testados: Codex, um enxame de subagentes no Claude Code e o agente de voz Hermes

Durante uma live, fiz um experimento: coloquei na tela uma tarefa operacional real de um despachante de locadora de veículos e perguntei no chat quanto tempo levaria para fazer isso manualmente. A maioria dos gestores e operadores experientes respondeu entre duas e três horas. O chat não estava exagerando.

A tarefa consistia em reunir 16 solicitações dispersas de aluguel de máquinas pesadas e veículos vindas de três fontes diferentes, cruzar as datas pedidas com a agenda real da frota, calcular o custo pela tabela de preços, verificar restrições e preparar uma resposta personalizada para cada cliente. Para que o teste fosse honesto, eu já havia escondido três armadilhas reais dentro do pacote.

Como o agente identifica duplicatas, fraudes e solicitações fora do

escopo sem a ajuda de um despachante?

Um script linear comum falha onde os clientes escrevem em texto livre ou tentam burlar as regras. Por isso, incluí três cenários atípicos no lote de teste: 1. O mesmo cliente enviou a mesma solicitação simultaneamente por dois aplicativos de mensagens diferentes, com uma redação levemente distinta em cada um. 2. Em uma segunda mensagem, uma das partes propôs um esquema suspeito: transferir um adiantamento para um cartão bancário pessoal, sem passar pelo caixa. 3. Uma terceira solicitação pedia o aluguel de um ônibus de passageiros, veículo que simplesmente não existe na agenda nem no inventário da frota.

Executei a mesma tarefa em paralelo em três ambientes de controle diferentes: Codex, o enxame de agentes do Claude Code e nosso fluxo de voz Hermes. A primeira execução no Codex concluiu a tarefa em seis minutos e meio: o agente fez 262 verificações cruzadas em planilhas e calendário, uniu cuidadosamente as mensagens duplicadas em um único registro, marcou com um alerta vermelho de segurança a solicitação que envolvia transferência para cartão e recusou educadamente o pedido do ônibus.

O que acontece dentro de um ciclo autônomo de 109 minutos quando o

agente encontra um erro?

Na segunda parte da live, carregamos os agentes com uma construção completa do ambiente, relatórios e painéis interativos — toda a maratona autônoma durou 109 minutos com intervenção mínima da minha parte (um prompt inicial e três correções breves por voz).

O momento mais revelador ficou registrado nos logs do Claude Code. Durante a filtragem de arquivos por cidade, a ferramenta de busca padrão `Glob` não funcionou com caminhos em cirílico, e a consulta por Ekaterimburgo voltou vazia. Um bot mais fraco teria simplesmente informado no relatório que não foram encontradas solicitações para Ekaterimburgo. O agente autônomo, em vez disso, percebeu uma divergência na soma de verificação, trocou por conta própria para um script em Python, recontou as linhas diretamente e levou a conciliação a cem por cento.

Em paralelo, o agente operando no fluxo Hermes conversava comigo em tempo real por voz e, no meio da tarefa, escreveu para si mesmo a habilidade que faltava para lidar com um formato de dados não padrão, aplicando-a em seguida aos arquivos restantes.

Por que escolher uma ferramenta específica já não determina 90% do sucesso?

Quando a mesma tarefa é resolvida simultaneamente em três ambientes de agentes diferentes, fica claro que apostar em um botão ou fornecedor específico perdeu o sentido. O que decide o resultado são três coisas: a capacidade de formular condições de contorno claras ("uma tarefa, uma pasta"), ter invariantes rígidas de verificação e o hábito de delegar a rotina à máquina.

A gravação completa dessa live, os prompts originais e a análise dos logs estão no meu canal do Telegram [@jemal_hamidun](https://t.me/jemal_hamidun). O painel de controle de agentes por voz e desktop que vocês viram na demonstração está disponível no projeto [Nomad AI](https://nomadnet.ai). É possível aprender a montar tarefas assim para seus próprios agentes nos intensivos da [Hamidun Academy](https://academy.hamidun.com), com teste gratuito de 72 horas, e pegar um pacote com mais de 370 habilidades prontas, além de discutir seus próprios casos ao vivo, no [Vibe Club](https://hamidun.com/club).