A VkusVill lançou agentes de AI como funcionários digitais na plataforma OpenClaw

A VkusVill compartilhou como constrói um time de agentes de IA seguindo o princípio de contratação de funcionários: cada agente recebe um papel, passa por treinamento e é mantido no sistema — como um especialista comum, mas digital.

Agente como Unidade de Trabalho

O Centro de Expertise em IA da VkusVill implantou agentes de IA na plataforma OpenClaw. A abordagem difere fundamentalmente da aplicação pontual de modelos: em vez de chamadas únicas para um LLM, o time constrói um "onboarding" completo — cada agente recebe um papel claro, escopo de responsabilidade e contexto estruturado sobre a empresa, seus produtos e processos.

OpenClaw permite montar agentes a partir de ferramentas, camadas de memória e prompts do sistema, depois ligá-los em cadeias de trabalho. Para um varejista com milhares de SKUs isso é crítico: as tarefas variam de processamento de solicitações de clientes até monitoramento de sortimento e cadeia de suprimentos, e cada uma requer um agente especializado com sua própria expertise.

O princípio arquitetônico que o time considera chave: um agente não funciona isoladamente. Ele deve ser capaz de delegar tarefas a outros agentes quando ultrapassa sua competência, e receber corretamente resultados de "colegas" vizinhos — caso contrário a cadeia inteira se desintegra.

Três Desafios Principais

De acordo com Sabina, dona do produto do Centro de Expertise em IA da VkusVill, lançar funcionários digitais se reduz a três tarefas:

• Contratação — selecionar a arquitetura correta de agente para uma função específica. Um erro aqui leva a complexidade excessiva e comportamento instável já em produção

• Treinamento — fornecer ao agente contexto vivo sobre a empresa: não apenas um conjunto de documentos, mas memória estruturada e regularmente atualizada sobre produtos, processos, exceções

• Retenção — preservar comportamento acumulado e "experiência" durante atualizações de modelo base ou mudanças de configuração de ambiente

O último ponto se mostrou o mais não-óbvio. Quando um provedor lança uma nova versão de modelo, o comportamento do agente muda — às vezes imperceptivelmente para desenvolvedores, mas significativamente para processos de negócio reais. A solução da VkusVill: versionamento de configurações de agentes e um conjunto de testes de regressão que executam automaticamente com cada atualização de dependência.

Próximo Passo — Agentes Clientes

Enquanto agentes trabalham dentro da empresa como colegas, a VkusVill já está projetando um cenário externo: agente como cliente. No final de 2025, o time publicou material sobre um servidor MCP experimental — uma camada de API através da qual um agente externo pudesse independentemente navegar no catálogo, comparar itens e formar um pedido.

"Enquanto nos preparamos para clientes-agentes, vamos contar como agentes se tornam nossos colegas", —

Sabina, dona do produto do Centro de Expertise em IA da VkusVill.

Uma versão atualizada do servidor MCP é esperada na primavera de 2026. Isso faz parte de uma tendência mais ampla: o varejo está começando a projetar interfaces não apenas para humanos, mas também para agentes autônomos. Para negócios isso significa a necessidade de preparar APIs máquina-para-máquina com antecedência: estrutura de catálogo, formatos de dados de produtos, protocolos de autorização para clientes-agentes.

O que Isso Significa

A VkusVill demonstra uma visão madura da implementação de IA industrial: um agente não é um script ou chatbot, mas uma unidade de trabalho com seu próprio ciclo de vida. Terminologia de RH — contratação, treinamento, retenção — agora se aplica a sistemas de software. Empresas que constroem esses processos agora ocuparão uma posição forte quando arquiteturas de agentes se tornarem um padrão da indústria.