Introdução aos Agentes de IA e ao Crew IA: Uma Perspectiva J.A.R.V.I.S

Olá, comunidade da DIO!

Você já teve a experiência de estar estudando uma determinada linguagem de programação e de repente “travar”? Aquele conceito complexo não entra na sua mente e você não consegue avançar nos estudos?

Bom, isso é mais comum do que você pode imaginar, algumas pessoas podem ter dificuldades no início e até pensam em desistir. Seria muito bom se tivéssemos a nossa disposição algo parecido com o J.A.R.V.I.S, que foi criado pelo Tony Stark, o Homem de Ferro, não é mesmo?

Mas eu tenho uma boa notícia! Essa realidade está mais perto do que você pode imaginar! Graças aos Agentes de IA, estamos vivendo uma nova era na sociedade como um todo, já com os Agentes Inteligentes, podem ser usados para auxiliar você nos estudos e diversas outras tarefas. Neste artigo, faço uma introdução aos Agente de IA e apresento o framework CrewAI, que foi desenvolvido por um brasileiro, você sabia disso?

Pois é, então, não deixe de ler esse artigo até o final para aproveitar essa novidade e conhecer mais sobre o CrewAI!

Neste artigo você vai encontrar:

• O que são Agentes de IA;
• Qual a diferença de um Agente de IA e um bot tradicional;
• O que o CrewAI: uma Introdução;
• Desafios Éticos;
• Exemplos de Agentes em Diversos Cenários e Empresas;
• Considerações Finais

O que são Agentes de IA?

Imagine um robô com a capacidade de observar o ambiente que se encontra, e além disso, toma decisões e age de acordo com o que ele aprende. Pode parecer coisa de filme de ficção científica, como o J.A.R.V.I.S do filme Homem de Ferro, porém, está mais próximo da realidade do que podemos imaginar, hoje, já podemos observar carros autônomos, aspiradores de pó inteligentes e até assistentes de código como o GitHub Copilot.

Vamos entender o passo a passo de como um Agente de IA funciona:

Figura 1- Um Agente em Funcionamento. Fonte: BRAGA; HENRIQUES, 2025, p.1, apud RUSSELL; NORVIG, 2021, p. 54.

Na imagem acima temos um exemplo simplicaficado do funcionamento de um Agente de IA. A palavta Agent é utilizada para representar o Agente em si. Ele como é possível observar está afastado do ambiente em que está inserido. O agente possui sensores(sensors) que captam e absoverm informações do ambiente através de percepção(percepts), atuadores(actuators) que executam ações(actions) dentro do ambiente e até um componente que está sendo representado pela interrogação, com a intenção de dizer que ele deve tomar uma decisão, após entender como o ambiente funciona. Nesse caso o ambiente(enviroment) pode ser qualquer local, seja real o fictício.

Agora vamos entender melhor cada parte com mais detalhes de como um Agente funciona:

Percepção do Ambiente:

Figura 2-Exemplo do GitHub Copilot sugerindo uma correção em um código no Visual Studio Code. Fonte: elaborado pelo autor.

O Agente tem a capacidade de “perceber” onde ele está, não como a visão humana é claro, mas com uma capacidade impressionante de análise e compreensão de informações. Para ficar mais fácil de entender, vamos supor que o J.A.R.V.IS identifica algo de errado com a armadura do Homem de Ferro ­– queda de energia, por exemplo, e comunica imediatamente ao Tony Spark dessa alteração.

Da mesma forma o GitHub Copilot pode identificar um erro no seu código e comunicar para que você faça a alteração ou ainda sugere uma alteração no seu código, de forma que ele fique mais adaptado as boas práticas de código, o famoso clean code. Isso pode auxiliar você a escrever seu código de maneira mais produtiva evitando erros e manutenção de código de maneira constante.

Tomada de decisão

Nos exemplos anteriores vimos que o Agente identificou um problema e tomou a decisão de agir. No caso do J.A.R.V.I.S, ele comunicou ao Tony Spark, assim que detectou a alteração na armadura, já o GitHub Copilot, percebeu que o código não estava sendo escrito da maneira mais correta possível, e fez uma sugestão de alteração para o usuário. Os Agentes Inteligentes, podem “pensar” em qual é a melhor opção possível para apresentar uma possível solução para o problema, sempre deixando a decisão final para o humano, cabe a ele aceitar ou não suas sugestões ou alterações.

Ação

Utilize o Jarvis Texto para Discurso para Criar da Voz do Jarvis AI

Figura 3- Jarvis em Ação em um Filme do Homem de Ferro. Fonte: <https://br.topmediai.com/gerador-de-voz/gerador-de-voz-jarvis/>. Acesso em 11/06/2025

Por fim temos a parte prática, após ele entrar em contato com o humano e receber o aceite de sua possível solução ele age e executa, vejamos outro exemplo, se o J.A.R.V.I.S quiser alterar alguma configuração da armadura ele irá pedir a autorização do Tony Stark, se ele deixar, ele executa. No entanto, atualmente, os Agentes de IA, já estão agindo de maneira mais autônoma possível, agindo sozinhos com pouca ou nenhuma intervenção humana, temos como exemplo os chatbots que atuam no atendimento ao cliente, que já conseguem responder uma série de dúvidas dos clientes, sem nenhuma intervenção humana.

A Revolução dos Agentes de IA

Figura 4- Capa do Livro Artificial Intelligence: A Modern Approach. Fonte: <https://www.amazon.com.br/Artificial-Intelligence-Modern-Approach-Global/dp/1292401133/ref=asc_df_1292401133>. Acesso em 11/06/2025.

Na visão de Russel & Norvig (2021) estamos vivenciando uma verdadeira revolução, nunca vista antes na área de computação. Se antes tínhamos a nossa disposição bots que executavam ações de acordo com os comandos que recebiam, hoje podemos vivenciar Agentes capazes de raciocinar, planejar e até mesmo se adaptar a cenários distintos, o que pode ocasionar em uma nova era da relação humano-máquina. Além disso, de acordo com Braga e Henriques (2025), apesar de executar tarefas complexas, assim como os seres humanos, os Agentes Autônomos não tem a capacidade de “pensar”, pelo menos não como nós seres humanos.

Na visão dos autores, os Agentes têm uma complexa cadeia de regras criada por profissionais especializados na área de machine learning, deep learning e redes neurais e demais campos responsáveis por desenvolver esses sistemas.Diante desse cenário, de acordo com os autores, os Agentes, a princípio, não têm responsabilidade pelo que estão produzindo, pois não possuem consciência do que estão fazendo. A responsabilidade, nesse caso seria do seu criador, porém, vamos discutir isso mais para frente, no tópico de desafios éticos.

Em resumo, um Agente de IA, pode ser considerado como um sistema capaz de realizar tarefas simples e complexas, sem a necessidade de intervenção humana, com o objetivo de aumentar a produtividade e criar soluções robustas e escaláveis no menor tempo possível.

Para isso ele analisa o ambiente, observa o problema e age propondo a solução, o mais rápido possível.

Diferenças com Chatbots Comuns

Agora que você já conheceu o que são os Agentes de IA, precisamos entender melhor qual a diferença de um agente para um bot. Veja a tabela abaixo:

Figura 5- Tabela Diferenciando um Bot de um Agente de IA. Fonte: Elaborado pelo Autor.

Na tabela podemos perceber claramente que o Agente pode realizar tarefas mais complexas, ao contrário de um bot. Enquanto um bot precisa de um script para executar uma ação, o Agente possui a capacidade de observar o ambiente que está para aprender com ele e assim, tomar decisões, o que não é possível para um bot.

Além disso, outra diferença importante que podemos ver na tabela é o fato de um Agente poder navegar por locais mais complexos do que um bot, que executa tarefas simples e repetitivas, os bots não tem a capacidade de aprender com o passar do tempo o que por outro lado é possível com um Agente inteligente. E por fim, o Agente pode atuar de maneira independente, sem a necessidade de intervenção humana em todo o tempo, o que não podemos observar em um bot.

Agora que você já avançou até aqui e entendeu um pouco mais sobre o que é um Agente de IA e sua diferença para um chatbot simples, podemos ir além e conhecer um pouco sobre o framework CrewAI.

Introdução ao Framework CrewAI

CrewAI: Reinventando a Colaboração e Automação Empresarial com Inteligência Artificial

Figura 6- Logo do CrewAI. Fonte: <https://docs.crewai.com/introduction>. Acesso 11/06/2025.

Podemos conceituar o Crew AI como um framework muito utilizado para criações de multiagentes, ele foi desenvolvido pelo brasileiro João Moura, que possui mais de 20 anos de experiência no mercado em geral. Ele tirou a ideia do papel em 2023 e já atraiu investimentos milionários.

O Crew AI usa a linguagem de programação Python e Inteligência Artificial para fazer uma verdadeira equipe de Agentes de IA, com a capacidade de tornar o fluxo de trabalho mais automático possível, já que eles podem interagir entre si como se fosse seres humanos reais no seu ambiente de trabalho, trocando boas práticas. Além disso, os Agentes ainda podem interagir com o mundo exterior fazendo pesquisas na internet, o que permite a eles se relacionar com o mundo exterior, tudo isso com o objetivo de atingir o objetivo para o qual foram designados.

Figura 7-Visão Geral do Framework Crew AI. Fonte. Disponível em: <https://docs.crewai.com/introduction>. Acesso em: 11/06/2025.

Na figura temos um simplificação, disponibilizada na documentação oficial do Crew AI, do funcionamento do framework. Temos dois Agents sendo representados e cada um com seus respectivo LLM. Além disso, é possível observar que cada um dos Agents executa uma tarefa distinta chamada de Task. Cada um deles possui a capacidade de realizar atividades de forma independente e também interagir um com o outro.

Por fim temos o Memory a parte responsável por "guardar" o que os Agents aprenderam. Outro ponto de fundamental importância para se observar é a presença de um "x" na palavra Tools, isso siginfica que ambos não estão interagindo com o ambiente externo, eles aprendem e interagem somente no ambiente interno, não podendo acessar a web, API´s ou outras informações externas.

Agora, confira agora quais são as principais aplicações do Crew AI:

Delimitação de tarefas: cada agente sabe exatamente qual tarefa ele deve fazer. Isso ajuda que o trabalho seja feito de maneira sincronizada, sem interferir no processo de criação da solução proposta, isso pode evitar excesso de trabalho e sobrecarga dos Agentes;

Fácil de Usar: Quando foi criado a ideia era tornar seu uso acessível para o maior número de pessoas possível, assim graças a sua capacidade de ser multiagente, ele deve seguir no caminho da eficiência e produtividade longo do seu aperfeiçoamento;

Automação de Tarefas: é possível automatizar diferentes tipos de tarefas, inclusive os mais complexos, como por exemplo realizar uma análise financeira;

Maior Assertividade: com os agentes em ação os erros podem ser reduzidos, o que pode ocasionar em uma redução de custos, diminuição de retrabalho, perca de tempo e ajudar a equipe a ser mais produtiva;

Ampla gama de aplicações: você pode usar o Crew AI para criar agentes para as mais diversas tarefas. O framework pode ser útil para profissionais de dados, finanças, marketing e até mesmo na área da saúde.

Essas são algumas das diversas tarefas que são possíveis de se realizar com a ajuda do Crew AI. Como você pode ler, utilizar o framework existe a possibilidade de trazer uma série de vantagens para as empresas e pessoas de diversos setores e segmentos, como financeiro, com análise de indicadores financeiros, marketing com métricas de desempenho das campanhas de publicidade, RH, com indicadores de desempenho dos funcionários entre outras áreas.

As alternativas são diversas, pois ao ter uma equipe de agentes trabalhando e interagindo entre si, fica mais fácil automatizar tarefas repetitivas e focar mais na parte estratégica do negócio.

Fluxo de Trabalho do Crew AI:

Figura 8 - Visão Geral do Fluxo de Trabalho do Crew AI. Fonte. Disponível em: <https://docs.crewai.com/introduction>. Acesso em: 11/06/2025.

O Crew trabalha da seguinte maneira:

Flows: trabalha com finer precision, ou seja, uma precisão mais apurada, com menor risco de erros;

Code Superior e Inferior Direito: O superior representa o código que dá início ao fluxo de trabalho do Agente, já o inferior, representa o refinamento do código após ser filtrado pelo Crew.

Crews: representam os agentes em ação, executando as tarefas com pensamento adaptativo.

State: armazena os dados gerados, permitindo que o fluxo de trabalho continue.

Figura 9 - Tabela Resumindo o Fluxo do Crew. Fonte: Elaborado pelo Autor.

Mão na Massa: seu Primeiro Projeto com Crew AI

Agora que você já entendeu como o Crew AI funciona, vamos para próxima etapa, colocar a mão na massa! Para isso, você precisa, segundo a documentação oficial:

• Instalar o Crew AI na sua máquina. Também e possível utilizando o Google Colab;
• Uma chave API da OpenAI, preferencialmente, porém existe a possibilidade de usar outras chaves;
• Noções Básicas de Python.

E tem mais! Você pode tirar dúvidas direto com a Inteligência Artificial da Crew AI, basta acessar o site:

Figura 10 - Captura de tela do Ask AI. Disponível em: <https://docs.crewai.com/installation>. Acesso 11/06/2025.

Instalação

Para instalar o Crew no Windows:

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

IMPORTANTE: é preciso ter o Python 3.10 pelo menos instalado na sua máquina.

Para verificar no Windows, digite o segundo comando no CMD:

python --version

Depois esse comando, pois ele instala o UV o gerenciador de pacotes de Python:

uv tool install crewai

Para ver se a instalação ocorreu bem, digite:

uv tool list

Se tudo ocorreu bem, você verá algo como:

crewai v0.102.0
- crewai

Para aprender a instalar no Linux ou MacoS, ou ainda problemas de instalação, visite a documentação oficial.

É importante também, você digitar o seguinte comando antes de executar seu Agente:

crewai install

Criando os Agentes

No terminal, você deve digitar o seguinte comando para criar um novo projeto:

crewai create crew chatbot-professor

Para verificar e localizar seu projeto, digite:

cd chatbot-professor

Após isso, veja como deve ser a estrutura padrão do projeto do seu Agente:

chatbot_professor/
├── .gitignore
├── pyproject.toml
├── README.md
├── .env
└── src/
  └── chatbot_professor/
      ├── __init__.py
      ├── main.py
      ├── crew.py
      ├── tools/
      │   ├── custom_tool.py
      │   └── __init__.py
      └── config/
          ├── agents.yaml
          └── tasks.yaml

A estrutura do projeto ficará como no código acima. Ela facilita a manutenção e alterações sempre que for necessário. Vamos explicar passo a passo:

• chatbot_professor/: nesta pasta, você encontra todos os arquivos do projeto;
• .gitignore: representa tudo que deve ser ignorado pelo Git;
• pyproject.toml: fundamental para definir o nome do projeto, as dependências e por fim, as configurações da build;
• README.md: é a parte que explica o projeto para a comunidade e pessoas interessadas. Você deve descrever com total cuidado essa parte para atrair mais pessoas interessadas;
• .env: armazena dados importantes como: chaves API, Tokens e configurações do ambiente. Nunca em hipótese alguma versione esse arquivo;
• src/chatbot_professor: aqui está o "coração" do projeto, com todos os arquivos que fazem a execução do projeto e ainda pode ajudar na prevenção de ambiguidades;
• _init_.py: converte o research_crew em um pacote Python.
• main.py: dá início a construção do fluxo de trabalho. Aqui começa a "nascer" o agente;
• crew.py: define o que será feito no crew: as funções dos agentes, tarefas e configurações gerais.
• tools: aqui devem estar as ferramentas personalizadas para construção dos agentes;
• config: local para armazenar arquivos de configurações importantes como agents.yaml: características dos agentes, como nome, personalidade e objetivos e tasks.yaml : as tafefas dos agentes.

Após entender essa etapa podemos construir nosso agente. Vamos usar como referência o código que está na documentação oficial para construir nossos próprios Agentes:

# src/chatbot_professor/config/agents.yaml
professor:
 role: >
 Professor especialista em linguagem Python
 goal: >
 Me liste as principais funções que um iniciante precisa aprender em Python.
 backstory: >
 Você é um especialista em Python com total conhecimento na sua área de atuação. Além disso, tem o talento natural para ensinar de maneira didática e divertida, sem usar muitos termos técnicos. Você é elogiado por sua capacidade de simplificar termos complexos, ajudando iniciantes a aprender Python.
 llm: gpt-4o

tutor:
 role: >
 Tutor irá passar uma lista de exercícios para iniciantes em Python.
 goal: >
 Me crie uma lista de exercícios para iniciantes em Python priorizando conceitos fundamentais para quem está no começo.
 backstory: >
Você é um Tutor experiente, com total capacidade de criar listas de exercícios que ajudam os alunos a evoluir no aprendizado de linguagens de programação como Python. Além disso, sabe orientar as listas de exercícios da melhor maneira possível para que o aluno aprenda o conteúdo mais rápido
 llm: gpt-4o 

Nesse código, que está armazenado em agents.yaml, criamos dois Agentes: um professor de Python e um Tutor, ambos se complementam, já que o papel do professor é ensinar e o tutor irá orientar e fornecer uma lista de exercícios personalizada. Agora vamos entender esse código por partes:

• Role: função do agente;
• Goal: o objetivo do agente;
• Backstory: a personalidade do agente;
• LLm: o modelo utilizado para ser utilizado pelo agente, no caso foi o gpt-4o.

Continuando o Projeto:

Dando continuidade ao projeto temos, o seguinte trecho de código, que está no arquivo tasks.yaml:

# src/chatbot_professor/config/tasks.yaml
professor_task:
 description: >
 Me explique de maneira mais didática possível:
 1. Conceitos importantes sobre a linguagem Python
 2. Boas práticas de desenvolvimento
 3. Áreas de atuação de quem aprende Python
 4. Dicas de projetos para iniciantes
 Seja o mais didático possível
 expected_output: >
 Respostas didáticas, que me auxiliem a dar os primeiros passos em Python, com exemplos de código reais, dados sobre a carreira para desenvolvedores Python, dicas de boas práticas e aumento da produtividade.
 agent: professor

tutor_task:
 description: >
 Me crie listas de exercícios completas sobre Python para que eu possa fixar da melhor maneira possível o conteúdo ensinado pelo professor.
 1. Comece com listas de exercícios mais básicas.
 2. Aumente o nível de dificuldade, a medida que eu te entregar as respostas
 3. Faça correções, se for necessário, indicando onde preciso melhorar.
 4. Recomende exercícios de reforço, caso seja necessário.
 
 expected_output: >
 Uma lista de exercício completa do nível básico ao avançado, capaz de medir meu nível de conhecimento em Python, de forma que eu consiga desenvolver meu aprendizado de maneira autônoma e independente, e caso cometa erros consiga identificar e reforçar o aprendizado.
 agent: tutor
 context:
 - professor_task
 output_file: output/report.md 

Neste trecho de código estamos atribuindo tarefas aos nossos agentes: professor e tutor. Ele está armazenado no arquivo tasks.yaml. Aqui é explicado tudo que o agente deve fazer, sendo explicado com detalhes para que ele entregue a melhor resposta possível através da descrição e por fim temos a saída esperada também sendo explicada, através de prompts para que o Agente entenda o que tem que fazer e qual a maneira que a resposta deve ser gerada por ele.

Configurando o Time

# src/chatbot_professor/crew.py
from crewai import Agent, Crew, Process, Task
from crewai.project import CrewBase, agent, crew, task
from crewai_tools import SerperDevTool
from crewai.agents.agent_builder.base_agent import BaseAgent
from typing import List


@CrewBase
class ProfessorCrew():
 """Aprendizado da Linguagem Python."""


 agents: List[BaseAgent]
 tasks: List[Task]


 @agent
 def professor(self) -> Agent:
     return Agent(
         config=self.agents_config['professor'], # type: ignore[index]
         verbose=True,
         tools=[SerperDevTool()]
     )


 @agent
 def tutor(self) -> Agent:
     return Agent(
         config=self.agents_config['tutor'], # type: ignore[index]
         verbose=True
     )


 @task
 def professor_task(self) -> Task:
     return Task(
         config=self.tasks_config['professor_task'] # type: ignore[index]
     )


 @task
 def tutor_task(self) -> Task:
     return Task(
         config=self.tasks_config['tutor_task'], # type: ignore[index]
         output_file='output/report.md'
     )


 @crew
 def crew(self) -> Crew:
     """Aprendizado sobre Python."""
     return Crew(
         agents=self.agents,
         tasks=self.tasks,
         process=Process.sequential,
         verbose=True,
     )

Nessa etapa fazemos as configurações do arquivo crew.py, para que os agentes executem suas tarefas. Vamos entender melhor cada uma delas:

• Import: faz a importação de componentes fundamentais do funcionamento do Crew AI: Agent, Task, Crew e Process;
• ServerDevTool: é fundamental para ajudar o Agente entregue resposras, pois permite a ele acessar os buscadores web como Google;
• BaseAgent: é a classe que funciona como base para os Agentes;
• List: utilizado em Python para criação de listas.
• ProfessorCrew: define que são os agentes( professor e tutor) e suas tarefas(ensinar Python).
• @CrewBase: é um decorator, utilizado para ajudar o framework crewai possa entender o que a classe está fazendo.

Em resumo, essa parte do código define o que cada agente faz e como ele deve entregar as respostas solicitadas.

Configuração do Script

#!/usr/bin/env python
# src/chatbot_professor/main.py
import os
from chatbot_professor.crew import ProfessorCrew


# Create output directory if it doesn't exist
os.makedirs('output', exist_ok=True)


def run():
 """
 Run the professor crew.
 """
 inputs = {
     'topic': 'Aprendizado de Python para iniciantes.'
 }


 # Create and run the crew
 result = ProfessorCrew().crew().kickoff(inputs=inputs)


 # Print the result
 print("\n\n=== FINAL REPORT ===\n\n")
 print(result.raw)


 print("\n\nReport has been saved to output/report.md")


if __name__ == "__main__":
 run()

Nessa etapa do código configuramos o arquivo .env, será gerado o que queremos da equipe e ela irá enviar o resultado para o arquivo report.md.

Criando as Variavéis de Ambiente

OPENAI_API_KEY= your_open_api_key

Essa etapa exige total atenção, você deve inserir sua chave API, ela pode ser disponibilizada por diversos LLM´s como OpenAI, Google/Gemini, Ollama e etc. Nunca compartilhe sua chave API com NINGUÉM, por isso, deixei "your_openai_api_key neste campo, por medida de segurança.

Depois dessa etapa, caso o arquivo .env, não carrege, escreva isso no início do arquivo main.py:

from dotenv import load_dotenv
load_dotenv()

Também é útil instalar esse pacote, caso você ainda não tenha feito a instalação:

pip install python-dotenv

Se quiser, adicionar a busca do Agente em conteúdo na Web, acrescente ao seu documento .env:

SERPER_API_KEY=your_serper_api_key

Agora basta digitar o comando abaixo e ver os resultados:

crewai run

Alternativa

Figura 11 - Tela de Login do CrewEnterprise. Disponível em: <app.crewai.com>.

Se você achou muito complexo a etapa de criação de um Agente do zero, usando código, também é possível fazer isso, sem digitar uma linha de código. Basta criar uma Conta na CrewEnterprise para criar seus agentes. Para saber mais, você pode ler essa parte no fim da documentação e nela, você encontra um passo a passo para criar sua conta e também seu Agente.

Veja se tudo saiu como o planejado, e faça revisões se julgar necessário. Se o seu projeto não funcionar corretamente, visite a documentação oficial em: <https://docs.crewai.com/introduction>

Desafios Éticos dos Agentes de IA:

Nem tudo são flores quando estamos falando do desenvolvimento de Agentes de IA. Tony Stark possui total cautela quanto ao uso do J.A.R.V.I.S e conosco não deve ser diferente, pois:

• Viés: Agentes podem ter vieses inconscientes, sendo injustos com algumas pessoas, devido a sua raça, cor, gênero, orientação sexual. É preciso estar atento para não cometer injustiçãs;
• Segurança: é preciso entender onde os dados estão sendo armazenados e se eles estão seguros, principalmente se são dados sensíveis;
• Responsabilidade: deve ficar claro em todo o momento que responde pelas ações do Agente. Assim como o Tony Stark responde pelas atitudes do J.A.R.V.I.S;
• Fake News: infelizmente os Agentes podem ser utilizados por pessoas maliciosas para difamar desinformação, discurso de ódio e outros problemas, causando confusão na mente das pessoas, podendo colocar a vida dos indivíduos em risco;
• Depêndia: algumas pessoas podem desenvolver dependência dos Agentes, prejudicando o seu desenvolvimento e pensamento crítico, aceitando suas respostas sem verificar ou refletir se realmente está certo ou errado. Se isso, vier a acontecer, ainda não é possível prever quais podem ser as consequências para a sociedade como um todo.

Empresas Usando Agentes de IA

Conheça empresas que já estão utilizando o Crew AI para fazer seus Agentes:

• pwc: aumento na precisão de 10% e geração de código em 70%;
• AWS: melhora significativa dos seus Agentes Bedrock, tanto no gerenciamento como também no monitoramento.
• Gelato: aperfeiçoamento no atendimento aos clientes;
• IBM: automação de processos federais de maneira mais ágil, em comparação com outros modelos utilizados.

Esses são apenas alguns exemplos de como o Crew AI já faz parte do dia a dia das empresas. Para acompanhar melhor cada um dos casos citados, acesse: <https://www.crewai.com/case-studies>

Considerações Finais

Após a leitura deste artigo, você conheceu melhor como funcionam os Agentes de IA e também o framework CrewAI. Além disso, entendeu mais sobre as diferenças entre um Agente e um bot, viu exemplos práticos e até mesmo uma pequena analogia como o J.A.R.V.I.S, desenvolvido pelo Tony Stark, o homem de ferro. Por fim, tivemos acesso aos desafios éticos enfrentados no desenvolvimento desses sistemas inteligentes para sociedade como um todo.

Na minha visão os agentes são uma ferramenta importante para auxiliar os seres humanos na realização de uma ampla gama de tarefas de maneira mais produtiva, no entanto, não podemos permitir em hipótese alguma que, os Agentes atuem como protagonistas e nos tornamos dependentes deles, os seres humanos não podem perder jamais sua capacidade de pensamento e reflexão crítica, pois, na minha opinião, é isso que nos faz evoluir como sociedade no geral. Não temos que temer os avanços da tecnologia e sim, buscar meios para que humanos e máquinas possam trabalhar em conjunto para o bem de todos.

E você o que acha? Deixe seu comentário, estude muito sobre o assunto, faça cursos, participe de palestras, workshops, bootcamps e grupos de estudos. Temos isso a disposição aqui na DIO, porém, não deixe de assumir o papel de protagonista da sua carreira consultando outras fontes!

Bons estudos!

Referencias

ALPAYDIN, Ethem. Aprendizado de Máquina: do básico ao avançado. 3. ed. Porto Alegre: Bookman, 2021.

BRAGA, Luiz Juliao; HENRIQUES, Percival. Agentes computacionais. Santo André: Universidade Federal do ABC; São Paulo: Comitê Gestor da Internet no Brasil, 2025. Disponível em: https://braga.net.br. Acesso em: 12 jun. 2025.

CREWAI. Learn CrewAI – Aprenda a criar agentes autônomos com IA. Disponível em: <https://learn.crewai.com/>. Acesso em: 11 jun. 2025.

DATACAMP. Crew AI: como criar agentes inteligentes com IA na prática. Disponível em: <https://www.datacamp.com/pt/tutorial/crew-ai>. Acesso em: 11 jun. 2025.

FUTURE OF LIFE INSTITUTE. Asilomar AI Principles. Disponível em: <https://futureoflife.org/ai-principles/](https://futureoflife.org/ai-principles/>. Acesso em: 11 jun. 2025.

GITHUB. Introducing GitHub Copilot: Your AI pair programmer. Disponível em: <https://github.blog/2021-06-29-introducing-github-copilot-ai-pair-programmer/>. Acesso em: 11 jun. 2025.

IBM. O que são agentes inteligentes em IA?.Disponível em: <https://developer.ibm.com/articles/intelligent-agents-ai/>. Acesso em: 11 jun. 2025.

MARANGONI, Renato. Agentes de IA: um exemplo prático para entender como funcionam. Disponível em: <https://www.renatomarangoni.com.br/agentes-de-ia-exemplo-pratico/](https://www.renatomarangoni.com.br/agentes-de-ia-exemplo-pratico/>. Acesso em: 11 jun. 2025.

MARVEL STUDIOS. Homem de Ferro (Iron Man) – Universo Cinematográfico Marvel. EUA: Marvel Studios, 2008–2019. Filmes.

OPENAI. Guia de boas práticas para uso responsável da IA. 2024. Disponível em: <https://openai.com/safety](https://openai.com/safety>. Acesso em: 11 jun. 2025.

O’DONNELL, James. Os desafios éticos e técnicos dos agentes autônomos de IA. MIT Technology Review Brasil, publicado em cerca de abril‑maio de 2025. Disponível em: https://mittechreview.com.br/desafios-eticos-tecnicos-ia-autonoma/. Acesso em: 12 jun. 2025.

RUSSELL, Stuart; NORVIG, Peter.Artificial intelligence: a modern approach. Global edition. Harlow: Pearson Education Limited, 2021.