Por que o agente de IA que funcionava para de funcionar
Agentes de IA pioram com o tempo sem dar aviso: o modelo é aposentado, o sistema muda, o contexto envelhece. O que causa isso e como evitar.

- Um agente de IA não quebra como um programa comum: ele continua respondendo, só que pior, e ninguém percebe até um cliente reclamar.
- As causas mais comuns são quatro: o modelo é aposentado ou atualizado, um sistema ligado ao agente muda, as informações que ele consulta ficam velhas e o volume cresce.
- Pesquisas de 2025 e 2026 mostram que a qualidade do contexto que o agente recebe prevê a confiabilidade dele melhor do que o modelo escolhido.
- A solução é tratar o agente como operação contínua: testar com casos reais todo mês, corrigir o que piorou e trocar o modelo com planejamento.
Um agente de IA que funcionava bem em março pode estar errando em setembro sem que ninguém tenha tocado nele. Não aparece mensagem de erro e nada trava na tela. Ele continua respondendo, com a mesma segurança, só que pior.
Este texto explica por que isso acontece e o que fazer para não descobrir pelo cliente.
Agente de IA não quebra, piora
Um sistema comum, quando dá problema, para. O boleto não é gerado, a tela mostra um erro, alguém liga para o suporte.
Um agente de IA falha de outro jeito. Ele sempre devolve uma resposta. Se a informação que ele consulta ficou velha, ele responde com a informação velha. Se o sistema do lado mudou um campo, ele preenche o campo errado. E faz isso com o mesmo tom confiante de sempre.
Automação comum quebra e avisa. Agente de IA piora e não avisa.
Por isso a piora demora a ser notada. Quem percebe primeiro costuma ser o cliente que recebeu o prazo errado ou o financeiro que achou uma diferença no fechamento.
As quatro causas mais comuns
O modelo muda ou é aposentado. Os fornecedores de IA trocam de modelo o tempo todo. A Anthropic aposentou o Claude Sonnet 4 e o Opus 4 em 15 de junho de 2026, e o Opus 4.1 em 5 de agosto de 2026. A documentação é direta: depois da data, as chamadas para o modelo antigo falham. A OpenAI desligou a Assistants API, usada por muitos agentes, em 26 de agosto de 2026. Mesmo quando o modelo não sai do ar, uma versão nova se comporta diferente. Um estudo de Stanford e Berkeley mostrou que o GPT-4 caiu de 84% para 51% de acerto numa mesma tarefa entre as versões de março e junho de 2023.
Um sistema ligado ao agente muda. O ERP atualiza, o CRM ganha um campo novo, a planilha de preços muda de formato. O agente continua lendo e escrevendo como antes, só que agora no lugar errado.
O contexto envelhece. O agente responde com base nos documentos, regras e tabelas que recebeu. Quando a política de trocas muda e o documento não, ele segue informando a regra antiga.
O volume cresce. Um agente testado com vinte conversas por dia se comporta diferente com duzentas. Históricos mais longos e mais informação misturada deixam o modelo mais sujeito a erro.
O problema costuma estar no contexto, não no modelo
Quando um agente começa a errar, a reação comum é trocar de modelo. Na maioria das vezes, o problema está no que ele recebe para ler.
Duas pesquisas recentes apontam na mesma direção:
- Contexto longo piora a resposta. Em julho de 2025, a Chroma testou 18 modelos, entre eles GPT-4.1, Claude 4 e Gemini 2.5, e concluiu que o desempenho cai conforme a quantidade de texto de entrada aumenta, de formas pouco previsíveis. Um único trecho irrelevante no meio já atrapalha.
- A qualidade do contexto prevê a confiabilidade. Um estudo publicado em julho de 2026 manteve o modelo fixo e variou só o contexto. Com contexto fraco, os agentes inventaram informação, usaram ferramentas do jeito errado e ignoraram regras. O título do estudo resume a ideia: o contexto falha primeiro.
Outro estudo, de maio de 2026, acompanhou agentes por até 200 sessões seguidas. Mesmo com o modelo fixo, a precisão caiu com o tempo, porque a memória do agente cresce, é resumida e se mistura. E os testes de comportamento continuaram passando enquanto a precisão dos fatos piorava.
Na prática, isso significa que um agente bom depende de alguém cuidar do que ele sabe: documentos atualizados, regras claras e informação desnecessária fora do caminho.
Construir ficou fácil. Manter é o trabalho
Hoje dá para montar um agente em poucos dias com ferramentas acessíveis. Por isso o mercado está cheio de projetos que funcionaram na demonstração e pararam alguns meses depois.
O Gartner prevê que mais de 40% dos projetos de agentes de IA serão cancelados até o fim de 2027, por custo alto, valor pouco claro ou falta de controle de risco. Construir não costuma ser o problema. Sem ninguém responsável pela operação, o agente vai perdendo valor até alguém desligar.
O que fazer para o agente continuar funcionando
- Monte uma bateria de casos-teste. Vinte a trinta situações reais da operação, com a resposta certa conhecida. É a régua para saber se o agente melhorou ou piorou.
- Rode os testes todo mês. E também sempre que um sistema ligado ao agente mudar. Compare com o mês anterior.
- Cuide do que o agente lê. Documento que mudou precisa ser atualizado. Documento que ninguém usa mais precisa sair.
- Acompanhe o calendário dos modelos. Os fornecedores publicam as datas de aposentadoria com antecedência. Troque antes, teste com os mesmos casos e só vire a chave quando o resultado for igual ou melhor.
- Tenha um responsável. Alguém precisa receber o alerta, entender o que piorou e corrigir. Sem isso, o resto não acontece.
Na Elev, é assim que funcionam os agentes que construímos: a construção vem junto com a operação. Testamos todo mês com os casos da sua empresa, corrigimos o que piorou e trocamos o modelo quando faz sentido. Se você tem um agente rodando sem ninguém olhando, ou quer construir um que continue funcionando, veja como trabalhamos com Operação interna com IA ou fale com a gente.
Fontes
- Deprecações de modelos, documentação da Anthropic.
- Deprecações da API, documentação da OpenAI.
- How is ChatGPT's behavior changing over time?, Chen, Zaharia e Zou, 2023.
- Context Rot, Chroma, julho de 2025.
- AI Agents Do Not Fail Alone: The Context Fails First, Bousetouane, julho de 2026.
- Your Agents Are Aging Too, Zhu et al., maio de 2026.
- Gartner prevê o cancelamento de mais de 40% dos projetos de agentes de IA até 2027, Gartner, junho de 2025.
Perguntas frequentes
Por que meu agente de IA começou a errar se ninguém mexeu nele?
Porque tudo em volta dele mexeu. O fornecedor atualiza ou aposenta o modelo, o sistema que ele consulta muda um campo, os documentos que ele usa ficam desatualizados. O agente segue respondendo com confiança, só que com base em algo que já não é verdade.
Com que frequência um agente de IA precisa de manutenção?
O mínimo razoável é um teste por mês com casos reais da operação, e uma revisão sempre que um sistema ligado a ele mudar ou o fornecedor anunciar a troca do modelo. A Anthropic, por exemplo, avisa com pelo menos 60 dias de antecedência antes de desligar um modelo.
O que acontece quando um modelo de IA é aposentado?
As chamadas para aquele modelo deixam de funcionar na data marcada. Se o agente não foi trocado e testado antes, ele simplesmente para. Aconteceu com vários modelos da Anthropic e da OpenAI entre 2025 e 2026.
Vale a pena contratar só a construção de um agente de IA?
Raramente. Construir ficou mais barato a cada ano; o que custa é manter funcionando. Um agente sem ninguém responsável pela operação tende a ficar pior a cada mês, e o prejuízo aparece no atendimento ou no financeiro, não no painel.
Como saber se o agente está piorando?
Com uma bateria fixa de casos-teste: perguntas e tarefas reais, com a resposta certa conhecida. Roda-se a mesma bateria todo mês e compara-se o resultado. Sem isso, a piora só aparece quando alguém reclama.
Receba os próximos textos.
Um e-mail quando sair texto novo. Sem sequência de vendas, sem frequência inventada.
Publicado em 23 de setembro de 2026