Agentes de IA na formação corporativa: o que são e como vão transformar o L&D

O que é um agente de IA na formação corporativa?

Um agente de IA é um sistema que, a partir de um objetivo, decide por si próprio que passos dar e que ferramentas usar para o alcançar, em vez de se limitar a responder ao que lhe perguntam. Aplicado à formação corporativa, isso significa passar de uma ferramenta que esclarece dúvidas para um sistema que deteta aquilo de que cada profissional precisa, escolhe como o ajudar e executa essa ajuda dentro do próprio fluxo de aprendizagem.

A diferença em relação a um chatbot não está em como escreve, mas em quem decide o caminho. Um chatbot percorre uma rota prevista de antemão; um agente determina a sua pelo caminho. Essa distinção, que parece técnica, é a que muda o trabalho de uma equipa de L&D: já não se trata apenas de produzir conteúdo, mas de definir o que um sistema pode decidir, com que informação e com que supervisão.

Neste guia analisamos como funcionam os agentes formativos, que tipos existem, como intervêm na aprendizagem e que nível de autonomia e supervisão exigem.

Porque é que os agentes de IA estão a transformar a formação corporativa

A conversa sobre inteligência artificial na formação gira há dois anos em torno da criação de conteúdo: gerar cursos mais depressa, traduzir, produzir vídeo sem gravar. Os agentes abrem uma segunda fase diferente, porque não aceleram uma tarefa que já se fazia: assumem decisões que antes só uma pessoa tomava.

Que personalizar funciona não é uma hipótese. Em 1984, o psicólogo educativo Benjamin Bloom comparou uma aula convencional com alunos que tinham um tutor para cada um e mediu uma diferença de dois desvios-padrão a favor do segundo grupo: o aluno médio com tutor rendia acima de cerca de 98% da turma convencional. O problema nunca foi demonstrar que o ensino personalizado funciona, mas que não há forma de pôr um tutor ao lado de cada colaborador. É exatamente isso que um agente tenta resolver.

A IA em L&D: adoção, desafios e tendências

Não é um debate teórico nem distante. Segundo o Workplace Learning Report 2025 do LinkedIn, 71% dos profissionais de L&D já exploram, experimentam ou integram IA no seu trabalho. E o travão não é o orçamento: no inquérito da Gartner a 750 diretores de recursos humanos, o obstáculo mais citado para a estratégia de tecnologia e IA em RH é a falta de competências dentro da própria equipa, apontada por 45%. Dito de outro modo, a área que forma a organização é a que declara não estar preparada para o que aí vem.

Duas pressões tornam isso urgente. A primeira, que os colaboradores já têm outra bitola: 75% dos trabalhadores do conhecimento já usam IA generativa e 78% fazem-no com ferramentas que trazem por sua conta (Microsoft e LinkedIn, 2024). A segunda, a velocidade a que caduca aquilo que é preciso saber: o Fórum Económico Mundial estima que 39% das competências-chave vão mudar antes de 2030. Se atualizar um curso leva semanas, a formação chega sempre um passo atrás.

Diferenças entre chatbot, assistente e agente

O mercado chama “agente” a quase tudo, e isso complica qualquer decisão de compra. Há um critério técnico que arruma o assunto e que se pode aplicar numa demonstração. A Anthropic formula-o assim: num workflow, os modelos e as ferramentas são orquestrados através de rotas de código predefinidas; num agente, o modelo dirige dinamicamente o seu próprio processo e o seu uso de ferramentas.

Traduzido para a formação: não pergunte se o sistema “usa IA”. Pergunte quem decidiu a sequência de passos que acabou de ver. Se foi uma equipa de produto a escrevê-la de antemão, é um fluxo. Se foi o sistema a escolhê-la naquele momento, é um agente. A distinção importa porque muitas organizações chegam aos agentes depois de terem experimentado um chatbot corporativo e esbarrado nos seus limites.

Vale a pena meter na comparação uma quarta figura que a maioria das equipas de formação já tem montada: o percurso de aprendizagem por perfil, que personaliza a sério, mas com todas as decisões tomadas de antemão. E um segundo critério que quase nunca se pergunta numa demonstração: o que é que o sistema se lembra da última vez. Um chatbot começa do zero em cada conversa; um percurso sabe que módulos já foram concluídos; um agente formativo guarda onde a pessoa errou e que nível tem.

Como os agentes de IA trabalham com o conhecimento corporativo

Esta é a peça que decide se um agente formativo serve para alguma coisa numa organização, e a que mais vezes se dá como garantida. Um modelo de linguagem genérico sabe muito do mundo e nada da sua empresa: não conhece o procedimento de abertura de cliente, a política de segurança nem o argumentário aprovado no trimestre passado. Um agente formativo útil não é o que escreve melhor: é o que responde a partir da documentação real da organização e só a partir dela.

O mecanismo habitual consiste em ligar o modelo a um conjunto de documentos autorizados e obrigá-lo a construir as respostas a partir deles. Isso muda três coisas de uma vez:

• A resposta é verificável. É possível rastrear de que documento saiu, que é a diferença entre poder usá-lo em formação regulada ou não poder.
• O alcance é delimitado. Se algo não está na documentação, o agente deveria dizer que não sabe em vez de preencher a lacuna.
• A qualidade do agente passa a depender de si. Um agente ligado a um repositório com versões duplicadas, documentos sem dono e procedimentos revogados amplifica essa desarrumação e distribui-a com toda a segurança por todos os colaboradores.

Daí que a sequência correta seja sempre a mesma: primeiro o conhecimento, depois o agente e só então a experiência de aprendizagem. Inverter a ordem é o erro mais caro desta categoria.

Como decide um agente formativo: diagnosticar, decidir, agir e avaliar

Até aqui, “decide por si próprio” soa a caixa negra. Na prática é um ciclo de quatro passos bastante parecido com o que faz um bom formador, e que se repete por inteiro em cada interação:

1. Diagnostica. O que essa pessoa já domina, onde errou antes e o que está a tentar resolver agora.
2. Decide. Se o que ela precisa é de uma explicação mais simples, um exemplo do seu setor, uma revisão rápida ou um exercício prático.
3. Age. Gera essa experiência concreta a partir do conhecimento da empresa, não da internet.
4. Avalia e recorda. Verifica se funcionou e guarda-o para a vez seguinte.

O quarto passo é o que separa um agente formativo de um motor de busca com boa conversa: sem memória do que aconteceu, cada interação recomeça do zero e não há personalização possível. E como o ciclo se repete por inteiro de cada vez, duas pessoas que usam o mesmo agente podem acabar com experiências muito distintas sem que ninguém tenha desenhado um caminho para cada uma.

O que se personaliza exatamente: cinco dimensões

Personalizar reduz-se muitas vezes a recomendar o curso adequado à pessoa adequada, e isso parte do princípio de que esse curso responde ao que ela precisa neste momento. Uma experiência personalizada a sério trabalha em cinco dimensões ao mesmo tempo, e cada uma que fica de fora tem um custo identificável:

Tipos de agentes de IA para formação

“Agente formativo” não é uma categoria única: sob esse nome convivem sistemas que resolvem problemas diferentes. Esta é a vista de conjunto, com o que cada um resolve.

Uma nota necessária antes de continuar: o que se segue descreve o que a categoria permite hoje no mercado, não o catálogo de funcionalidades de nenhum produto concreto. O que está disponível, o que está em desenvolvimento e o que é um plano de futuro varia muito de fornecedor para fornecedor, por isso convém confirmar com cada um antes de dar algo por garantido.

Agentes de acompanhamento contextual

Resolvem um problema antigo: um curso linear explica uma só vez e de uma só maneira, e quando alguém não percebe algo, a única opção é recuar ou desistir. O Companion, o agente formativo do isEazy Brain, é um exemplo de como isto se aborda: vive dentro do próprio curso e sabe em que módulo e em que ecrã está a pessoa, por isso não é preciso explicar-lhe o contexto da dúvida. Identifica do que ela precisa naquele momento —perceber um conceito, situá-lo na sua realidade, esclarecer uma dúvida ou praticar— e responde unicamente a partir da documentação da empresa. É distribuído dentro do SCORM, de modo que o avanço, a conclusão e a nota continuam a ser registados no LMS e o percurso obrigatório não muda. Como acompanha antes, durante e depois do curso está desenvolvido em AI Companion na formação empresarial.

Agentes de prática e simulação

Permitem ensaiar uma conversa difícil —uma objeção de cliente, uma avaliação de desempenho, uma reclamação— com um interlocutor que responde e devolve feedback imediato. Resolvem o elo que falta sempre entre saber alguma coisa e saber fazê-la, e são especialmente úteis em competências onde o erro no real sai caro.

Agentes de personalização do percurso

Ajustam que conteúdo cada pessoa recebe consoante o que já domina e como progride, em vez de servir o mesmo trajeto a toda a equipa. É a diferença entre um catálogo e um percurso.

Agentes de acesso ao conhecimento

Não formam: respondem. São a camada que converte a documentação interna em respostas imediatas no posto de trabalho, sem passar por um curso.

Como os agentes intervêm antes, durante e depois da aprendizagem

Os tipos anteriores não competem entre si: ocupam momentos distintos do ciclo. Vê-los em sequência ajuda a decidir por onde começar, porque quase nenhuma organização precisa dos quatro ao mesmo tempo.

Níveis de autonomia e supervisão humana

Dois produtos podem chamar-se o mesmo e dar ao sistema permissões completamente distintas. Autonomia, aqui, significa uma só coisa: quanto é que o agente pode fazer sem que uma pessoa o aprove antes. Sabê-lo é o que permite decidir que tarefa confiar a cada um, e não aparece em nenhuma demonstração se não for perguntado.

Convém tirar do caminho uma ideia errada: autonomia não é descontrolo. Um agente bem construído é autónomo e supervisionado ao mesmo tempo. Decide por si próprio o caminho, mas dentro de um alcance definido pela organização, respondendo apenas a partir da documentação autorizada e deixando registo de cada coisa que faz. O que muda de um nível para o seguinte não é quanto controlo existe, mas em que momento é exercido: antes de cada ação, só nos pontos críticos, ou ao rever o que já foi feito.

Por isso a pergunta útil não é “isto é um agente?”, que admite qualquer resposta, mas em que nível desta escala opera e o que continua a ser decidido por uma pessoa em cada um:

A regra prática para L&D é simples: ajuste o nível ao que custa o erro, e não ao contrário. Onde enganar-se sai barato —propor conteúdo complementar, deixar um rascunho preparado, cruzar dados para detetar uma lacuna— a autonomia alta é justamente onde mais tempo devolve, e travá-la por precaução é desaproveitá-la. Onde há conformidade pelo meio —dar por cumprida uma formação obrigatória, emitir um certificado— a última palavra fica com uma pessoa, e isso não é uma limitação do sistema: é como tem de funcionar. O normal é acabar a conviver com vários níveis ao mesmo tempo, um por tipo de tarefa.

O outro lado: que parte do trabalho de L&D a IA pode aliviar

Praticamente tudo o que se publica sobre IA na formação olha para o aluno. Mas o trabalho que consome as semanas de uma equipa de L&D não é dar formação: é cruzar folhas de cálculo, perseguir conclusões, rever que conteúdo ficou obsoleto e preparar o relatório que ninguém lê. É aí que a IA muda mais coisas e onde convém começar a experimentar, porque o risco é menor: se se enganar, vê-o um profissional antes de chegar a alguém.

Com um aviso importante: isto ainda não se compra empacotado. É a parte da categoria com mais margem e a que está menos resolvida hoje, por isso a tabela assinala onde está a lacuna, não o que se pode implementar no próximo trimestre.

O que muda no trabalho do profissional de L&D

A pergunta incómoda de fundo é se os agentes substituem a equipa de formação. Substituem tarefas, não a função, mas mudam o perfil de quem a exerce. Perde peso a produção artesanal de conteúdo, a gestão administrativa de atribuições e a elaboração manual de relatórios. Ganha peso tudo o que um agente não pode fazer:

• Decidir o que vale a pena formar. Um agente deteta padrões; não sabe o que é estratégico para o negócio no próximo ano.
• Curar e validar o conhecimento de que o agente bebe, que, como se viu, é a base de tudo o resto.
• Desenhar a experiência. O que se avalia, o que se certifica e que percurso faz sentido pedagógico.
• Governar. Definir o que o sistema pode decidir, o que exige aprovação e como se audita.

É uma deslocação do “fazer” para o “decidir e verificar”. Em resumo:

As competências que sustentam isto estão em AI skills: o que são e como desenvolvê-las na empresa.

Benefícios e riscos dos agentes formativos

Os benefícios resumem-se a três: disponibilidade, porque o acompanhamento deixa de depender de haver alguém do outro lado; personalização em escala, porque cada pessoa recebe a explicação de que precisa sem multiplicar o custo; e libertação de horas da equipa de L&D, que recupera tempo de gestão para o dedicar a critério.

Os riscos são igualmente concretos e convém tê-los por escrito antes do primeiro teste: respostas incorretas apresentadas com segurança, dependência de um fornecedor, exposição de informação sensível, enviesamentos na personalização de percursos e perda de rastreabilidade do que foi ensinado.

Há ainda uma obrigação que costuma passar despercebida: o regulamento europeu de IA exige às organizações que implementam estes sistemas garantir um nível suficiente de literacia em IA entre quem os opera, e na prática essa resposta recai sobre a formação. Este guia é orientativo e não substitui aconselhamento jurídico.

Como implementar agentes de IA numa empresa

A maioria dos projetos que não funcionam não falha pela tecnologia, mas porque se pôs um agente em cima de uma base que não estava pronta. Estes são os três alicerces, por ordem:

1. O conhecimento, primeiro

Já se viu porquê: o agente responde a partir da documentação da empresa, por isso identificar qual é a válida e quem a mantém é o passo zero. Se isto não estiver resolvido, o resto não importa.

2. Uma plataforma que registe o que acontece

Se o agente age fora da plataforma de formação, perde-se rastreabilidade justamente onde mais falta faz. Verifique como devolve os dados ao LMS e se o percurso obrigatório continua auditável.

3. Um quadro de governação escrito

Quem aprova o alcance do agente, que decisões nunca pode tomar, como se revêem as suas respostas e quem responde quando se engana. Se não estiver por escrito antes do primeiro teste, não se escreverá depois.

E comece por onde o erro for barato

A recomendação prática: arranque pelo que trabalha para a sua equipa antes do que fala com os colaboradores. Um relatório mal redigido corrige-se; uma resposta errada sobre um procedimento de segurança já chegou a cem pessoas.

O que avaliar ao escolher uma solução de agentes formativos

Seis perguntas para levar a qualquer demonstração. As seis são incómodas de responder com marketing:

1. De onde saem exatamente as respostas? Se a resposta inclui “da internet” ou “do modelo”, para um contexto de conformidade não serve. Deve responder apenas a partir de documentação da organização, identificável e atualizável.
2. O que pode executar sem que ninguém o aprove? Peça a lista concreta e situe-a na escala de autonomia. Se essa lista não existe, o produto não está pronto para produção.
3. O que acontece aos nossos dados? Se o conhecimento corporativo fica isolado, se é ou não usado para treinar modelos externos e o que acontece às conversas dos colaboradores.
4. Como se audita o que fez? Tem de existir um registo consultável do que respondeu, com que fonte e a quem. Sem isso não se pode demonstrar nada numa auditoria.
5. O que acontece quando não sabe? A resposta correta é “di-lo e encaminha”, não “tenta à mesma”. Um agente que nunca reconhece o seu limite é um risco, não uma funcionalidade.
6. Quem mantém o controlo? A equipa tem de poder definir os objetivos, as fontes e os critérios do agente, e ver o que está a acontecer sem o pedir ao fornecedor. Se essa configuração vive fora do seu alcance, externalizou-se o critério pedagógico.

E uma sétima que não é técnica: isto está disponível hoje ou é um roteiro? Numa categoria que avança tão depressa, convém distinguir o que se pode implementar neste trimestre daquilo que ainda é um plano.

Conclusão: a decisão não é se usar agentes, mas quanta autonomia dar-lhes

Os agentes de IA são o passo que vai de uma IA que ajuda a produzir para uma IA que participa no processo formativo. Para uma equipa de L&D, a mudança de fundo não é tecnológica: é que aparece uma camada de decisões —o que um sistema pode resolver sozinho, com que informação e com que supervisão— que antes não existia e que ninguém vai tomar por si.

Se levar daqui três ideias: o conhecimento vem antes do agente, porque um agente ligado a documentação desarrumada distribui essa desarrumação em escala; distinga por quem decide o caminho e não por como se chama o produto; e comece por onde o erro for barato, pelo que trabalha para a sua equipa antes do que fala com os colaboradores.

O isEazy Brain é a plataforma de IA nativa que gera formação adaptativa, contextual e conversacional. Converte o conhecimento corporativo em agentes formativos que se adaptam, em tempo real, a cada membro da equipa, sempre sob controlo humano.

Um exemplo é o Companion, que se integra diretamente nos cursos para esclarecer dúvidas, adaptar explicações e oferecer apoio contextual a cada profissional, sem alterar o percurso obrigatório nem a rastreabilidade da formação no LMS. Assim, o Brain permite transformar o conhecimento da empresa em experiências de aprendizagem personalizadas, mantendo sempre o controlo da equipa de L&D. Se quiser descobrir como funciona, peça uma demonstração.