WeMakeItLab

Marketing

Time de agentes de IA para marketing: quem escreve não aprova

Mariángeles Leiva Luque

Mariángeles Leiva Luque

Publicado em · 9 min

Mesa com notebook, caixas de envio, duas pilhas de folhas, um carimbo violeta e um check verde-azulado sobre uma delas

A resposta curta

Um time de agentes de IA para marketing funciona quando cada agente tem um único papel e ninguém controla o próprio trabalho: um agente escreve, outro diferente revisa com uma lista fechada e uma pessoa aprova o que sai para o cliente ou para a loja. A regra tem respaldo: um estudo de Panickssery, Bowman e Feng publicado no arXiv em 2024 mostrou que os modelos de linguagem tendem a dar notas melhores aos próprios textos do que aos dos outros, mesmo quando avaliadores humanos consideram os dois de qualidade igual.

Anthropic, OpenAI e Google descrevem o mesmo esquema na documentação oficial para construir agentes: um gerador, um avaliador separado e pontos de controle humano para as decisões sensíveis. Aqui eu conto como aplicamos isso na agência para você copiar na sua loja virtual.

De onde vem a ideia: o time de agentes da Piperz

No dia 12 de novembro fui ao Growth Lab 3ª edição em Florianópolis (contei tudo em as 7 ideias que trouxe do Growth Lab). Michell Lech, CMO da Piperz e fundador da Alpaca Labs, mostrou como eles produzem conteúdo com um time de agentes.

Cada agente tem um papel e trabalha numa sessão separada: um pesquisa, outro monta a pauta editorial, outro escreve, outro faz uma revisão independente e outro libera a publicação. Todos leem as regras de um único documento, que eles chamam de constituição editorial. Os quatro princípios que ficaram depois de várias trocas de ferramenta foram estes:

  • Quem escreve não aprova.

  • Uma única fonte de regras, em vez de instruções espalhadas.

  • Número só entra com fonte e janela de datas.

  • O agente propõe; a decisão de publicar segue uma regra e uma revisão.

Michell Lech apresenta no Growth Lab o slide da Piperz sobre como organizam o time de agentes de IA
Os quatro princípios do time da Piperz cabiam num único slide, então peguei o celular e levei comigo.

Para a sua loja: antes de adicionar ferramentas, escreva numa folha quem faz cada tarefa e quem controla. Se a mesma pessoa (ou o mesmo agente) faz as duas coisas, aí está o primeiro risco.

Por que quem escreve não pode aprovar

Três estudos com metodologia explicam isso.

O primeiro é o estudo sobre autopreferência que já citei. Os autores testaram modelos como GPT-4 e Llama 2 como avaliadores e encontraram um viés de autopreferência: o modelo dá nota melhor ao que ele mesmo escreveu. Além disso, quanto melhor ele se reconhece, mais forte é o viés.

O segundo foi apresentado na ICLR 2024 e se chama, traduzido, os modelos de linguagem ainda não conseguem autocorrigir seu raciocínio. A conclusão é que, sem um sinal externo, os modelos têm dificuldade para corrigir as próprias respostas e às vezes pioram depois de tentar.

O terceiro analisou por que falham os sistemas com vários agentes. Os autores da taxonomia MAST de falhas em sistemas multiagente (Cemri e outros, 2025) reuniram mais de 1.600 execuções anotadas em 7 frameworks populares e definiram 14 modos de falha. Uma das três categorias é a verificação da tarefa. Eles também alertam que, nos benchmarks populares, o ganho de usar vários agentes costuma ser mínimo: somar agentes sem desenho não garante nada.

EstudoO que mediuO que significa para o seu time
Panickssery e outros, 2024Se um modelo prefere os próprios textosO revisor tem que ser outro agente e, se possível, outro modelo
Huang e outros, ICLR 2024Se um modelo se corrige sozinho, sem ajuda externaA revisão precisa de critérios externos (uma lista, uma fonte)
Cemri e outros, 2025 (MAST)Por que falham os sistemas multiagenteA verificação é uma etapa própria, com dono

O que fazer: pare de pedir ao mesmo chat "revise o que você escreveu". Abra outra sessão e passe só o texto e a lista de controle.

O que dizem Anthropic, OpenAI e Google

As três empresas concordam no desenho, cada uma com seu próprio nome para o padrão.

A Anthropic, no guia de engenharia sobre como construir agentes eficazes (dezembro de 2024), descreve o padrão avaliador e otimizador: um modelo gera uma resposta e outro avalia e devolve comentários num ciclo. O texto esclarece que funciona melhor quando há critérios de avaliação claros. Também recomenda começar pela solução mais simples possível e só aumentar a complexidade quando for necessário.

A OpenAI, no seu guia prático para construir agentes, lançado em abril de 2025, pede para planejar a intervenção humana em dois casos: quando o agente passa de um limite de tentativas e quando a ação é sensível, irreversível ou de alto impacto (os exemplos são cancelar pedidos, autorizar reembolsos grandes ou fazer pagamentos). A recomendação geral é tirar o máximo de um único agente antes de dividir o trabalho entre vários.

O Google, na documentação do Agent Development Kit sobre padrões de trabalho com vários agentes, lista o padrão de gerar e revisar (um agente gerador e um agente crítico), o refinamento iterativo com um número máximo de rodadas e o padrão com uma pessoa no circuito para supervisionar, aprovar ou corrigir.

EmpresaNome do padrãoO que recomenda
AnthropicAvaliador e otimizadorUm modelo gera, outro avalia com critérios claros
OpenAIIntervenção humanaPessoa obrigatória em ações irreversíveis ou de alto impacto
GoogleGerar e revisar, pessoa no circuitoAgente crítico separado e limite de iterações

O que fazer: antes de montar qualquer coisa, escreva seus critérios de avaliação. Se você não consegue escrever o que está certo e o que está errado, o agente revisor também não vai conseguir decidir.

Como trabalhamos na We make it Lab

Na agência aplicamos a mesma regra de três passos nas entregas que passam por IA: textos do blog, copys, relatórios e peças para redes sociais.

Um agente escreve. Ele segue um manual escrito (a nossa versão da constituição editorial) com o tom, as fontes permitidas, o que é proibido dizer e o formato. Esse manual fica em skills do Claude, então não depende de alguém lembrar de colar as instruções.

Outro agente, diferente, faz o controle de qualidade. Ele roda numa sessão separada, sem o histórico do redator. No Claude Code isso se resolve com subagentes, que segundo a documentação da Anthropic rodam na própria janela de contexto e com permissões independentes. O revisor confere com uma lista: se cumpre o pedido, acentuação, se cada número tem fonte, se os links funcionam e se não há marcas típicas de texto feito com IA. Ele tem no máximo duas rodadas. Se depois disso ainda houver erros, a entrega fica marcada para revisão e não avança.

Uma pessoa aprova o que vai para o cliente. A account manager ou eu olhamos o resultado antes de enviar. O mesmo vale para as contas de anúncios: um agente pode ler os dados da Meta ou do Google (contamos como conectamos em como conectar o Claude ao seu CRM ou ERP com MCP), mas aumentar um orçamento ou pausar uma campanha é decisão de uma pessoa.

Este artigo passou por esse mesmo circuito antes de chegar ao blog.

O que fazer: se você já usa IA no seu time, acrescente um único passo: um revisor separado com uma lista de dez pontos. Na agência foi a mudança mais simples de implementar.

Como montar seu time de agentes em 5 passos

Para uma loja virtual, o time completo tem quatro papéis:

PapelO que fazO que não pode fazerExemplo numa loja
PesquisadorJunta dados com fonteEscrever o texto finalRevisa perguntas frequentes e avaliações
RedatorEscreve seguindo o manualAprovar o próprio textoMonta a página de produto ou o e-mail
RevisorConfere com a listaReescrever o estilo por gostoVerifica preço, parcelamento, frete e ortografia
Pessoa aprovadoraDecide o que saiDelegar o que é irreversívelPublica a página ou lança a campanha
  1. Escolha uma tarefa repetível. Páginas de produto, copys de anúncios ou e-mails pós-compra. Uma só para começar: tanto a Anthropic quanto a OpenAI recomendam começar simples.

  2. Escreva a constituição. Um documento único com tom, claims proibidos, de onde saem preços e parcelamento e quais dados precisam de fonte. Explicamos isso em como implementar o Claude numa empresa.

  3. Separe redator e revisor. Sessões diferentes, e o revisor recebe só o texto e a lista.

  4. Defina o que uma pessoa sempre aprova. Tudo o que chega ao cliente final, os preços e qualquer mudança de orçamento no tráfego pago da sua loja.

  5. Coloque um limite de rodadas e meça o custo. A Anthropic informou no artigo sobre seu sistema de pesquisa com vários agentes (junho de 2025) que esse sistema superou em 90,2 % um agente sozinho na avaliação interna, mas que sistemas multiagente usam cerca de 15 vezes mais tokens que um chat.

O que fazer: comece com redator e revisor. Adicione pesquisador e orquestrador só se o volume pedir.

O que não fazer

  • Instruções espalhadas em dez prompts. Quando uma regra muda, ninguém sabe onde atualizar. Uma única fonte.

  • Deixar um agente publicar ou mexer em orçamento sem uma pessoa. Mexer em dinheiro é o tipo de ação que a OpenAI classifica como de alto risco.

  • Começar com seis agentes. Mais agentes somam custo e pontos de falha, como mostra o estudo MAST.

  • Números sem fonte. Se o revisor não consegue abrir a fonte e confirmar o dado, o dado não entra.

Conclusão

Um time de agentes de IA para marketing rende quando separa papéis: um produz, outro controla com critérios escritos e uma pessoa decide o que mexe com dinheiro ou chega ao cliente. É a regra que a Piperz mostrou no Growth Lab e a que aparece na documentação da Anthropic, da OpenAI e do Google.

Se você quer levar esse esquema para o seu time, temos uma capacitação em Claude Code para times e montamos automações sob medida. E se você tem uma loja virtual e quer saber onde o dinheiro está escapando no tráfego pago, peça um diagnóstico da sua conta de 30 minutos.

Fontes consultadas

Perguntas frequentes

  • O que é um time de agentes de IA para marketing? É um conjunto de agentes de IA, cada um com um papel (pesquisar, escrever, revisar, liberar), que trabalham sobre as mesmas regras escritas. Uma pessoa aprova o que sai.
  • Por que não basta pedir para a IA revisar o próprio texto? Porque os modelos tendem a preferir os próprios textos e têm dificuldade para se autocorrigir sem um sinal externo, segundo estudos de 2024 publicados no arXiv e apresentados na ICLR.
  • Preciso usar modelos diferentes para escrever e revisar? Não é obrigatório, mas ajuda: o viés de autopreferência aparece quando um modelo avalia textos próprios. No mínimo, o revisor trabalha em outra sessão, sem o histórico do redator, e com uma lista de controle escrita.
  • Quais decisões uma pessoa sempre tem que tomar? As irreversíveis ou de alto impacto: publicar, mudar preços, mexer no orçamento de mídia, responder a um cliente sobre uma reclamação. É o que propõe o guia da OpenAI.
  • Quanto custa um time de agentes? Depende do volume. Como referência, a Anthropic informou que seus sistemas multiagente usam cerca de 15 vezes mais tokens que um chat, então vale começar com dois agentes e medir.

Sobre o autor

Mariángeles Leiva Luque

Mariángeles Leiva Luque

Marketing & Comms · We make it Lab

Quer que a gente revise a sua conta? Peça um diagnóstico.

Explore mais sobre

agentes de iamarketingautomaçãoclaudegrowth lab
Branding✱
Web Development✱
SEO & Blogging✱
Social Media✱
Paid Media✱
Email Marketing✱
Automation✱
AI Agents✱
Branding✱
Web Development✱
SEO & Blogging✱
Social Media✱
Paid Media✱
Email Marketing✱
Automation✱
AI Agents✱
Branding✱
Web Development✱
SEO & Blogging✱
Social Media✱
Paid Media✱
Email Marketing✱
Automation✱
AI Agents

Artigos relacionados

Branding✱
Web Development✱
SEO & Blogging✱
Social Media✱
Paid Media✱
Email Marketing✱
Automation✱
AI Agents✱
Branding✱
Web Development✱
SEO & Blogging✱
Social Media✱
Paid Media✱
Email Marketing✱
Automation✱
AI Agents✱
Branding✱
Web Development✱
SEO & Blogging✱
Social Media✱
Paid Media✱
Email Marketing✱
Automation✱
AI Agents