No fim de 2026, dois pesquisadores testaram algo que qualquer empresa que já colocou um assistente de IA para atender vários departamentos reconhece na prática: o que acontece com a precisão desse assistente à medida que o catálogo de ferramentas conectadas a ele cresce. Eles partiram de um assistente real, com 110 ajudantes especializados e 584 ferramentas conectadas, e mediram o acerto conforme o catálogo crescia de 10 para 110 ajudantes — a taxa de acerto na escolha da ferramenta certa diante de pedidos vagos — do tipo que uma pessoa qualquer realmente digita no dia a dia.
O resultado: em três modelos de IA diferentes, a taxa de acerto caiu entre 16 e 23 pontos percentuais à medida que o catálogo se aproximou do tamanho real de uso corporativo. Os autores dividem o problema em duas partes. Uma é o assistente simplesmente não conseguir localizar, entre tantas opções parecidas, a ferramenta certa para aquele pedido. A outra é mais sutil: mesmo quando a ferramenta certa está diante dele, o excesso de opções semelhantes o confunde — a taxa de acerto no cenário mais favorável possível também caiu cerca de 10 pontos.
Nenhum dos dois problemas é falta de inteligência do modelo de IA. É desenho. E é o mesmo desenho que trava um funcionário novo quando alguém entrega a ele o manual inteiro da empresa e diz "resolve isso" — sem dizer qual rotina, qual sistema e quem precisa aprovar o quê antes.
O catálogo que cresce e a precisão que cai
Uma cobertura recente sobre desenho de ferramentas para assistentes de IA, publicada pelo site especializado Machine Learning Mastery, reúne o mesmo padrão em outro experimento. Quando pesquisadores compararam dar ao assistente acesso a todo o catálogo de ferramentas de uma vez contra filtrar antes, automaticamente, só as relevantes para aquele pedido específico, a taxa de acerto na escolha da ferramenta mais que triplicou — de 13,6% para 43,1% — e o tamanho da instrução enviada ao modelo caiu pela metade.
A explicação técnica tem duas partes, mas o efeito prático é um só. Primeiro, cada ferramenta descrita ocupa espaço na capacidade de leitura do assistente antes mesmo de ele chegar ao pedido da pessoa — a mesma cobertura estima que a lista de ferramentas disponíveis, sozinha, pode consumir de 5% a 7% dessa capacidade. Segundo, quando a lista é longa, o assistente tende a perder de vista as opções que ficam no meio dela, um efeito já documentado em pesquisas de leitura de textos longos por IA. O resultado é previsível: ferramenta errada escolhida, ou a certa escolhida com a informação errada preenchida.
Nada disso é falha pontual. É o comportamento esperado de qualquer sistema — humano ou não — forçado a escolher entre muitas opções parecidas sem nenhum critério de desempate. Um assistente com acesso a 80 funções diferentes para "ajudar com o que for preciso" não é mais útil do que um com 6 funções bem escolhidas para uma rotina específica. É menos.
Dar mais acesso confunde, não resolve
A saída mais intuitiva, quando um assistente erra, costuma ser a errada: dar a ele acesso a mais uma ferramenta, mais um sistema, "só para garantir". É o equivalente corporativo de resolver a indecisão de alguém aumentando o cardápio.
A própria Anthropic, uma das empresas que constroem esses modelos de IA, publicou orientação de engenharia na direção oposta: em vez de transformar cada função de um sistema em uma ferramenta separada, o conselho é construir poucas ferramentas bem pensadas, cada uma com um propósito claro e distinto, voltadas para as rotinas que realmente importam. A orientação chega a dar um exemplo prático: em vez de expor três ferramentas separadas para listar contatos, listar eventos e criar um evento, expor uma única ferramenta que já resolve o agendamento do início ao fim. Ferramentas que se sobrepõem, segundo a mesma orientação, distraem o assistente de escolher o caminho mais eficiente — elas não dão liberdade, dão ruído.
Na prática de uma empresa, isso significa que o assistente que promete cobrir financeiro, RH e comercial ao mesmo tempo, com uma única instrução genérica e acesso a tudo "por precaução", não é o assistente mais poderoso da casa. É o mais impreciso. E a conta de quem paga esse preço não é a área de tecnologia — é a pessoa que recebeu a resposta errada e só descobriu depois de agir sobre ela.
O que precisa existir na prática
Um assistente de IA confiável se define por como foi desenhado, não por quantas ferramentas ele consegue alcançar.
Instrução específica por rotina. A instrução deve ser escrita como se fosse para treinar uma pessoa nova no cargo: qual tarefa exatamente, com qual tom, entregando qual formato de resposta. "Ajude com o que for preciso" não é uma instrução — é a ausência de uma.
Acesso função por função. Cada assistente enxerga somente as funções da rotina que ele cobre dentro de uma ferramenta conectada — não a ferramenta inteira liberada porque "separar as funções dava mais trabalho".
Escopo em camadas. Um assistente pode nascer como experimento pessoal de alguém, provar que funciona e, só então, "crescer" para uso do time ou da empresa inteira — com aprovação em cada etapa dessa passagem, nunca por padrão.
Aprovação conforme o risco. Ações sensíveis — enviar, aprovar, excluir, alterar um valor — param e pedem confirmação de uma pessoa antes de seguir, mesmo dentro de uma rotina já bem definida e testada.
Um dono nomeado. Cada assistente tem alguém responsável por revisar a instrução e o acesso dele periodicamente. Sem dono, todo assistente específico tende a virar, com o tempo e pedidos avulsos, o "faz-tudo" genérico que a pesquisa mostra que não funciona.
É assim que a Skyller foi desenhada: cada assistente carrega um escopo, um papel de acesso e um dono definidos desde a criação, com mais de 100 agentes pré-configurados por rotina disponíveis como ponto de partida — não um único assistente genérico com a chave de tudo na mão.
Especialista bate generalista, na prática
O ganho mais fácil de perceber é o de precisão: um assistente com seis funções bem escolhidas para uma rotina específica erra menos do que um com oitenta funções "por via das dúvidas". Mas o ganho que costuma decidir a conversa dentro da empresa é outro.
Quando um assistente é desenhado para uma rotina específica, ele fica fácil de confiar — e fácil de repassar para outra pessoa fazer a mesma coisa, com o mesmo padrão de qualidade, sem que essa pessoa precise entender como ele foi montado por dentro. É a diferença entre uma equipe em que só uma pessoa sabe fazer aquele fechamento mensal direito e uma equipe em que o jeito certo de fazer virou algo que qualquer um consegue acionar.
Há também um ganho menos falado: um assistente com escopo estreito é mais barato de rodar, porque processa menos texto a cada pedido, e mais fácil de auditar depois, porque o espaço de coisas que ele pode ter feito é conhecido e pequeno. Um assistente genérico com acesso amplo é o oposto nos dois pontos — mais caro por conversa e mais difícil de explicar, numa investigação, exatamente o que ele fez e por quê.
Um roteiro para desenhar o próximo ajudante
Antes de criar o próximo assistente de IA para a equipe, vale passar por esta lista:
- Liste a rotina antes de listar as ferramentas. Comece pela tarefa repetitiva que mais consome tempo da equipe, não pelo catálogo de sistemas que já estão conectados.
- Escreva a instrução como treinamento, não como pedido solto. Descreva a tarefa, o tom esperado e o formato da resposta com o mesmo cuidado que se usaria para treinar alguém novo no time.
- Libere acesso função por função. Antes de marcar a ferramenta conectada inteira, confira quais funções específicas aquela rotina realmente usa.
- Defina o que exige aprovação humana. Toda ação que muda algo fora da conversa — enviar, aprovar, excluir — deveria parar e pedir confirmação antes de acontecer.
- Nomeie um dono e marque uma revisão. Alguém precisa ser responsável por notar quando a instrução ou o acesso daquele assistente ficaram velhos.
