Introdução
A corrida para implementar agentes de inteligência artificial está forçando até mesmo gigantes do software a repensar suas estratégias em tempo recorde. A Intuit, empresa por trás do QuickBooks e TurboTax, revelou durante o VB Transform 2026 que reconstruiu completamente sua arquitetura de agentes IA duas vezes em apenas quatro meses – e considerou isso o “caminho rápido” para o sucesso.
O relato de Nhung Ho, VP de IA da Intuit, oferece uma visão rara dos bastidores da implementação de sistemas de IA em produção. Enquanto muitas empresas brasileiras ainda estão explorando chatbots básicos, a experiência da Intuit mostra que até mesmo organizações com recursos substanciais estão navegando em território desconhecido quando se trata de agentes autônomos.
A primeira arquitetura: especialistas que não conversavam
A jornada da Intuit começou com uma abordagem aparentemente lógica: criar uma frota de agentes especializados, cada um focado em uma tarefa específica. Era como ter uma equipe de especialistas – um para impostos, outro para contabilidade, outro para análise financeira. O problema surgiu rapidamente: os clientes precisavam decidir qual agente usar para cada tarefa, criando uma barreira de usabilidade significativa.
Para resolver isso, a empresa implementou uma camada de orquestração central. Imagine um gerente de projeto que recebe uma solicitação do cliente e decide qual especialista chamar. Parecia uma solução elegante – o cliente fazia uma pergunta e o sistema roteava automaticamente para o agente correto.
O colapso da orquestração: quando a comunicação falha
A arquitetura com orquestração durou apenas três meses – ou “aproximadamente um ano no tempo comprimido do desenvolvimento de agentes em 2026”, como Ho brincou durante a apresentação. O problema não foi capacidade computacional ou falhas técnicas pontuais, mas algo mais fundamental: a degradação da informação.
Cada vez que um agente passava resultados para outro usando linguagem natural, parte do contexto se perdia. Era como o jogo do telefone sem fio corporativo – após dez transferências entre agentes, o erro não apenas acontecia ocasionalmente, mas se acumulava por design. Ho foi categórica: “Se você tem 10 agentes e todos estão passando informações entre si, a cada transferência o erro se acumula.”
Esse insight é particularmente relevante para empresas brasileiras que estão considerando arquiteturas multi-agente. A tentação de criar sistemas complexos com múltiplos agentes especializados pode levar a falhas sistêmicas difíceis de diagnosticar e corrigir.
A segunda reconstrução: skills e ferramentas em 60 dias
A solução da Intuit foi radical: abandonar completamente o modelo de agentes especializados e migrar para uma arquitetura baseada em skills (habilidades) e ferramentas compartilhadas. Em vez de ter um “agente de impostos” e um “agente de contabilidade”, o sistema agora possui habilidades modulares que podem ser combinadas conforme necessário.
O mais impressionante foi a velocidade: a equipe entregou uma primeira versão funcional em menos de 20 dias, com o sistema completo pronto em 60 dias. Para contexto, muitas empresas brasileiras levam esse tempo apenas para aprovar o orçamento de um projeto de IA.
Convencendo a organização: dados versus argumentos
Ho compartilhou uma lição valiosa sobre gestão de mudanças em projetos de IA. Convencer a liderança exigiu evidências concretas: a equipe construiu um protótipo usando consultas reais de clientes e demonstrou performance superior ao sistema existente. “A melhor prova é mostrar o que os clientes estão tentando fazer e como o novo sistema resolve esses problemas”, explicou Ho.
Mais desafiador foi conquistar os engenheiros que haviam construído os agentes originais. Centenas de desenvolvedores viram meses de trabalho sendo descartados. A estratégia foi mudar a narrativa: em vez de “aposentar” seus agentes, eles estavam transformando trabalho isolado em componentes que serviriam toda a base de clientes. Os engenheiros também assumiram novo papel crucial: criar e executar avaliações (evals) para garantir que a nova arquitetura funcionasse corretamente.
Humanos no loop: a diferença da Intuit
Uma das inovações mais interessantes é a capacidade de trazer humanos para a conversa sem perder contexto. Atualmente em teste com 1% dos usuários, o sistema permite que clientes tragam um especialista humano – seja da equipe de suporte da Intuit, seu próprio contador ou um bookkeeper certificado – diretamente para a conversa com o agente.
Isso contrasta drasticamente com a abordagem típica de assistentes de IA, que geralmente terminam com um disclaimer genérico do tipo “consulte um profissional”. O sistema da Intuit conecta você diretamente com esse profissional, mantendo todo o histórico da conversa. Para o mercado brasileiro, onde a confiança em sistemas automatizados para questões financeiras ainda está se construindo, essa abordagem híbrida pode ser um modelo interessante.
Feedback em escala: o novo normal
A mudança para interfaces conversacionais trouxe uma transformação inesperada na coleta de feedback. Antes, apenas 0,3% dos clientes forneciam feedback explícito. Agora, praticamente toda interação gera dados sobre a qualidade do sistema.
Ho revelou que voltou a programar pessoalmente para criar modelos que analisam esse volume massivo de feedback. E o tom mudou completamente: “Eles dizem diretamente: ‘Vocês são péssimos. Odeio isso. Está errado'”, compartilhou Ho. “Mas também estão dispostos a dar uma chance ao sistema e corrigi-lo.”
Essa franqueza brutal dos usuários, combinada com o volume de dados, cria um ciclo de feedback que seria impossível com métodos tradicionais de pesquisa de satisfação.
Lições para o mercado brasileiro
A experiência da Intuit oferece insights valiosos para empresas brasileiras embarcando em projetos de IA:
Primeiro, a complexidade não é sinônimo de sofisticação. A tentação de criar arquiteturas elaboradas com múltiplos agentes especializados pode levar a falhas sistêmicas. Começar simples e iterar rapidamente pode ser mais eficaz.
Segundo, a velocidade de mudança no campo de IA generativa exige flexibilidade organizacional inédita. Estar disposto a descartar meses de trabalho quando necessário não é desperdício – é adaptação estratégica.
Terceiro, a integração humano-máquina continua crucial, especialmente em domínios sensíveis como finanças. O modelo híbrido da Intuit, mantendo humanos no loop com contexto completo, pode ser particularmente relevante para o mercado brasileiro, onde a confiança em sistemas totalmente automatizados ainda está em construção.
O que isso significa para o futuro
A jornada da Intuit ilustra uma realidade importante: não existe playbook definitivo para implementar agentes de IA em produção. Mesmo empresas com décadas de experiência em software e recursos substanciais estão aprendendo por tentativa e erro.
Para o ecossistema brasileiro de tecnologia, isso é simultaneamente desafiador e encorajador. Desafiador porque mostra que implementar IA em escala é mais complexo do que muitos fornecedores sugerem. Encorajador porque indica que o campo ainda está aberto – não há vencedores definitivos ou arquiteturas estabelecidas que não possam ser questionadas.
A disposição da Intuit em compartilhar publicamente suas falhas e aprendizados também estabelece um precedente importante. Em um campo onde o hype frequentemente obscurece a realidade, transparência sobre os desafios reais ajuda toda a indústria a evoluir mais rapidamente.
Conclusão
A história da Intuit reconstruindo sua arquitetura de agentes duas vezes em quatro meses pode parecer caótica, mas representa a realidade atual do desenvolvimento de IA: iteração rápida, disposição para abandonar investimentos quando necessário, e aprendizado constante com feedback direto dos usuários.
Para empresas brasileiras considerando implementações similares, a lição é clara: prepare-se para mudanças rápidas, priorize arquiteturas simples e modulares sobre sistemas complexos, e mantenha sempre a opção de integração humana. O caminho para agentes de IA eficazes não é uma linha reta – é uma série de experimentos, falhas e reconstruções. E segundo a Intuit, esse pode ser exatamente o caminho mais rápido para o sucesso.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em VentureBeat, disponível em https://venturebeat.com/orchestration/intuit-scrapped-its-own-ai-agent-architecture-twice-in-four-months-at-vb-transform-2026-its-ai-vp-called-that-the-fast-path.
