A maior parte das conversas sobre agentes de IA começa com a pergunta errada: Qual modelo é o melhor? É uma pergunta natural, porque é o que a imprensa de tecnologia repete a cada lançamento ou a cada nova versão de modelos de IA. Só que ela explica cada vez menos sobre o resultado que a sua empresa vai ver na operação.
O que é um harness, em linguagem simples
O modelo é o motor da IA. O harness é todo o resto do carro: o que um agente de IA recebe como instrução, quais ferramentas ele pode acionar, o que ele guarda na memória entre execuções e passos, quantas vezes pode tentar novamente, como verifica o próprio trabalho e quando para e passa uma aprovação para uma pessoa (gate humano).
Dois agentes de IA podem usar exatamente o mesmo modelo, com os mesmos prompts, e entregar resultados muito diferentes porque a camada ao redor é diferente. Em produção, o harness é onde reside a maior parte da engenharia de agentes — e uma parte grande do resultado.
O tamanho do efeito, medido
O Terminal-Bench 2.0 é uma bateria pública de tarefas de terminal, um tipo de trabalho em que o agente de IA precisa encadear muitos passos sem se perder. Os números a seguir ajudam a dimensionar o efeito.
Essa comparação vale como ordem de grandeza, não como experimento controlado: são duas submissões distintas ao mesmo benchmark. A leitura honesta é "mantendo o modelo constante e variando o agent harness", e não "o harness X é melhor que o Y para a sua empresa". Inclusive, diferentes tipos de tarefas podem ser adequados a diferentes harnesses, dentro da mesma empresa.
O próximo dado é mais direto, porque aí a equipe mudou só a camada de harness:
E há um terceiro efeito, que raramente entra na conta — a infraestrutura em que o agente roda:
Ou seja, além de se discutir o modelo de IA e o harness de execução, parte do resultado depende da infraestrutura. Isso é mais verdadeiro quando se usam modelos open weight em infraestrutura própria.
Por que isso acontece
O modelo de IA oferece capacidade potencial. O harness decide quanto dessa capacidade se torna trabalho concluído, e como o processo é orquestrado. Na prática, quatro decisões explicam a maior parte da diferença:
- Instrução. O que os agentes sabem sobre cada processo, o fluxo de trabalho, o que é proibido e permitido, e como resultados são avaliados.
- Ferramentas. O que os agentes podem, de fato, fazer — consultar sistemas e dados, escrever registros, abrir chamados, enviar mensagens — e com quais limites e alçadas.
- Contexto. O que os agentes carregam e lembram entre passos e execuções. Contexto demais confunde e custa caro (tokens); contexto de menos leva os agentes a alucinar.
- Verificação. Como as tarefas são conferidas antes de valerem: pode ser um segundo agente que revisa, uma regra determinística ou um gate humano.
Modelo
Capacidade potencial: o motor.
Harness
Decide quanto da capacidade vira trabalho concluído.
- 01Instrução
- 02Ferramentas
- 03Contexto
- 04Verificação
Infraestrutura
Onde o agente roda, que também muda o resultado.
Essas quatro decisões são de engenharia das empresas, não dependem do fornecedor do modelo. É por isso que trocar de modelo raramente resolve o problema de um agente que erra muito, e a mesma equipe de engenharia consegue melhorar os resultados sem alterar nada na camada de inferência de IA.
O que muda na hora de desenhar uma equipe de agentes de IA
A pergunta deixa de ser qual modelo é mais inteligente e passa a ser qual combinação de modelo, harness e infraestrutura entrega esta tarefa dentro de custos, prazos e riscos aceitáveis.
Isso tem uma consequência concreta: se grande parte do valor está na camada de harness, ela precisa ser da sua empresa, ou pelo menos ser portável entre fornecedores:
Um agente que só existe dentro do produto de um fornecedor é uma dependência difícil de precificar — e que surge justamente quando você precisa negociar — especialmente em caso de problemas.
Há também uma questão de equipe de profissionais (humanos):
Ou seja: a escassez não é de acesso a modelos de IA, que estão a uma chamada de API de distância. É de pessoas proficientes em IA agêntica, capazes de desenhar, medir e operar agentes em processos de negócio.
Como testar isso na sua empresa
Você não precisa de benchmarks públicos para decidir. O método é o mesmo desses benchmarks, mas em escala menor:
- Escolha de 20 a 50 tarefas reais de um processo candidato à automação por agentes de IA, com os resultados corretos já conhecidos.
- Trave um modelo de IA e varie uma camada de cada vez: primeiro as instruções e fluxos, depois as skills (habilidades dos agentes) e ferramentas, depois as verificações.
- Registre sempre os mesmos dados por unidade de trabalho: custo de token, custo de infraestrutura, taxa de intervenção humana e taxa de acerto.
- Repita com o outro modelo só no fim, quando a camada de harness já estiver estável. Trocar tudo ao mesmo tempo impede de saber o que causou o quê.
É esse conjunto de decisões — instrumentadas, mensuradas e com dono — que a AInda chama de método. O resultado prático não é apenas ter agentes de IA mais eficazes: é ter agentes cujo comportamento você consegue explicar, prever e melhorar continuamente.