Quando um cliente manda "oi" para o WhatsApp da sua empresa e recebe uma lista numerada de opções, isso é um chatbot de fluxo. Quando recebe uma resposta em linguagem natural que leu a mensagem, consultou o histórico e decidiu o que fazer — isso é um agente de IA.
A confusão entre os dois é deliberada. Plataformas de chatbot de menu vendem "automação com inteligência artificial" porque o mercado aprendeu que IA vende. Mas a diferença técnica é profunda, e tem consequência direta no resultado do negócio.
O que é um chatbot de fluxo
Um chatbot de fluxo é essencialmente uma árvore de decisão. Cada mensagem do usuário é interpretada como uma escolha dentro de um conjunto de opções predefinidas. Se o cliente responde algo que o sistema não esperava, ele trava ou devolve uma mensagem de erro.
A lógica interna funciona assim:
mensagem recebida → corresponde a alguma keyword?
├── sim → executar ação predefinida
└── não → "Não entendi. Digite 1 para X, 2 para Y"
Chatbots de fluxo são rápidos de configurar, baratos e funcionam bem em casos muito delimitados: confirmar entrega, enviar segunda via de boleto, responder FAQ com opções fechadas.
O problema aparece quando o cliente é humano. Humanos não seguem menus. Eles escrevem "quanto custa converter meu Civic 2019 pra GNV" ou "preciso de alguém pra ver um refletor que queimou no meu galpão", não "1 - solicitar orçamento". Um chatbot de fluxo não sabe o que fazer com isso.
O que é um agente de IA
Um agente de IA não trabalha com árvore de decisão. Ele usa um modelo de linguagem (LLM) que foi instruído a agir dentro de um contexto específico — o seu negócio.
O fluxo real é diferente:
mensagem recebida → LLM lê:
├── histórico completo da conversa
├── perfil do cliente (se existir no banco)
├── contexto do negócio (instruções, regras, serviços)
└── dados em tempo real (via function calling) → resposta em linguagem natural
A diferença que importa: o agente decide o que fazer com base em compreensão, não em correspondência de palavras-chave. Se o cliente escreve "quanto custa" ou "tem como me dar um preço" ou "qual o valor", o agente entende que é a mesma intenção.
Mais do que isso: o agente pode executar ações. Com function calling, ele consulta o banco de dados, verifica estoque em tempo real, busca o histórico de compras do cliente, checa a agenda e confirma um horário — tudo dentro da conversa, sem abrir outro sistema.
Onde isso faz diferença na prática
Caso 1: agendamento de conversão GNV (GoldGás)
Com chatbot de fluxo, o cliente precisaria escolher o serviço no menu, informar o modelo do carro, confirmar o endereço digitando tudo de novo. Qualquer desvio quebraria o fluxo.
Com agente de IA: "quero converter meu carro para GNV" → o agente pergunta o modelo e ano do veículo, consulta disponibilidade na agenda em tempo real, confirma a data e envia o endereço da oficina — tudo em linguagem natural, sem intervenção humana.
Caso 2: ordens de serviço de manutenção (Dr. Moving)
"Preciso de manutenção em um refletor de LED que parou de funcionar, fica no galpão da fábrica" — um chatbot de fluxo não sabe processar isso. Um agente extrai as informações relevantes (equipamento, localização, urgência), registra a ordem de serviço e consulta disponibilidade do técnico para confirmar o agendamento.
Quando chatbot de fluxo ainda faz sentido
Ser honesto aqui importa: nem todo caso precisa de agente de IA.
Se o seu atendimento no WhatsApp se resume a:
- Enviar link de pagamento para cliente que já comprou
- Responder "qual é o horário de funcionamento"
- Confirmar se pedido foi despachado (com número fixo para consultar)
Um chatbot de fluxo resolve por uma fração do custo. A complexidade de um LLM não se justifica.
O agente de IA começa a fazer sentido quando:
- O cliente precisa de respostas que dependem de dados em tempo real
- As perguntas variam muito em como são formuladas
- O processo tem múltiplas etapas que dependem de contexto anterior
- Erros de atendimento custam clientes reais
A questão do custo e da propriedade
Plataformas de chatbot de fluxo cobram mensalidade. Você configura dentro da plataforma deles, e se mudar de ideia ou eles mudarem os preços, você perde tudo o que construiu.
Um agente de IA bem desenvolvido é código. Você pode hospedar em qualquer servidor, alterar as instruções sem depender de ninguém e migrar de LLM se o custo ou qualidade mudar. A infraestrutura fica custando entre R$50 e R$150/mês dependendo do volume — sem mensalidade para a ferramenta em si.
Como avaliar o que você precisa
Três perguntas para decidir:
- As perguntas dos seus clientes seguem um padrão previsível? Se sim, chatbot de fluxo pode resolver.
- O atendimento precisa consultar dados do seu sistema para responder? Se sim, é preciso integração — e agente de IA integra com muito mais naturalidade.
- Quanto custa um lead perdido para você? Se o custo for alto, a diferença entre "1 para saber o preço" e uma conversa natural faz diferença mensurável na conversão.
A decisão não é sobre tecnologia. É sobre o que a sua operação precisa para crescer sem depender de time de atendimento escalando na mesma proporção que o volume.