Base de conhecimento diz o que a empresa sabe. Mas quem ensina ao Agente como o trabalho é feito?

Quando uma empresa começa a estruturar um Agente IA, uma das primeiras preocupações costuma ser a base de conhecimento.

Manuais de produtos, políticas comerciais, perguntas frequentes, apresentações, contratos, documentos internos e materiais de treinamento são organizados para que o Agente consiga consultar informações que não estavam originalmente no treinamento do modelo.

Isso resolve um problema importante: o Agente passa a ter acesso ao que a empresa sabe.

Mas existe outra categoria de conhecimento que nem sempre recebe a mesma atenção.

Saber quais são as regras de desconto da empresa não significa saber executar uma análise de desconto. Conhecer todos os campos existentes no CRM não ensina, por si só, como revisar uma oportunidade comercial. Ter acesso ao manual financeiro não significa saber quais dados conferir, em qual ordem, antes de aprovar determinada operação.

Existe uma diferença entre saber alguma coisa e saber como fazer alguma coisa.

É nessa segunda camada que entra o conceito de Skills para Agentes IA.

Uma empresa não funciona apenas com informações

Imagine a contratação de um novo funcionário.

Você poderia entregar a ele uma pasta contendo catálogo de produtos, regras comerciais, contratos, políticas internas, histórico de clientes e procedimentos administrativos.

Depois de estudar tudo isso, ele saberia muito mais sobre a empresa.

Ainda assim, isso não significa que saberia executar corretamente seu trabalho.

Um analista experiente pode seguir uma sequência específica antes de produzir um relatório. Um vendedor pode consultar determinadas informações antes de recomendar uma condição comercial. Uma pessoa do financeiro pode conferir quatro sistemas diferentes antes de considerar uma cobrança realmente conciliada.

Grande parte desse conhecimento não está simplesmente nos dados.

Ele está no processo.

Está nas sequências, critérios, verificações, exceções e decisões que transformam informação em trabalho concluído.

A Anthropic usa justamente a expressão procedural knowledge ao explicar Agent Skills. A proposta é capturar procedimentos e contexto organizacional em recursos reutilizáveis que possam especializar um Agente para determinadas tarefas.

A OpenAI segue uma direção semelhante. A OpenAI Academy descreve Skills como workflows reutilizáveis que ensinam ao ChatGPT como executar tarefas recorrentes sem que o usuário precise explicar novamente o mesmo processo a cada interação.

Na API, essa ideia aparece de forma ainda mais explícita: Skills são indicadas para procedimentos repetíveis nos quais o modo de execução importa, incluindo etapas, lógica condicional, regras de formatação, scripts e validações.

Essa distinção muda a maneira de pensar a arquitetura de um Agente dentro de uma empresa.

Base de conhecimento responde principalmente ao “o quê”

Uma base de conhecimento pode conter informações como:

• quais produtos a empresa vende;
• quanto cada plano custa;
• quais são as regras de cancelamento;
• quais documentos determinado processo exige;
• quais condições comerciais podem ser oferecidas;
• quais políticas internas devem ser respeitadas;
• quais características diferenciam um produto de outro.

Tecnologias de recuperação de informação permitem que o modelo procure trechos relevantes desses documentos quando precisa responder a uma pergunta.

O File Search da OpenAI, por exemplo, permite recuperar informações de arquivos previamente carregados utilizando busca semântica e por palavras-chave.

Isso é extremamente útil.

Se alguém perguntar:

“Qual é o prazo para solicitar reembolso?”

o Agente pode consultar a política da empresa e encontrar a informação correspondente.

Esse é justamente o tipo de problema discutido quando falamos sobre o que um Agente IA precisa saber antes de atender clientes.

Agora considere uma solicitação diferente:

“Analise este pedido de reembolso e diga se ele pode ser aprovado.”

Nesse caso, localizar a política é apenas uma parte do trabalho.

Talvez seja necessário:

1. identificar a data da compra;

2. conferir qual produto foi adquirido;

3. verificar se houve consumo do serviço;

4. procurar solicitações anteriores;

5. identificar a regra aplicável;

6. conferir se existe alguma exceção;

7. classificar o caso;

8. registrar a justificativa;

9. encaminhar para aprovação humana se determinada condição estiver presente.

A base de conhecimento pode conter todos os fatos necessários para a análise.

Ainda assim, falta uma camada:

a sequência operacional que transforma esses fatos em trabalho.

Skills respondem principalmente ao “como”

Uma Skill pode ser entendida como uma forma de transformar um procedimento recorrente em algo que o Agente consiga reutilizar.

Na arquitetura de Agent Skills da Anthropic, uma Skill possui um arquivo `SKILL.md` com instruções e pode incluir outros recursos, como scripts, templates e materiais de referência. A documentação do Claude sobre Agent Skills apresenta essas Skills como recursos modulares que fornecem workflows, contexto e boas práticas ao modelo.

A documentação da OpenAI para Skills também trabalha com bundles versionáveis que podem reunir um `SKILL.md`, instruções, scripts e outros arquivos necessários para codificar processos e convenções.

Em vez de simplesmente dizer ao Agente:

“Aqui estão nossos documentos financeiros.”

a empresa poderia disponibilizar uma Skill chamada:

Análise mensal de inadimplência

Ela poderia orientar o Agente a:

1. buscar os pagamentos vencidos;

2. excluir cobranças canceladas;

3. agrupar os valores por cliente;

4. comparar o resultado com o mês anterior;

5. separar atrasos acima do período definido pela empresa;

6. identificar clientes que já possuem negociação aberta;

7. calcular os indicadores necessários;

8. produzir o relatório utilizando o template financeiro oficial;

9. destacar exceções que precisam de análise humana.

Os documentos continuam sendo necessários.

Mas agora o Agente também recebeu um método de trabalho.

Um SOP armazenado em PDF não é necessariamente uma Skill

A fronteira entre conhecimento documental e conhecimento procedural não é absoluta.

Uma empresa pode escrever um ótimo procedimento operacional padrão, armazená-lo em PDF e colocá-lo na base de conhecimento. Dependendo da tarefa e da arquitetura, o Agente pode recuperar esse documento e utilizá-lo corretamente.

O problema é tratar isso como equivalente a estruturar o procedimento para execução.

Imagine uma base com centenas de documentos. Em algum deles existe um SOP de oito páginas explicando exatamente como revisar uma solicitação de crédito.

O documento pode estar disponível e ainda assim surgirem perguntas importantes:

O Agente saberá que precisa procurar esse procedimento?

Entenderá que os passos devem ser tratados como instruções de execução e não apenas como informações de referência?

Vai identificar todas as entradas obrigatórias antes de começar?

Saberá quando interromper o processo?

Vai reconhecer uma condição que exige aprovação humana?

Uma Skill permite tornar essas expectativas muito mais explícitas.

Ela pode definir:

• quando o procedimento deve ser utilizado;
• quais informações são necessárias para começar;
• quais passos precisam ser executados;
• quais ferramentas devem ser acionadas;
• quais decisões dependem de determinadas condições;
• quais situações exigem interrupção;
• quais exceções precisam de tratamento específico;
• qual formato deve ser entregue;
• quais verificações precisam acontecer antes da conclusão.

A documentação de boas práticas da Anthropic recomenda organizar Skills de modo que as instruções principais direcionem o modelo para referências e recursos específicos conforme a tarefa exigir.

A diferença parece pequena, mas é importante.

Um documento diz: “este é o nosso procedimento.”

Uma Skill é estruturada para ajudar o Agente a responder: “como executo este procedimento agora?”

Ferramenta também não é Skill

Outra confusão aparece quando começamos a conectar Agentes a sistemas externos.

Imagine que um Agente tenha ferramentas capazes de:

• consultar o CRM;
• pesquisar pedidos;
• verificar pagamentos;
• criar propostas;
• consultar a agenda;
• enviar e-mails.

Essas ferramentas dão ao Agente capacidade de agir.

Mas ainda existe uma pergunta:

como ele deve combinar essas capacidades para realizar determinado trabalho?

Ter acesso ao CRM não ensina como revisar uma oportunidade.

Ter acesso à agenda não ensina como qualificar um agendamento.

Ter acesso ao sistema financeiro não ensina como realizar uma conciliação.

Esse é um complemento importante à discussão sobre por que um Agente IA precisa de ferramentas para resolver problemas de verdade.

Uma ferramenta pode ser vista como uma capacidade relativamente específica:

buscar cliente.

consultar pagamento.

criar proposta.

enviar mensagem.

Uma Skill pode organizar várias dessas capacidades em torno de um objetivo:

preparar uma proposta comercial para um cliente existente.

Nesse processo, o Agente pode precisar consultar o cliente, recuperar o contrato atual, verificar produtos contratados, analisar condições anteriores, aplicar regras comerciais, preencher um template e somente então disponibilizar a proposta.

A documentação da OpenAI sobre Skills em plugins faz essa separação de forma clara: as ferramentas fornecem informações e ações controladas, enquanto a Skill pode definir o workflow ao redor delas, incluindo quando utilizá-las, em qual ordem, como lidar com resultados incompletos e o que a saída final precisa conter.

A ferramenta permite executar ações.

A Skill ensina como organizar essas ações para realizar um trabalho.

Prompt, conhecimento, Skills e ferramentas ocupam papéis diferentes

Essa separação permite pensar em quatro camadas de um Agente empresarial.

O prompt ou as instruções globais definem comportamentos que precisam valer de forma ampla.

Ali podem estar princípios, limites, objetivos gerais, regras de segurança e padrões de comunicação.

A base de conhecimento fornece informações.

Produtos, políticas, contratos, documentos internos e outros conteúdos podem ser recuperados quando forem relevantes.

As Skills fornecem procedimentos.

Elas organizam maneiras específicas e reutilizáveis de executar determinados trabalhos.

As ferramentas fornecem capacidades.

São as interfaces que permitem consultar sistemas, executar código, recuperar dados ou produzir efeitos externos.

Essa separação ajuda a evitar um problema comum: tentar transformar o prompt principal em um manual operacional de centenas de regras.

Como discutimos em Prompt não é operação, aumentar indefinidamente as instruções do Agente não resolve automaticamente problemas de arquitetura.

Imagine colocar no prompt principal:

• todo o procedimento de análise de reembolso;
• todo o fechamento financeiro;
• todo o processo de elaboração de proposta;
• toda a revisão de oportunidades;
• todos os critérios de qualificação;
• todas as etapas de preparação de reunião;
• todas as regras de auditoria de cadastro.

Mesmo que cada procedimento individualmente esteja bem escrito, o Agente passa a carregar instruções que não têm qualquer relação com a maioria das tarefas que executa.

Skills oferecem outra possibilidade: deixar procedimentos disponíveis e carregá-los quando realmente forem necessários.

Nem todo procedimento precisa estar permanentemente no contexto

Uma empresa pode possuir dezenas ou centenas de processos.

Um Agente de operações pode saber analisar uma cobrança, produzir determinado relatório, revisar um cadastro, comparar propostas, preparar uma reunião, investigar uma inconsistência e executar várias outras rotinas.

Colocar as instruções completas de tudo isso no contexto o tempo inteiro seria pouco eficiente.

A Anthropic chama sua abordagem de progressive disclosure, ou divulgação progressiva.

Na arquitetura descrita pela empresa, o modelo inicialmente recebe informações leves sobre as Skills disponíveis. Quando uma Skill se torna relevante, suas instruções podem ser carregadas. Referências adicionais ficam disponíveis para consulta conforme a execução exige mais detalhes.

A OpenAI utiliza lógica semelhante em sua implementação para API: informações como nome, descrição e localização da Skill permitem que o modelo saiba que aquele procedimento existe sem necessariamente carregar todo o seu conteúdo antecipadamente.

Isso muda uma pergunta importante da arquitetura.

Em vez de pensar apenas:

“Quanto contexto esse Agente consegue receber?”

passamos a pensar:

“Qual contexto este Agente precisa carregar para executar esta tarefa?”

Quanto maior a biblioteca operacional da empresa, mais relevante essa diferença se torna.

Uma Skill não torna o processo automaticamente determinístico

Existe uma limitação importante.

Transformar um procedimento em Skill não significa que cada passo será obedecido com a mesma rigidez de um programa tradicional.

Continuamos falando de um modelo que interpreta instruções, seleciona recursos e toma decisões durante a execução.

A própria documentação da OpenAI explica que, quando uma Skill está disponível, o modelo pode decidir quando utilizá-la a partir de suas informações de descoberta. Quando é necessário um comportamento mais determinístico, a aplicação pode instruir explicitamente o modelo a utilizar uma Skill específica.

Essa diferença importa principalmente em processos sensíveis.

Se uma etapa precisa acontecer sempre, talvez ela não deva depender apenas de uma instrução em linguagem natural.

Uma operação pode combinar:

• código para regras determinísticas;
• workflows para sequências que não podem variar;
• ferramentas com parâmetros bem definidos;
• Skills para procedimentos que exigem interpretação;
• aprovação humana para decisões sensíveis.

Essa combinação também ajuda a entender quando usar um Agente IA e quando um workflow determinístico é mais adequado.

Skills ampliam o repertório arquitetural. Elas não eliminam a necessidade de escolher o nível certo de autonomia para cada parte do processo.

Skills podem transformar conhecimento informal em infraestrutura

Talvez a consequência empresarial mais interessante esteja fora da tecnologia.

Toda empresa possui processos que existem principalmente na cabeça das pessoas.

A pessoa do financeiro sabe onde conferir uma informação quando determinado número não fecha.

O vendedor mais experiente reconhece quais sinais observar antes de oferecer uma condição comercial.

O analista conhece uma sequência de verificações que reduz erros.

A pessoa responsável pela operação sabe quais exceções merecem atenção antes de considerar determinado trabalho concluído.

Esse tipo de conhecimento é difícil de transferir porque muitas vezes nunca foi formalizado.

Quando alguém pergunta como determinada tarefa é feita, a resposta costuma surgir assim:

“Depende. Primeiro eu olho isso. Se estiver normal, verifico aquilo. Se aparecer tal situação, aí faço outra coisa.”

Essa resposta contém conhecimento procedural.

Estruturar Skills pode obrigar a empresa a transformar esse conhecimento implícito em algo mais organizado.

Isso não significa simplesmente substituir pessoas por arquivos `SKILL.md`.

Significa fazer uma pergunta que muitas organizações nunca responderam de forma suficientemente clara:

Como este trabalho realmente é feito?

Só o esforço de responder pode revelar decisões implícitas, verificações esquecidas, exceções, dependências entre sistemas e pontos em que a supervisão humana continua necessária.

A biblioteca de Skills passa, então, a ter valor além do próprio Agente.

Ela também se torna uma forma de documentar como a organização opera.

Como identificar um bom candidato a Skill?

Uma empresa não precisa começar criando uma biblioteca gigantesca.

Um bom exercício é observar trabalhos recorrentes e procurar situações nas quais alguém experiente diria:

“Para fazer isso direito, primeiro fazemos X, depois verificamos Y e, se acontecer Z, seguimos por outro caminho.”

Esse é um forte candidato a conhecimento procedural.

Alguns exemplos:

• preparar uma proposta comercial;
• revisar uma oportunidade antes de uma reunião;
• analisar uma solicitação de reembolso;
• conferir a qualidade de um cadastro;
• produzir um relatório semanal;
• revisar uma campanha antes da publicação;
• classificar um chamado;
• analisar uma cobrança;
• preparar o briefing de um cliente.

O primeiro passo nem precisa ser automatizar tudo.

Antes de criar a Skill, vale conseguir responder com clareza:

Qual é a entrada?

Quais informações precisam existir antes de começar?

Qual é o resultado esperado?

Como sabemos que a tarefa terminou corretamente?

Quais etapas acontecem entre os dois?

Existe uma sequência necessária?

Quais decisões aparecem no caminho?

Que condições alteram o procedimento?

Quais ferramentas são utilizadas?

O Agente precisa consultar CRM, planilha, banco de dados, agenda ou outro sistema?

Quais exceções existem?

Em que situações o processo precisa parar, mudar de caminho ou chegar a uma pessoa?

Quando essas respostas começam a ser documentadas, surge algo mais útil do que uma coleção de prompts isolados.

Surge uma biblioteca operacional da empresa.

O Agente precisa saber e precisa saber fazer

Durante muito tempo, uma das grandes perguntas ao implementar IA dentro das empresas foi:

“Como damos ao modelo acesso ao conhecimento da organização?”

Essa pergunta continua importante.

Mas Agentes capazes de participar de trabalhos reais exigem outra:

“Como damos ao modelo acesso à maneira como a organização trabalha?”

Uma base de conhecimento pode ensinar quais produtos existem, quais políticas precisam ser respeitadas e quais informações a empresa registrou.

Skills podem complementar essa estrutura ensinando como transformar informações, ferramentas e critérios em procedimentos reutilizáveis.

A distinção também oferece uma maneira prática de organizar o que está sendo construído.

Antes de adicionar outro documento à base ou mais vinte instruções ao prompt, vale separar o problema em duas perguntas:

O que o Agente precisa saber?

O que o Agente precisa saber fazer?

São tipos diferentes de conhecimento.

E conforme os Agentes deixam de ser apenas sistemas que respondem perguntas e passam a executar partes reais da operação, documentar o segundo pode se tornar tão importante quanto organizar o primeiro.