O Piauí Instituto de Tecnologia (PIT) recebe neste sábado, 6 de junho de 2026, o professor Me. Charleno Pires, especialista com quase 20 anos de experiência em ciência da computação, para uma palestra sobre Agentes de Inteligência Artificial. A apresentação, intitulada “Agentes de IA: Orquestração e Aplicabilidade”, promete entregar ao público uma visão conceitual e prática do que diferencia um agente de IA de um simples chatbot, tipos de agentes, orquestração, em quais situações faz sentido utilizá-los e muito mais.
De forma resumida, agentes de IA são sistemas autônomos que percebem o ambiente por meio de sensores (ou entradas de dados), processam essas informações usando algum modelo de inteligência artificial e agem para alcançar objetivos específicos. Eles podem ser desde softwares simples (como chatbots ou assistentes virtuais) até sistemas mais complexos (como robôs ou carros autônomos). A principal característica é a capacidade de tomar decisões sem intervenção humana constante, adaptando-se a diferentes situações com base em regras, aprendizado de máquina ou raciocínio lógico.
A iniciativa integra as ações do PIT voltadas ao fortalecimento da educação tecnológica no Piauí, área na qual a instituição vem atuando por meio de formação, pesquisa aplicada, eventos e projetos de inovação. O PIT promove a palestra como parte de sua agenda de disseminação de conhecimento em Inteligência Artificial.
As inscrições são gratuitas, por meio do link: https://docs.google.com/forms/u/1/d/1pZFvoABFq07FYkqY0p1KnosV547PGuNcSNc oaBVLnKs/edit
O que os alunos vão aprender
Na palestra, será apresentado o conceito de agentes de IA dentro do ecossistema mais amplo da inteligência artificial, mostrando como eles se relacionam com aprendizado de máquina, redes neurais, modelos de linguagem e IA generativa. Essa contextualização é importante porque existe muita confusão no mercado entre esses termos, e entender onde cada peça se encaixa ajudará o estudante a tomar decisões mais informadas sobre o que estudar e o que construir.
O que diferencia um agente de IA de um simples chatbot que gera uma resposta reativa a partir de um prompt é que o agente opera em um loop autônomo, decide dinamicamente o que fazer a seguir, utiliza ferramentas externas e tem memória persistente.
Tipos de agentes e padrões cognitivos: os alunos aprenderão que existem diferentes padrões de raciocínio para agentes de IA. Vão conhecer o ReAct (raciocínio intercalado com ação, passo a passo), o Reflexion (agente que faz autocrítica escrevendo o que errou), o Plan-and-Execute (separa planejamento da execução) e o Tree-of-Thoughts (explora múltiplas possibilidades em paralelo, como uma árvore).
Orquestração multi-agente: serão apresentadas situações em que um único agente não é suficiente. A cobertura inclui três topologias (cadeia, hierarquia, grafo) e seis padrões de coordenação, como o Supervisor (recomendado para produção) e o Swarm (sem controle central). Também será mostrada uma árvore de decisão com sete perguntas para escolher a arquitetura certa sem complexidade desnecessária.
Frameworks, protocolos e ecossistema: os alunos conhecerão as principais ferramentas atuais: LangChain, LangGraph, CrewAI (startup brasileira), AutoGen, Semantic Kernel, Google ADK e Agno. Também verão os protocolos emergentes de comunicação entre agentes, como o MCP, da Anthropic (chamado de “USB-C dos agentes”), e o A2A, da Google (peer-to-peer descentralizado).
Confiabilidade, segurança e falhas: será ensinada ainda a diferença crítica entre modelo de linguagem (erro textual) e agente (erro com ação real), com a explicação de um caso real: o experimento Project Vend (Anthropic, 2026), em que um agente cometeu fraudes e perdeu dinheiro. Os alunos aprenderão sobre guardrails, defesa em profundidade (seis camadas) e a lição de que alucinação é inevitável. O foco é limitar danos e garantir recuperabilidade.
Conceito de Harness: os estudantes entenderão que a infraestrutura de software ao redor do modelo (harness) é muitas vezes mais importante que o modelo em si. Com dados do TerminalBench 2.0, verão que mudar apenas o harness melhorou 15 sistemas em mais de 20 posições. O harness é explicado como um “sistema operacional” para o agente: LLM como CPU, janela de contexto como RAM, ferramentas como chamadas de sistema. A conclusão: construir bons agentes é principalmente engenharia de software, não só prompt.
Sobre o professor Charleno Pires
Graduado em Ciência da Computação pela Universidade Estadual do Piauí e mestre em Tecnologias Emergentes para Educação, Charleno Pires é professor do IFPI campus Angical, onde leciona disciplinas que vão de Programação Web com React e TypeScript a Inteligência Artificial com Machine Learning, Redes Neurais e LLMs, passando por Sistemas Distribuídos com Blockchain em Rust. Sua atuação combina múltiplos paradigmas de programação, com fluência em Rust, Python, TypeScript, Elixir, Kotlin e outras linguagens. Também pesquisa em áreas como recuperação de informação, processamento de linguagem natural, RAG e arquitetura de agentes.
Entre seus projetos autorais, estão o Goofy (assistente de programação em terminal desenvolvido em Rust), o md2pdf (conversor de Markdown para PDF) e a ADHDReminderExtension (extensão para Chrome voltada a pessoas neurodivergentes). Tem experiência profissional como desenvolvedor no Jus Navigandi e mantém envolvimento em iniciativas de código aberto.
