O que é um LMS agêntico, e a pergunta que os separa
As plataformas agênticas deixam agentes de IA trabalhar sozinhos. A diferença que decide a compra: o agente aplica esse trabalho, ou entrega-o a uma pessoa?
Todas as plataformas de aprendizagem vão dizer-se agênticas dentro de um ano, por isso a palavra sozinha já quase não diz nada. Uma pergunta devolve-lhe o sinal, e não é sobre quão capazes são os agentes. É esta: quando um agente termina um trabalho, aplica-o ele próprio ou entrega-o a uma pessoa? Tudo o que uma instituição tem de aprovar decorre da resposta.
LMS agêntico
Uma plataforma de aprendizagem onde agentes de IA executam sozinhos trabalho de vários passos — redigir um curso a partir de material de origem, corrigir uma entrega segundo uma grelha, montar um relatório — em vez de responder a um pedido de cada vez. O termo descreve quanto de uma tarefa o sistema assume sem que lho voltem a pedir. Não diz nada, por si só, sobre quem responde pelo resultado.
A categoria chegou depressa e pelo topo do mercado. A Docebo anunciou o AgentHub no seu evento Inspire a 21 de abril de 2026, descrevendo agentes que «raciocinam, decidem e agem» sobre o conhecimento e as competências da empresa, com disponibilidade completa prevista para o outono. A Absorb publicou a 5 de junho de 2026 uma definição de sistema de aprendizagem agêntico — agentes que «agem dentro dos fluxos de formação» — e referiu que, na beta do Aura, a arquitetura resolveu entre 40 e 60% dos pedidos de apoio administrativo de rotina «sem que nenhum humano abrisse uma fila». Uma série de guias de compra de 2026 já classifica as plataformas agênticas como categoria própria.
Qual é a diferença entre um LMS com IA e um agêntico?
«Com IA» descreve funcionalidades acrescentadas a um produto existente: um botão de resumo, um gerador de perguntas, um painel de conversa. Cada uma faz uma coisa quando lha pedem. «Agêntico» descreve o alcance: o sistema assume uma tarefa inteira ao longo de vários passos, decide o que fazer a seguir dentro dessa tarefa, e continua sem ser estimulado a cada volta. O salto entre os dois é real. E é também o ponto em que a pergunta sobre quem aplica o resultado deixa de ser teórica.
A divisão dentro da categoria
Aquele número da Absorb merece uma pausa, porque contraria uma versão preguiçosa deste artigo. Absorver as perguntas repetidas sobre inscrições e certificados é exatamente onde a autonomia compensa: as perguntas repetem-se, as respostas saem de conteúdo aprovado, e errar uma custa a alguém um segundo email. Aí ninguém precisa de uma pessoa à frente. O que está em jogo não se distribui por igual dentro de uma plataforma, e uma regra de «uma pessoa aprova tudo» aplicada em todo o lado só produz um produto mais lento. O argumento é mais estreito: é sobre as poucas superfícies em que errar sai caro.
Vendem-se dois desenhos sob a mesma palavra, e comportam-se de forma muito diferente da primeira vez que algo corre mal.
- Agentes que agem. O agente termina a tarefa e aplica o resultado. Publica-se um curso, atribui-se uma inscrição, entrega-se um relatório. Fica a saber depois, normalmente por uma notificação. É o que a maior parte da categoria entende por agêntico, e é o que as demonstrações são feitas para mostrar.
- Agentes que propõem. O agente termina a mesma tarefa e pára. O que produziu chega como rascunho, item em fila ou nota sugerida — e uma pessoa com nome aplica-o ou não. O trabalho é idêntico; o último passo pertence a alguém a quem se pode perguntar porquê.
O segundo é mais lento. É um custo real e convém dizê-lo claramente: se o que quer é um assistente que simplesmente faça a coisa, um passo de aprovação vai irritá-lo. O que compra com esse atraso é que um erro do modelo seja um rascunho recusado em vez de um incidente — uma distinção que só importa de vez em quando, e que importa enormemente quando importa.
O agente produz o trabalho e entrega-o. Uma pessoa aplica-o, e o registo guarda o que foi proposto ao lado do que foi aceite — incluindo o que foi recusado, que é a entrada que prova que o controlo servia para alguma coisa.
Diz-se ao agente para pedir confirmação antes das ações importantes, com a importância julgada pelo modelo, na mesma janela de contexto do material que lhe pediram para ler.
Vale a pena nomear este segundo padrão porque é comum e soa igual ao primeiro. Um sistema em que se diz ao modelo para pedir permissão não é um sistema em que o modelo não tem como avançar sem ela. O primeiro é uma norma que o modelo pode seguir. O segundo é uma parede. Pergunte qual lhe estão a mostrar, e peça para ver a parede.
Porque isto é uma questão de compra e não de preferência
Para uma empresa que automatiza lembretes internos de conformidade, a autonomia é sobretudo uma decisão de eficiência. Para uma escola, uma universidade ou um empregador regulado é uma questão de governação, e cada vez mais de direito. Os legisladores começaram a escrever regras sobre onde a IA pode estar na avaliação — vários estados dos EUA mexeram-se sobre se a IA pode ser a base principal de uma nota, e a situação continua a mudar. O rastreador legislativo da FutureEd é o sítio prático para verificar o que lhe aplica neste período e não no anterior.
Mesmo onde ainda nada está escrito, a pergunta chega ao mesmo ponto em cada compra institucional. Alguém assina um papel a dizer o que o sistema pode fazer sem vigilância. Essa pessoa precisa de uma resposta mais curta do que a descrição das instruções dadas ao modelo.
A IA pode corrigir os trabalhos dos alunos?
Depende do que entende por corrigir. Produzir uma nota sugerida segundo uma grelha, com o raciocínio escrito, está bem ao alcance e poupa tempo a sério. Publicar essa nota a um aluno como o seu resultado é outro ato, com outras consequências, e é aquele sobre o qual se estão a escrever regras. Peça a um fornecedor que separe os dois na chamada. Se a resposta os tratar como uma coisa só, essa é a resposta.
Os sistemas de IA agêntica substituem os professores?
Em nenhum dos dois desenhos, embora falhem de maneiras diferentes nesta pergunta. Um agente que age continua a precisar de alguém que responda pelo que fez — o trabalho move-se, a responsabilidade não, e a pessoa fica a saber depois. Um agente que propõe mantém essa pessoa à frente da decisão em vez de atrás. O que desaparece em ambos os casos é a parte do ofício que ninguém defende: produzir um primeiro rascunho, corrigir a quadragésima entrega com a mesma grelha, refazer o mesmo relatório todos os meses. O juízo sobre se um rascunho está certo, uma nota é justa ou um número significa o que parece significar é a parte protegida, e é a que as instituições pagam.
Seis perguntas a fazer a um fornecedor agêntico
Estão ordenadas pelo que costumam revelar, e a primeira vale a chamada inteira.
- Liste todas as ações que um agente pode executar sem uma pessoa. Peça por escrito, não num diapositivo. A duração da pausa antes da resposta é um dado.
- A confirmação é uma instrução ou um controlo? Se é o modelo que decide quando pedir permissão, a permissão é indicativa. Se o agente não tem caminho nenhum até ao objeto real, é um controlo.
- Quem publica uma nota? Não quem a pode corrigir depois — quem a publica. São sistemas diferentes.
- O que mostra o registo? Um log do que o agente fez vale menos do que um registo que guarda o que foi proposto, o que foi aplicado, por quem, e o que foi recusado.
- Podemos desligar os agentes? Por organização, não por cliente. Um grupo precisa muitas vezes de uma escola com eles e outra sem.
- O que acontece num dia mau? Pergunte quanto custa uma resposta errada e quem fica a saber. «Corrige depois» e «não chegou a ninguém» são produtos diferentes.
Onde está a Lurno, e o que isso nos custa
A Lurno é a segunda coluna. Os seus agentes redigem lições e perguntas a partir dos documentos que carrega, com a fonte ao lado de cada ponto; propõem notas segundo a sua grelha sobre uma entrega anonimizada; acompanham os alunos por modos crescentes; e transformam uma pergunta em linguagem normal num relatório. Nenhum consegue aplicar o seu próprio trabalho, e isso não é uma definição: não existe caminho nenhum de um agente até uma nota publicada ou um curso publicado. As ações mais sérias precisam de duas pessoas diferentes, e nenhuma pode ser a que propôs a alteração.
O agente de relatórios é o caso mais claro. Escreve a definição do relatório e nunca lê os seus dados. O que propõe volta a passar pelas mesmas verificações de permissões de um relatório construído à mão, por isso não pode inventar um número nem mostrar uma organização que quem perguntou já não tivesse direito a ver.
- O atraso é real. Não existe modo nenhum em que os nossos agentes escrevam num programa em produção ou publiquem uma nota sozinhos. Se quer autonomia, somos a entrada errada da sua lista e é melhor sabê-lo agora.
- SCORM, xAPI e LTI estão em desenvolvimento. Modelados no produto, o motor de execução ainda está a ser construído. Material fechado em pacotes SCORM não é uma fonte onde hoje possamos ancorar um agente.
- Os agentes podem ser desligados por completo, por organização. Todo o resto continua a funcionar — acrescentam, não sustentam.
Isto é o mesmo que IA com humano no circuito?
Quase, embora a expressão fique aquém. «Humano no circuito» costuma descrever um passo de revisão acrescentado sobre um sistema que podia correr sozinho: a autonomia existe e põe-se-lhe um ponto de controlo à frente. Aqui a aprovação é a arquitetura: nada do que um agente produz chega a um aluno, a uma nota ou a um relatório sem que alguém o aceite, por isso não há por baixo caminho autónomo nenhum para rever. A diferença prática aparece quando o passo de revisão está sob pressão. Um ponto de controlo pode ser saltado. Um caminho que não existe, não.
Um passo de aprovação não anula o sentido da IA agêntica?
Só se o sentido fosse tirar as pessoas. A parte cara do trabalho não é o clique que aceita um rascunho — é produzir o rascunho, corrigir segundo a grelha, montar o relatório. Um agente que faz isso e pára levou as horas e deixou o discernimento. Para a maioria das instituições é a troca que queriam, e várias só estão autorizadas a fazer essa.
Se está a avaliar plataformas agênticas, leve a primeira pergunta a todas e compare as respostas escritas. A nossa damos-lha antes da chamada em vez de durante, e se nos excluir é uma hora bem poupada. Marque uma demonstração, ou leia o que cada um dos nossos agentes pode fazer sozinho na página de IA.