Como criar Agentes AI em Python: o case Andrade Gutierrez + BotCity
Confira como a Andrade Gutierrez revolucionou suas operações com Automação de Processos com Agentes AI (APA) e a plataforma BotCity, gerando +300.000 horas economizadas e +90 FTEs liberados/mês.
Saiba mais
Com mais de 230 automações já rodando em produção, a Andrade Gutierrez precisava ir além da execução mecânica e acrescentar inteligência que aprendesse com exceções e gerasse insights instantâneos, sem perder o controle da governança.
O CoE de Hiperautomação encontrou na BotCity a plataforma ideal para criar e orquestrar agentes de IA que complementam essas automações.
Um exemplo marcante: uma automação voltada à governança do próprio CoE que analisa o código e gera documentação. Foram 250 SDDs produzidos em apenas 15 segundos cada, contra as 2 horas necessárias anteriormente.
“APA não substitui o RPA, ele o expande e complementa. É um novo paradigma para repensar como automatizamos o conhecimento e a tomada de decisão.”
Pieter Voloshyn, gerente de TI da Andrade Gutierrez e responsável pelo projeto
RPA vs. APA: Uma Nova Geração de Automações
Mesmo já operando um ambiente robusto de RPA, a Andrade Gutierrez precisava de automações que aprendessem e reagissem às mudanças diárias do negócio. Ao criar Agentes AI em Python na plataforma BotCity, as automações passaram a:
- Adaptar-se em tempo real: quando a regra muda, o fluxo se ajusta sem necessariamente haver a reescrita extensa de código.
- Consumir dados não-estruturados: LLMs são excelentes em trabalhar com dados não-estruturados, como PDFs, imagens e e-mails.
- Entregar rápido: a prototipação de um agente funcional vai de ideação à validação em poucas horas, contra dias em RPA tradicional.
- Cobrir exceções: o uso de LLMs e validações Python aumentam a abrangência das automações reduzindo quebras que antes exigiam intervenção humana.
Como funciona um Agente AI em Python
A base do APA são os Agentes de IA, que são componentes autônomos de software capazes de analisar o ambiente, tomar decisões estratégicas para alcançar metas e executar as ações necessárias, tudo isso com um alto grau de independência e adaptabilidade.
Sua arquitetura combina:
Motor de raciocínio (LLMs) como OpenAI, Anthropic e Gemini AI para elaborar estratégias e agir.
Planejamento guiado por prompts e técnicas como Chain of Thought e ReAct.
Memória de curto e longo prazo para armazenar e reutilizar informações.
Ferramentas que permitem interação com sistemas, APIs, RPAs e bancos de dados.
Base de conhecimento para ampliar o contexto via RAG.
Guardrails para segurança e conformidade.
Arquitetura multiagente aplicada na Andrade Gutierrez
To tackle the challenges of complex processes, Andrade Gutierrez leveraged BotCity to implement multi-agent architectures.
This means that instead of a single automation, multiple AI agents work together towards a larger goal.
How does this work in practice for Andrade Gutierrez? A real example is the creation of SDDs (Solution Design Documents). Instead of a single overloaded agent, BotCity enabled Andrade Gutierrez to create a multi-agent system for this task.
Each agent has a specific function, such as: inspecting code, describing automation, listing components, mapping requirements, designing flows, generating summaries, and composing the final document.
Execução nativa de Python: Ideal para qualquer lógica definida por agentes, com integração a LLMs (locais, inclusive!), APIs e scripts complexos.
Não depende de estruturas engessadas: Proporciona total liberdade de modelagem e orquestração.
Compatível com diversos frameworks: Integra facilmente com LangGraph, CrewAI, PydanticAI, OpenAI SDK, Semantic Kernel.
Execução em múltiplos ambientes: Suporta execução local, em servidor, nuvem, VMs e containers.
Interoperabilidade com sistemas diversos: Conecta-se a SAP, Web, Windows, APIs, Bancos de Dados, Arquivos e mais de 500.000 bibliotecas open-source.
Casos reais de aplicação na Andrade Gutierrez
A Andrade Gutierrez já colhe frutos da APA em diversas frentes, demonstrando o potencial transformador dessa tecnologia.
Case #1: Elaboração de SDDs (Solution Design Document)
- Objetivo: Automatizar a elaboração de SDDs com base no código-fonte da automação.
- Como foi feito: Agentes criados com LangGraph. O processo envolve
inspecionar_codigo,descrever_automacao,descrever_componentes,descrever_requisitos,desenhar_fluxo,gerar_resumo_executivoegerar_sdd
Resultado:
- Tempo médio caiu de 2 horas para apenas 15 segundos.
- +250 documentos gerados automaticamente.
Case #2: Análise de Integrações para SAP HCM
- Objetivo: Mapear integrações SQL com o sistema de folha de pagamento para a pré-migração do SAP HCM.
- Como foi feito: Agentes criados com LangGraph. O fluxo inclui
inspecionar_codigo,extrair_comandos_sql,descrever_comandos_sqlegerar_relatorio
Resultado:
- Toda a análise realizada em ~10 minutos, tarefa antes manual e extensa.
Próximas etapas
A Andrade Gutierrez está expandindo a aplicação de agentes inteligentes para novas frentes:
.svg)
Processamento de faturas de telecom com validações automáticas de regras e feedback sobre inconsistências.
Identificação de responsáveis por documentos assinados digitalmente, interpretando metadados com validação contextual.
A experiência da Andrade Gutierrez mostra que, com a BotCity, é possível criar e colocar em produção agentes de IA escritos em Python em pouco tempo, mantendo controle total de versionamento, auditoria e permissões.
Isso acelera a entrega de valor, reduz falhas operacionais e garante governança desde o primeiro commit até a operação em escala.