Execução Durável: o que acontece quando o agente de IA cai no meio de uma tarefa de duas horas
Por Enio Moraes
Fundador da movimento.ai
Um agente de IA que responde a uma pergunta em três segundos raramente falha de forma cara. O problema aparece quando o agente passa a executar tarefas longas: conciliar um mês de lançamentos contábeis, revisar duzentos contratos, migrar cadastros entre sistemas. Esses fluxos envolvem dezenas de chamadas a modelos e a sistemas internos, e levam de minutos a horas. Nesse intervalo, tudo pode acontecer: o servidor reinicia, a API do modelo devolve erro, o limite de requisições estoura, uma aprovação humana demora até o dia seguinte. A pergunta que separa um protótipo de um sistema em produção é simples: o que acontece com o trabalho já feito quando algo quebra?
O problema: agentes que começam do zero
Na arquitetura mais ingênua, o estado do agente (o que já fez, o que decidiu, o que falta) vive apenas na memória do processo. Se o processo cai, o estado some, e a tarefa recomeça do início. Isso tem três custos diretos. O primeiro é financeiro, porque as chamadas ao modelo já pagas são repetidas. O segundo é de tempo, porque uma tarefa de duas horas que falha aos 110 minutos volta à estaca zero. O terceiro é o mais sério: o risco de efeitos duplicados. Se o agente já havia enviado um e-mail, criado um pedido ou disparado um pagamento antes da falha, a nova execução pode fazer tudo de novo.
Por isso o tema entrou na pauta de arquitetura de 2026. Plataformas de orquestração de fluxos de trabalho, como o Temporal, e frameworks de agentes, como o LangGraph, passaram a oferecer integração para tratar agentes como processos duráveis, não como scripts descartáveis. A ideia vem da engenharia de sistemas distribuídos e funciona bem para agentes.
Três mecanismos que resolvem o problema
A execução durável se apoia em três ideias complementares, que o time técnico deve ser capaz de explicar para a diretoria:
- Checkpoints. Depois de cada etapa relevante, o sistema grava em armazenamento durável o estado do agente e o resultado da etapa. Em caso de falha, a execução é retomada do último ponto gravado, e não do início.
- Registro e reexecução de eventos. Em plataformas como o Temporal, o histórico de tudo o que o fluxo já fez é guardado. Ao retomar, o fluxo reaproveita as respostas já registradas (inclusive as do modelo de linguagem) em vez de chamá-las de novo, o que preserva custo e consistência.
- Idempotência. Toda ação com efeito externo (enviar e-mail, criar pedido, pagar) recebe uma chave única. Se a ação for repetida por causa de uma nova tentativa, o sistema de destino reconhece a chave e não duplica o efeito. É a proteção contra o pior cenário: o pagamento feito duas vezes.
Há ainda um benefício menos óbvio: a pausa longa. Um agente que precisa de aprovação humana não deve ficar com um processo aberto esperando horas. Com execução durável, ele grava o estado, libera os recursos e acorda quando a aprovação chega, mesmo que seja no dia seguinte. Isso viabiliza, na prática, o desenho de fluxos com supervisão humana em pontos críticos.
O que perguntar ao seu time de tecnologia
Você não precisa escolher a ferramenta, mas precisa fazer as perguntas certas antes de aprovar um agente para tarefas longas ou com efeitos financeiros:
- Se o processo cair no meio da tarefa, o trabalho já feito é preservado ou refeito?
- Toda ação com efeito externo (pagamento, e-mail, atualização de cadastro) é idempotente? Como isso foi testado?
- Existe limite de tentativas e de custo por execução, para que uma falha recorrente não gere uma conta inesperada?
- É possível auditar o histórico completo de uma execução, etapa por etapa, depois que ela termina?
Execução durável tem custo: mais infraestrutura, mais disciplina de engenharia e testes de falha. Não faz sentido para um assistente que responde perguntas em segundos. Mas, para agentes que mexem em dinheiro, contratos ou dados de clientes ao longo de muitos passos, é a diferença entre um piloto que impressiona e uma operação em que a diretoria pode confiar.
Fonte conceitual: documentação e blogs técnicos da Temporal sobre integração com LangGraph e execução durável para agentes de IA (2026). O diagrama é ilustrativo.