Um único agente segurando tudo estourou o timeout
Um agente CEO com todo o contexto estourava o timeout; dividir em agentes Head focados, com cadências distintas, deixou a frota mais barata e mais robusta ao mesmo tempo.
O agente CEO estourou o timeout. Não porque a tarefa era difícil. Porque o contexto era largo demais.
O desenho tinha um agente orquestrador segurando o retrato completo da empresa, os cinco motores, os quatro quadrantes, tentando decidir sobre todos eles numa única execução. Estourou o timeout exatamente por isso: um agente, contexto demais, decisões demais numa passada só.
A correção foi dividir em agentes Head focados, um por motor, cada um com seu julgamento estreito e sua própria cadência. Library roda todo dia. Academy roda quando tem lançamento perto. Arsenal e Build rodam sob demanda. Cada agente segura só o que precisa para decidir a sua parte. A frota ficou mais barata e mais robusta ao mesmo tempo.
Uma regra saiu disso: mesmo julgamento, um agente com skills carregadas sob demanda. Julgamentos diferentes, agentes diferentes.
O que tornou isso mais difícil de ver do que deveria: o assistente ficava argumentando contra. O argumento era custo. Cinco heads significam cinco execuções por dia, cinco vezes o gasto com modelo. Convergir economizaria tokens. Menos agentes, um loop de decisão unificado.
O contra-argumento estava certo: com cadências diferentes, raramente os cinco rodam no mesmo dia. Com contexto focado, cada agente tem menos chance de se confundir ou estourar o timeout. E o timeout do CEO era a prova ao vivo de que o monolito já estava falhando. O assistente otimizava para tokens. O operador defendia robustez.
Modelos de IA otimizam custo por padrão. Eles vão continuar propondo convergência: menos agentes, menos chamadas, contexto mais curto. Quem opera tem que defender a robustez. Essa defesa não aparece na função de utilidade do modelo.
Lição
Dê a cada agente um único julgamento e um contexto focado; a frota fica mais barata e mais robusta ao mesmo tempo.