Quando se fala de agentes de IA, todo mundo discute a mesma coisa: qual modelo é mais inteligente. GPT, Claude, o que saiu na semana passada. É uma conversa divertida e, para a maioria das empresas, bastante irrelevante.
Porque enquanto isso a Microsoft mudou outra coisa no Copilot Studio, sua ferramenta para criar agentes. Algo com um nome pouco amigável, harness, que decide como um agente trabalha, o que ele pode fazer e quanto custa.
E não, não é um detalhe para a área de TI.
O chefe que ninguém vê no organograma
Pense em um agente como um funcionário muito inteligente. O modelo de IA é o cérebro dele. Mas um cérebro brilhante não serve para muita coisa se ninguém diz como se organizar, quais ferramentas estão à mão e o que fazer quando algo dá errado.
Isso é o harness: a forma de trabalhar do agente. A Microsoft o descreve como a camada que fica entre o que você configura e o modelo, e que decide quando pensar, com qual informação e qual ferramenta usar depois.
Dois agentes com o mesmo cérebro e harness diferentes se comportam como duas pessoas com o mesmo diploma: uma segue o manual ao pé da letra, a outra recebe um objetivo e se vira sozinha.
O modelo coloca a inteligência. O harness decide o que fazer com ela.
Três formas de trabalhar, três personalidades
Hoje o Copilot Studio oferece três:
| Como trabalha | Para que serve | |
|---|---|---|
| Standard | Segue o roteiro que você escreve | Atendimento previsível: help desk, perguntas frequentes |
| GitHub Copilot | Recebe um objetivo e monta o plano sozinho | Processos longos, com várias etapas e documentos |
| Copilot Chat | Responde com o conteúdo da sua empresa | Que as pessoas encontrem informação sem sair do Copilot |
O standard é o que até junho conhecíamos simplesmente como Copilot Studio. Faz exatamente o que você pediu, nem mais nem menos. Confiável e um pouco rígido.
O GitHub Copilot é a grande novidade. A Microsoft dá como exemplo um processo de contas a pagar: o agente lê notas fiscais, compara com pedidos de compra e envia as exceções para aprovação. Se algo falha no caminho, procura outra forma de resolver. Além disso, pode criar e editar documentos de Word, Excel, PowerPoint e PDF, e lembrar coisas de uma tarefa para outra.
O Copilot Chat é o mais simples: o clássico agente de boas-vindas que responde às dúvidas de um funcionário novo usando o que está publicado no SharePoint.
O nome que vai assustar alguém na sua empresa
Sim, um deles se chama GitHub Copilot. Não, seus dados não vão para o GitHub.
A Microsoft deixa isso explícito: ele compartilha tecnologia com o GitHub Copilot, mas as informações da empresa não passam por esse serviço e continuam valendo as mesmas regras de privacidade e conformidade de sempre.
Vale ter essa resposta pronta. Em algum comitê alguém vai ler "GitHub" e levantar a mão.
O taxímetro liga antes de você entrar
Aqui está o que mais vai pesar nos orçamentos, então vamos aos números.
O Copilot Studio não cobra por usuário nem por agente. Cobra em Copilot Credits, uma espécie de ficha que é gasta cada vez que o agente faz alguma coisa. Há duas formas de comprar:
| Modalidade | Preço | Detalhe |
|---|---|---|
| Pacote mensal | USD 200 por 25.000 créditos | O que não for usado no mês se perde |
| Pagamento por uso | USD 0,01 por crédito | Cobrado no fim do mês, via Azure |
Quem compra antecipadamente um ano inteiro pode conseguir até 20% de desconto.
No modelo tradicional, o gasto é relativamente fácil de calcular, porque cada ação tem um preço fixo:
- Uma resposta de roteiro (a que você escreveu): 1 crédito
- Uma resposta gerada pela IA: 2 créditos
- Uma ação, como criar um registro ou enviar um e-mail: 5 créditos
- Uma resposta que busca nos dados internos da empresa: 10 créditos
Um exemplo simples: com um pacote de USD 200, um agente que só dá respostas geradas por IA chega a umas 12.500 respostas por mês. Se cada resposta também busca nos documentos da empresa, o mesmo pacote rende bem menos.
Tem uma boa notícia escondida: se os funcionários têm licença do Microsoft 365 Copilot e usam o agente dentro do Teams, do SharePoint ou do Copilot Chat, boa parte desse consumo não é cobrada.
No modelo novo, a conta é outra. A cobrança começa assim que você começa a construir o agente: testar, ajustar e testar de novo também gasta créditos. E não existe tarifa fixa por resposta, porque o consumo depende de quanto o agente "pensa", quantas ferramentas usa e quanto tempo leva para resolver a tarefa. A Microsoft não publica um preço por tarefa: oferece uma calculadora para estimar.
A fase de "brincar um pouco para ver no que dá" deixou de ser grátis.
E a própria Microsoft reconhece algo que raramente se lê em um documento de fabricante: um agente mais capaz pode complicar demais um problema simples, demorando mais e custando mais sem entregar um resultado melhor. Usar o harness mais potente para responder quantos dias de férias você ainda tem é contratar um consultor sênior para atender o telefone.
No modelo tradicional você paga por resposta. No novo, paga por esforço.
Não existe o botão de atualizar
Se a sua empresa já tem agentes funcionando, a pergunta é óbvia: como passo para o modelo novo?
Não passa. Reconstrói. Não há conversão automática entre uma forma de trabalhar e outra.
A boa notícia é que a Microsoft também não empurra: o próprio guia dela diz que um agente que funciona bem não precisa se mudar só porque apareceu algo novo. Mudar faz sentido quando há um benefício concreto, não por moda.
O ponto
Escolher como o seu agente trabalha já não é uma decisão técnica. É uma decisão de negócio: define quão previsível ele é, até onde pode chegar e a partir de quando começa a custar.
No próximo artigo vamos comparar o modelo clássico com o novo, com critérios simples para saber qual convém em cada caso.
Se não quiser perder, assine a newsletter da macareno.net.
Fontes
- Harnesses in Copilot Studio, Microsoft Learn
- Choose a harness for your agent, Microsoft Learn
- Billing for agents powered by the GitHub Copilot harness, Microsoft Learn
- Billing rates and management, Microsoft Learn
- Microsoft Copilot Studio licensing guidance, Microsoft




