Análise do Ago AI (2026): o agente de suporte dentro do produto, testado

O que é o Ago AI?

O Ago se apresenta como "The Customer Agent OS". A ideia central, direto da página inicial do Ago, é que seus clientes já vivem dentro do seu produto, então seu agente de suporte deveria viver ali também. Uma pergunta vira uma ação resolvida na página em que o cliente já está, sem desvio pela central de ajuda, sem ticket e sem perder a sessão.

Foi criado por dois veteranos do setor, e o cofundador Damien Mourot publica com frequência sobre a abordagem "resolve, don't reply". Os números de destaque são fortes: um CSAT de 96% na Mirakl, mais de 800 mil conversas atendidas e 70% dos tickets resolvidos por AI. O trabalho com a Mirakl foi registrado pela OpenAI, um sinal real de credibilidade que a maioria das ferramentas desse porte não tem.

Duas coisas separam o Ago da multidão de agentes de AI para atendimento ao cliente. Primeiro, ele se incorpora por SDK em vez de widget. Segundo, vem com uma camada de serviço: engenheiros dedicados que constroem e ajustam seu agente, em vez de deixar um painel e boa sorte. Vou aprofundar as duas, além do preço e das lacunas.

A proposta: um agente dentro do seu produto, não ao lado

Foi a parte que me fez prestar atenção. A maioria dos chatbots de AI é uma bolha no canto. Quando não conseguem responder, entregam um artigo de ajuda ou abrem um ticket, e você sai do fluxo em que estava. O SDK para desenvolvedores do Ago coloca o agente dentro do seu app, onde ele faz três coisas que um widget comum não faz.

• Navegar pelas suas rotas. Peça "mostre minhas faturas" e o agente realmente navega até lá, chamando sua própria função navigate, de modo que proteções de rota e autenticação continuam funcionando.
• Mudar o estado da página. "Só as vencidas, das mais novas para as mais antigas" atualiza os filtros e a ordenação na tela em que você está.
• Executar suas funções JavaScript. Você descreve uma função com um schema JSON, e quando o agente a chama, seu handler roda no navegador e o resultado volta para a conversa.

A imagem abaixo é a forma mais clara de ver por que isso importa:

O SDK traz bindings para React, Vue 3 e Angular, além de uma opção com tag script para qualquer site, e está publicado no npm como @useago/sdk sob licença Apache 2.0. Existe até um caminho de instalação por agentes de código: aponte o Claude Code, o Codex ou o Cursor para o arquivo llms-full.txt do Ago e eles conectam o painel de chat para você. Como quem entrega integrações, gostei muito. É uma história de desenvolvedor realmente moderna.

O outro lado, com honestidade: é trabalho front-end de verdade. Um painel de chat básico é instalação de dois minutos, mas conectar navegação, estado de página e suas primeiras funções leva, pela estimativa do próprio Ago, uma tarde de engenharia por superfície. Tudo bem se você tem desenvolvedores. É um bloqueio se o suporte precisa assumir isso sem tempo de engenharia, que é a situação da maioria dos líderes de suporte com quem converso.

Como o Ago funciona de fato

Sob a camada incorporada, o fluxo de uma solicitação é o que se espera de um agente baseado em RAG moderno: buscar o contexto certo, chamar dados ao vivo e responder com fontes.

A diferença para um bot de FAQ simples está no quarto passo. A plataforma do Ago é construída em torno de agentes que agem no seu back office: processar pedidos e reembolsos pelo seu sistema de gestão de pedidos, atualizar registros de clientes no CRM e disparar fluxos de trabalho ou escalonamentos. É a promessa de "resolver em vez de responder", e é a promessa certa. Um número de deflexão não significa nada se o cliente ainda precisa abrir um ticket para receber o reembolso.

Quando uma pergunta realmente exige uma pessoa, o Ago confere as regras de roteamento e cria um ticket completo no sistema certo, de modo que o escalonamento leva o contexto inteiro para o Zendesk ou o Jira, em vez de despejar uma transcrição fria num agente. É o instinto correto. Depois de anos vendo AI em filas de suporte reais, o que quebra a confiança mais rápido não é um bot que diz "não sei", é um bot que dá uma resposta errada com toda a confiança ou escala sem contexto. O Ago claramente sabe disso.

Preço do Ago AI e o que você realmente paga

A página de preços do Ago é uma das mais transparentes que já vi para uma ferramenta que ainda condiciona o cadastro a vendas. Há dois níveis.

Algumas coisas que aprecio aqui. O Ago cobra por conversas, não por resoluções, então não há conta nebulosa sobre o que conta como "resolvido". Os assentos são ilimitados, então toda a sua equipe usando a plataforma não custa nada a mais. E o número é um número de verdade, não uma caixa-preta de "fale conosco para um orçamento".

O mínimo mensal de €500 é o ponto a modelar com cuidado. A €0,50 cada, o mínimo cobre suas primeiras 1.000 conversas, e tudo acima disso é cobrado de forma incremental. Veja mais ou menos como fica um mês em diferentes volumes:

Se quiser colocar seus próprios números, esta calculadora faz a conta com a tarifa publicada:

O ponto de atenção é o mesmo de todo modelo por conversa: o custo escala com o volume, não com o valor entregue. Se suas conversas são perguntas frequentes baratas, €0,50 cada está ótimo. Se boa parte são contatos de baixa intenção ou repetidos, você paga por interações que nunca virariam receita nem risco de churn. Vale modelar com seu mix real de tickets, do mesmo jeito que você pesaria o custo de agente de AI versus agente humano.

O modelo de co-construção: engenheiros que constroem com você

Esta é a segunda coisa que torna o Ago incomum, e é um diferencial real. O próprio texto de FAQ do Ago diz sem rodeios: a maioria dos softwares de atendimento com AI para na deflexão de FAQ, enquanto o Ago entrega engenheiros alocados (forward-deployed) que constroem e ajustam seus agentes para que as taxas de resolução subam toda semana.

Na prática, isso significa que um AI Engineer dedicado revisa suas conversas que falharam, entrega mudanças de prompt e de ferramentas e reporta KPIs de qualidade em ritmo semanal. Se um fluxo ou comportamento ainda não existe, eles o constroem em vez de jogá-lo num roadmap. O caso da Silae é a prova em que o Ago se apoia: de 40% para 75-85% das conversas desviadas.

Para uma equipe sem musculatura de ML ou de prompt engineering, isso é genuinamente valioso, e é o motivo honesto de um fornecedor menor poder apresentar números de resolução de nível enterprise. A contrapartida é a dependência: a melhora do seu agente fica atrelada a uma relação de serviços, e não é algo que sua própria equipe domine por completo no dia a dia. Se isso é um recurso ou um risco depende inteiramente de quanta capacidade interna você tem.

Docs prontos para AI: arrumar o conhecimento antes da AI

O Ago também vende um serviço de docs prontos para AI, e quero dar crédito a ele porque nomeia um problema que a maioria dos fornecedores ignora em silêncio: sua AI é tão boa quanto o conhecimento por trás dela.

O argumento é que a documentação está espalhada em dez lugares, metade está desatualizada ou duplicada, e conteúdo mal estruturado leva direto a alucinações. Por isso a equipe do Ago audita, remove duplicatas e reestrutura seus docs para recuperação, com seus especialistas validando o conteúdo limpo. É uma consultoria, não uma importação automática.

Isso se encaixa exatamente num padrão que ouço o tempo todo. Uma gerente de suporte com quem conversei tinha uma base de conhecimento escrita inteiramente para administradores, enquanto os tickets reais vinham de usuários finais, um descompasso fundamental de público que gerava respostas confusas por melhor que fosse o modelo. Arrumar a base de conhecimento costuma ser a coisa de maior alavancagem que você pode fazer, e o Ago acerta em vendê-la. Só orce isso como um projeto, porque uma limpeza de docs feita por terceiros não é instantânea.

Segurança: atacar o agente de propósito

Uma área em que o Ago rende acima do seu tamanho é a segurança. Ele tem certificação SOC 2 Type II, está em conformidade com o GDPR e é hospedado na Europa, com provedores de modelos da UE disponíveis para requisitos de soberania de dados.

O destaque é o "Security Lab" do Ago, que executa ataques adversariais pelo pipeline de chat real contra o system prompt, as ferramentas e o conhecimento em produção. Ele pontua pelo impacto, isto é, se dados protegidos foram expostos ou se uma ferramenta proibida foi de fato chamada, e mapeia tudo para o OWASP Top 10 para aplicações agênticas. Os tipos de ataque incluem prompt injection, exfiltração da base de conhecimento e chamadas de ferramentas não autorizadas, e roda como uma suíte de testes a cada mudança. Para uma equipe prestes a deixar um agente emitir reembolsos de forma autônoma, esse tipo de teste é exatamente o que a revisão de segurança vai pedir, e "passa de primeira" é uma afirmação que os compradores do Ago vão valorizar.

O que usuários reais dizem sobre o Ago AI

Aqui preciso ser franco, porque importa mais que qualquer lista de recursos. O Ago praticamente não tem pegada pública de avaliações independentes ainda.

O perfil no G2 está sem dono e com 0 avaliações. Não há listagens no Capterra nem no Trustpilot, nenhuma thread no Reddit que o cite, nenhuma discussão no Product Hunt ou no Hacker News (o nome "Agent OS" colide com várias ferramentas não relacionadas, o que não ajuda a descoberta). As únicas vozes públicas ligadas ao Ago são as dos fundadores e os depoimentos de clientes no próprio site do Ago. Eles são bem escritos e específicos, mas foram publicados pelo fornecedor, não são independentes.

Isso não é crítica ao produto, é um fato sobre o estágio dele: o Ago é novo. Mas muda a forma como você deve comprar. Sem avaliações de terceiros para checar o marketing, você depende do seu próprio piloto e da relação comercial, então faça o teste com rigor.

Vale ouvir o sentimento mais amplo de quem atua em suporte, porque é exatamente a régua que o Ago precisa alcançar. Sobre o que realmente funciona com AI no suporte:

"No one has fully solved support with AI, but parts of it are very solvable. The biggest win I've seen is AI drafting replies that agents review before sending. It removes the repetitive typing without giving up control... The draft and approve model feels like the safest long term approach."

Bart_At_Tidio, Reddit

E sobre por que alguns lançamentos dão certo e outros falham:

"The ones who say AI actually worked for them almost always have the same two things: the AI handles a narrow set of questions really well instead of trying to cover everything, and when it escalates, the human gets context... The ones who say it failed? Usually thought 70-90% deflection rate was a successful metric when it's unrealistic without proper training, knowledge resources, testing, continuous improvement."

KristineGladly, Reddit

Essa segunda citação resume tudo. Escopo restrito, conhecimento limpo, contexto real no escalonamento e auditoria contínua superam a corrida atrás de um número de deflexão de manchete. O design do Ago (ação, escalonamento rico, ajuste semanal, limpeza de docs) mira exatamente esses fundamentos, o que é animador. A dúvida é se ele se sustenta fora dos casos de vitrine, e só o seu próprio piloto vai responder.

Onde o Ago AI se encaixa e onde não

Escolha o Ago se: você desenvolve um produto SaaS com superfícies reais voltadas ao usuário, tem desenvolvedores front-end e quer um agente que viva dentro do seu app, navegue por ele e aja, e não uma bolha colada ao lado. O modelo de engenharia alocada combina bem se você não tem expertise interna em AI e quer que outra pessoa conduza a curva de resolução. O preço transparente de €0,50 por conversa e a postura séria de segurança o tornam crível, sobretudo para equipes europeias.

Procure em outro lugar se: você quer adicionar AI a uma fila de helpdesk existente sem um projeto de desenvolvimento, precisa configurar por conta própria e entrar no ar esta semana sem ligação de vendas, ou quer testar o agente nos seus próprios tickets históricos antes de confiar nele. São necessidades diferentes, e é aí que um colega de AI que se instala no seu stack atual leva vantagem.

Experimente a eesel no seu helpdesk atual

Se a promessa "resolve, don't reply" do Ago é o que você quer, mas o SDK incorporado exige mais engenharia do que você tem, vale conhecer a eesel. É uma plataforma de colegas de AI: em vez de você construir um agente, você contrata um colega de AI para helpdesk pronto para trabalhar, que entra no seu Zendesk, Freshdesk, Help Scout ou Slack, aprende com seus tickets e docs antigos e começa a redigir ou resolver na sua fila real.

Duas diferenças importam para quem compara essas ferramentas. Primeiro, a configuração é self-service e rápida: você conecta um helpdesk e pronto, sem um projeto de engenharia alocada. Segundo, antes de a eesel responder a qualquer cliente ao vivo, ela roda uma simulação sobre milhares dos seus tickets históricos e mostra a taxa de resolução prevista, então você não aperta um botão e torce. Esse hábito veio de anos vendo bots confiantes darem respostas erradas em filas reais, e é a única coisa sem a qual eu não colocaria AI de suporte no ar.

E se você gostou da história de desenvolvedor do Ago, a eesel também tem uma. A CLI da eesel (@eesel/cli no npm) permite operar o mesmo colega e workspace por um terminal: conectar integrações, editar instruções permanentes, gerenciar aprovações com humano no circuito e ler a atividade execução por execução, tudo em JSON, com uma flag --dry-run que imprime a chamada exata que uma escrita faria antes de enviá-la. Todo workspace também é um servidor MCP, então um agente de código como o Claude Code, o Codex ou o Cursor pode operá-lo diretamente. É a superfície amigável para agentes voltada a engenheiros que preferem programar o suporte a clicar num painel, e é gratuita para começar.