O LLM propõe, o checklist confere

Saiu um artigo sobre robôs domésticos cuja ideia central vale para agentes de IA. O contexto é o seguinte. Você dá a um robô uma ordem como “pegue a batata na geladeira e coloque na mesa”. O LLM do robô monta o plano dessa ação passo a passo. O problema é que, em tarefas longas, de 8 a 17 passos, o LLM esquece coisas óbvias: manda pegar a batata sem antes ir até a geladeira, pegar algo dentro de uma gaveta sem abrir a gaveta. Com modelos pequenos, o plano funciona só em 20% a 40% dos casos. E isso com o LLM recebendo um “mapa da casa” em forma de grafo. O mapa registra onde fica cada coisa, o que está dentro do quê, o que está aberto ou ligado e as regras de cada ação (“para pegar, precisa estar perto”; “para tirar de dentro, precisa abrir”). A solução foi pôr esse mapa não só à disposição do LLM, mas também para revisar o plano. É como se o LLM fosse um estagiário que redige o passo a passo e o grafo fosse o revisor com um checklist. O LLM escreve o plano e o grafo “simula” a ação, passo a passo, antes de enviar ao robô. Se o erro tem conserto óbvio, o próprio grafo conserta. Faltou chegar perto? Então ele insere “ir até lá”. A geladeira está fechada? Então ele insere “abrir”. Abriu e não fechou? Insere “fechar”. O LLM só é acionado quando o erro exige raciocínio mesmo, por exemplo: “lavar o prato” pressupõe saber que é preciso ligar a lava-louças. Isso é semântica e o grafo sozinho não deduz.

Devolver todo erro ao LLM sai mais caro, mais lento e o conserto ainda pode vir errado. Os números do estudo chamam a atenção. Em tarefa única no Qwen3-8B, pôr o mapa para revisar e consertar o plano fez o acerto subir de 41% para 92%, com 1,5 chamada ao LLM, em média, quando devolver todo erro ao modelo chega a 2,7 chamadas. Só com o conserto do mapa, sem chamar o modelo de novo, o acerto já sobe de 41% para 76%. E também testaram com modelos de fronteira, numa bateria de várias tarefas seguidas: o GPT-5.6 Sol e o Claude Sonnet 5 sozinhos chegam a 25% e 39%, respectivamente. Com o mapa revisando o plano, um modelo pequeno, de 4B, chega a 75% e os modelos grandes chegam a cerca de 99%.

O padrão se aplica fora da robótica. Um agente de IA trabalhando no dia a dia de uma empresa pode seguir a mesma divisão: o LLM propõe e uma camada determinística confere os pré-requisitos (prazo, documento anexado, parâmetro preenchido) e corrige sozinha o que tem resposta mecânica. O LLM só é chamado de novo para o que pede julgamento. O resultado é mais acerto, menos custo do que mandar o modelo refazer tudo e menos chance de o modelo piorar o que já estava certo.