Agentes de IA já fazem pedidos no DoorDash — mas são poucos

O DoorDash divulgou que, desde a abertura de sua API para agentes de IA, recebeu apenas algumas centenas de pedidos automatizados — volume ínfimo frente a milhões de pedidos humanos diários. Os agentes conseguem navegar no cardápio, escolher itens, aplicar cupons e finalizar checkout, mas a adoção real permanece experimental e restrita a desenvolvedores e early adopters.

A notícia chega no auge do hype de "AI agents" (AutoGPT, Devin, frameworks como LangGraph e CrewAI). Grandes players (OpenAI, Anthropic, Google) prometem agentes que compram, agendam, codificam e resolvem fluxos de ponta a ponta. O dado do DoorDash serve de termômetro: a lacuna entre demo controlado e produção confiável ainda é grande, especialmente em pagamentos, autenticação e tratamento de exceções (restaurante fechado, item indisponível).

Para quem aprende IA no Brasil, o caso ensina duas lições práticas: (1) construir agentes úteis hoje exige foco em domínios estreitos, APIs bem documentadas e fallback humano; (2) a habilidade de integrar LLMs com ferramentas externas (function calling, MCP, web browsing) é mais valiosa que apenas "promptar bem". O mercado brasileiro de delivery (iFood, Rappi) tende a seguir caminho semelhante.

Exemplo: um desenvolvedor cria um agente que monitora promoções de almoço no iFood, verifica restrições dietéticas do usuário, faz o pedido e avisa no WhatsApp. Hoje isso exige orquestração de APIs, gerenciamento de sessão, tratamento de erros de pagamento e confirmação humana — ótimo projeto de portfólio.

Conselho: comece com agentes de único propósito (ex: "comparar preço de um item em 3 apps"). Use frameworks leves (LangChain, Pydantic-AI) e logs detalhados. Observe padrões de falha: timeouts, CAPTCHAs, mudanças de UI. Acompanhe padrões de autenticação delegada (OAuth para agentes) — será o próximo gargalo a cair.