IA agêntica nas empresas: por que a maioria começa pelo lugar errado?

Por Bruno Pinheiro*

Um estudo recente do MIT aponta que a imensa maioria – cerca de 95%- das iniciativas corporativas de IA generativa ainda não geram retorno financeiro mensurável, em um cenário em que muitas grandes empresas já usam alguma forma da tecnologia. O número sugere algo incômodo, pois indica que o problema quase não está na ferramenta em si, e sim na forma como ela é introduzida na operação. A chegada da IA agêntica eleva o custo desse erro, porque deixou de ser uma questão de simplesmente usar um programa e passou a exigir um processo de repensar a forma como o trabalho é feito.

A IA agêntica é a geração mais recente da tecnologia, agentes que executam tarefas inteiras sem supervisão constante. A diferença em relação ao chatbot que a maioria conhece é de natureza, não de grau, o agente conduz um processo do começo ao fim, em vez de responder a um comando por vez. Implementar essa tecnologia exige uma sequência que poucas empresas respeitam, e o ponto de partida muda conforme o estágio de maturidade de cada uma. As que ainda tratam a IA como assunto de estratégia, no estágio que chamo de AI First, precisam começar pelo básico. Já as que a têm incorporada à cultura, no estágio AI Native, conseguem entrar direto pelo redesenho da estrutura.

O primeiro passo não envolve tecnologia, envolve gente. É o letramento da própria liderança. Antes de comprar qualquer ferramenta ou cobrar resultados da equipe, o executivo precisa entender o que a IA agêntica faz e o que ela muda na operação que comanda. Hoje, o executivo não tem letramento suficiente, mas implementa mesmo assim e cobra de quem não sabe usar. Sem essa base no topo, qualquer etapa seguinte acaba apoiada no improviso.

Com a liderança preparada, vem a revisão da estratégia, o exercício de definir o que continua sendo feito por pessoas e o que passa a ser feito por agentes. É também o momento de rever o organograma, porque cargos desenhados para um trabalho totalmente humano deixam de descrever a operação real. Hoje a gente trabalha com job description, e em alguns meses não vai ser mais assim. O líder deixa de executar o plano e passa a orquestrar pessoas e agentes. Esse arranjo, que chamo de liderança híbrida, organiza o time por habilidades, e não por funções fixas.

Uso de IA x validação humana nas empresas

Há uma etapa que costuma ficar de fora e que, para mim, é a que mais expõe a empresa. Antes de colocar os agentes para rodar, é preciso definir a governança, o que a IA pode acessar, o que pode publicar e o que exige validação humana. Sem essas regras, a companhia se arrisca a vazamento de dados e a decisões automáticas sem responsável claro, um risco ampliado num cenário em que a LGPD limita o uso de informação e a NR-1 já cobra gestão de riscos no ambiente de trabalho.

Para quem opera o dia a dia, dominar a IA agêntica passa a exigir habilidades novas. Falo em gestão de contexto, que é reunir e organizar as informações de que o agente precisa, e em comando preciso, saber exatamente o que pedir. Somo a isso a organização da memória, o histórico que faz o agente melhorar com o uso, e o que considero o ponto mais difícil, reimaginar os processos em vez de apenas transferir para a máquina os que já existem. Sem esse preparo, cerca de 60% das demandas passadas a um agente voltam erradas, o que devolve ao profissional o trabalho de revisar a máquina, somado ao próprio.

Ao chegar ao time, a empresa enfrenta a decisão que mais pesa no resultado final. Como parte das tarefas passa a ser feita por softwares, a reação mais comum é cortar pessoal. No entanto, defendo o contrário: redistribuir funções e potencializar o que a equipe já entrega. Quando o caminho é o corte “às pressas”, o que a empresa amplifica é o erro, não o ganho.

Feita na ordem certa, a implementação da IA agêntica tende a entregar o ganho de produtividade que motivou a corrida por essa tecnologia. O atalho, em contrapartida, costuma produzir o efeito contrário. As empresas que pularem etapas devem sentir os impactos negativos em 18 a 24 meses, na forma de projetos sem retorno, retrabalho e equipes sobrecarregadas. A diferença que separa um cenário de outro está, muitas vezes, na sequência que a liderança escolhe seguir, e não no software contratado.

*Bruno Pinheiro é fundador da consultoria franco-brasileira Groovia e especialista em implementação de IA em ambientes corporativos.