A Inteligência Artificial já entrou nas empresas brasileiras. O próximo desafio é descobrir onde ela merece entrar de verdade.
Segundo a pesquisa TIC Empresas, em 2025 17% das empresas brasileiras já utilizavam IA (eram 13% em 2024). Entre as empresas pequenas, de 10 a 49 pessoas ocupadas, a adoção passou de 10% para 15%.
O dado mais interessante está no que essas empresas fazem com a tecnologia: entre as que já usam IA, 68% aplicam a tecnologia na automatização de processos e fluxos de trabalho. Ou seja, a porta de entrada não precisa ser um projeto sofisticado de laboratório. Pode ser uma tarefa que consome tempo todos os dias.
Foi a partir dessa perspectiva que Juliano De Conti, CIO e CTO da Total Express, e Ricardo Alem, GenAI GTM, LATAM na AWS, discutiram a chamada era agêntica e uma questão muito mais prática: como transformar IA em resultado de negócio?
A pergunta não é “qual IA eu uso?”
É fácil começar pela ferramenta, mas é muito mais útil começar pelo processo.
Imagine uma operação em que todos os dias alguém precisa consultar informações em três sistemas para responder um cliente, copiar dados de uma planilha para outra ou até mesmo conferir pedidos que ficaram fora do prazo.
À primeira vista, nenhuma dessas tarefas parece, isoladamente, uma grande oportunidade de transformação, certo? Porém, quando somadas ao longo de semanas e meses, elas podem representar centenas de horas.
É aí que agentes de IA começam a fazer sentido. Em vez de apenas gerar uma resposta, um agente pode receber um objetivo, consultar diferentes fontes, executar etapas e devolver uma ação ou resultado, sempre com o grau de autonomia adequado ao risco.
O primeiro exercício, portanto, não é escolher um agente. É listar onde o tempo da equipe está indo embora.
O mercado já mostrou que usar IA não é o mesmo que gerar valor
Em uma pesquisa global da McKinsey de 2025, 88% dos respondentes disseram que suas organizações usam IA regularmente em pelo menos uma função. Mas apenas cerca de um terço afirmou que a empresa já começou a escalar seus programas de IA. No caso dos agentes, 62% disseram estar experimentando a tecnologia ou já utilizando-a em alguma escala.
Mas o dado que merece ainda mais atenção é: 39% relataram algum impacto da IA no EBIT da empresa, e, na maioria desses casos, o impacto ainda representava menos de 5% do EBIT.
Em outras palavras: colocar IA para funcionar é relativamente fácil. Fazer a IA mudar o resultado da empresa é a parte difícil.
É justamente por isso que Juliano e Ricardo defendem uma mudança de lógica. Em vez de acumular agentes, o ideal é escolher problemas concretos, colocar soluções em produção rapidamente e aprender com o uso real.
Comece por um processo que você consegue medir
Nem toda tarefa repetitiva merece um projeto de IA. Para encontrar uma oportunidade que realmente possa gerar resultado, vale procurar quatro sinais:
1. A tarefa se repete muito.
Quanto mais vezes ela acontece, maior o potencial de economizar tempo e reduzir esforço.
2. O caminho é relativamente previsível.
Se a equipe segue uma sequência parecida para concluir uma determinada atividade (consultar uma informação, conferir uma regra, registrar um dado e enviar uma resposta, por exemplo) já existe um processo que pode ser analisado para automação ou delegação.
3. A tarefa ocupa horas da equipe.
Se pergunte: “quanto tempo as pessoas gastam fazendo isso por semana?”. Aqui, o objetivo não é automatizar por automatizar, mas retirar trabalho operacional para liberar tempo para atividades de maior valor.
4. Existe uma forma clara de saber se melhorou.
Tempo de atendimento, prazo de resposta, número de pedidos processados, retrabalho, erros, custo por pedido, horas gastas ou chamados resolvidos são indicadores mais úteis do que contar quantas vezes uma ferramenta de IA foi usada.
E há uma regra importante: meça antes de automatizar. Se uma tarefa leva duas horas por dia hoje, registre esse ponto de partida. Depois da implementação, compare. Sem essa referência, fica difícil saber se a IA realmente trouxe ganho e quanto esse ganho vale para o negócio.
E onde entram os agentes?
A diferença entre um chatbot tradicional e um agente está, principalmente, na capacidade de agir dentro de um fluxo. Um chatbot pode responder: “Seu pedido está em transporte”.
Um agente pode consultar o pedido, identificar se houve atraso, verificar a regra aplicável, preparar a comunicação ao cliente e encaminhar a exceção para uma pessoa quando o caso exigir decisão humana.
Esse é o salto que torna a IA agêntica especialmente interessante para operações com muitas tarefas conectadas. Mas a autonomia não deve ser tratada como prêmio.
Durante a discussão, Juliano e Ricardo destacaram que o nível de autonomia precisa acompanhar o risco. Por exemplo, uma atividade de baixo impacto pode ter mais autonomia, já uma decisão financeira, jurídica ou que afete diretamente uma pessoa pode exigir validação humana.
A pergunta não é “quanto podemos automatizar?”, mas “quanto podemos delegar com segurança?”.
O dado mais importante pode estar dentro do seu negócio.
Outro ponto da discussão foi a ideia de tratar dados como uma base viva. Isso é particularmente relevante porque esperar que todos os dados estejam perfeitamente organizados antes de começar pode significar esperar para sempre.
Os dados do Cetic.br mostram que, entre as empresas brasileiras que usam IA, 38% utilizam mineração de texto, 30% geração de linguagem natural, 31% reconhecimento e processamento de imagens e 25% machine learning para predição e análise. A automatização de fluxos aparece ainda mais acima, com 68%.
E aqui vai um recado prático e simples: não comece perguntando se sua empresa tem “dados suficientes para IA”. Comece perguntando qual informação você precisa para resolver o problema que escolheu.
A oportunidade não está só em fazer mais. Está em fazer diferente.
É exatamente nesse espaço que a discussão sobre IA agêntica ganha força.
Para Juliano De Conti, a tecnologia precisa estar conectada à operação e ao resultado. Para Ricardo Alem, a velocidade de evolução dos modelos exige uma postura de adaptação contínua. Não faz sentido construir uma estratégia baseada em uma tecnologia que pode mudar radicalmente em poucos meses.
O que permanece é o problema que precisa ser resolvido. Por isso, talvez a melhor forma de começar a pensar em IA em 2026 e nos próximos anos não seja perguntar qual é a ferramenta mais nova.
É olhar para o seu negócio e se perguntar: onde estamos gastando tempo que poderia ser devolvido para o cliente, para a criação e para decisões que realmente precisam de gente?
Essa pergunta pode ser o ponto de partida para transformar IA de assunto de tecnologia em uma ferramenta concreta de negócio.
No fim, adotar IA não deveria ser apenas sobre colocar uma nova tecnologia na operação. Deveria ser sobre decidir, com mais clareza, onde vale a pena usar tecnologia para devolver tempo às pessoas.
