Agentes de IA entram no negócio — e exigem uma nova disciplina de gestão

A inteligência artificial corporativa está atravessando uma mudança importante: sai do papel de assistente isolado e começa a operar dentro dos sistemas que sustentam vendas, atendimento, finanças e desenvolvimento de software. A evolução amplia o potencial de produtividade, mas também muda a natureza das decisões que precisam ser tomadas pela liderança.

A parceria entre Salesforce e Anthropic é um exemplo desse movimento. Segundo o Rapadura Tech, o chamado Claudeforce conecta o Claude ao CRM por meio de um plugin de vendas e incorpora o modelo a recursos do Agentforce. Em outra frente, o TI Inside noticiou que o PicPay passou a permitir consultas financeiras em linguagem natural por meio de uma integração com o Claude.

Essas iniciativas indicam uma transição do chatbot periférico para a IA integrada ao fluxo de trabalho. Em vez de apenas redigir um e-mail, o sistema pode consultar informações, interpretar o contexto de um cliente, sugerir uma ação e, conforme as permissões concedidas, executar etapas do processo.

Para CEOs e diretores, a pergunta relevante já não é apenas qual modelo produz a melhor resposta. É quem autoriza a IA a agir, com quais dados, dentro de quais limites e a que custo.

O agente deve ser tratado como parte da operação

Agentes de IA combinam modelos, dados, regras, ferramentas e acessos para perseguir um objetivo. Essa arquitetura permite automatizar processos mais longos, mas também cria uma nova categoria de usuário corporativo: uma identidade digital não humana capaz de consultar sistemas e realizar ações.

Uma pesquisa da IDC patrocinada pela Commvault, repercutida pelo TI Inside, mostra que 90% dos executivos entrevistados consideram necessário aprimorar a gestão de identidades para lidar com os riscos da IA agêntica. A preocupação é coerente com o avanço das implementações. Se um agente acessa CRM, ERP, documentos internos ou plataformas financeiras, ele precisa estar sujeito a controles comparáveis aos aplicados a funcionários, fornecedores e aplicações.

Isso inclui, no mínimo:

• identidade própria e rastreável para cada agente;
• acesso limitado ao necessário para sua função;
• separação entre consulta, recomendação e execução;
• registro das ações e das fontes utilizadas;
• aprovação humana para decisões sensíveis ou irreversíveis;
• revisão e revogação periódica das permissões.

Usar uma credencial compartilhada para diferentes agentes pode acelerar um piloto, mas dificulta descobrir quem acessou um dado, iniciou uma transação ou alterou um registro. O problema deixa de ser apenas técnico quando afeta auditoria, conformidade e responsabilização.

O custo por token não conta toda a história

A queda do preço unitário dos modelos pode transmitir a impressão de que escalar IA será progressivamente barato. Na prática, agentes fazem várias chamadas, consultam documentos, reavaliam respostas e acionam outras ferramentas antes de concluir uma tarefa. Um único processo pode consumir muito mais recursos do que uma interação convencional com um chatbot.

Em entrevista divulgada pelo NeoFeed, Priscyla Laham, da Microsoft, alertou para o crescimento da conta de tokens à medida que os agentes e os projetos se multiplicam. O ponto merece atenção dos gestores: eficiência técnica e retorno econômico precisam ser avaliados conjuntamente.

O custo total de um agente não se limita ao modelo. Ele também inclui integração, armazenamento, observabilidade, segurança, revisão humana e manutenção dos dados. Por isso, a métrica correta não é apenas o custo por interação, mas o custo por resultado útil.

Em vendas, por exemplo, a empresa pode comparar o investimento do agente com tempo economizado, qualidade dos registros no CRM, velocidade de resposta e conversão. Em atendimento, podem ser observados resolução, reincidência, transferência para operadores e satisfação do cliente. Sem métricas operacionais, a organização corre o risco de automatizar atividades de baixo valor e aumentar silenciosamente sua infraestrutura.

Dados baratos podem sair caros

Outra decisão crítica envolve a troca entre preço e uso de dados. O Tecnoblog informou que a Meta oferece desconto expressivo em um plano para desenvolvedores que aceitem compartilhar dados para treinamento. Ofertas desse tipo tornam evidente que a política de dados faz parte do modelo econômico da IA.

A liderança não deve delegar essa avaliação apenas à equipe de compras. Antes de aceitar condições mais vantajosas, é necessário identificar quais informações podem ser processadas, onde serão armazenadas, se poderão ser usadas para aperfeiçoar modelos e quais obrigações se aplicam a clientes, funcionários e parceiros.

Essa discussão também se conecta à soberania tecnológica. Como observou o Rapadura Tech, o desafio brasileiro é transformar o uso de IA em capacidade própria sem abandonar parcerias e cadeias globais. Para as empresas, soberania não significa necessariamente desenvolver um grande modelo do zero. Significa preservar poder de escolha, conhecimento interno e controle sobre ativos estratégicos.

Na prática, isso pede arquitetura capaz de trocar fornecedores, regras claras de portabilidade e uma camada de dados que não fique aprisionada a uma única plataforma. A abertura de um escritório da OpenAI em São Paulo, também noticiada pelo Rapadura Tech, reforça a relevância do mercado brasileiro, mas a presença local de fornecedores não elimina a necessidade de estratégia própria.

Um roteiro executivo para avançar

Antes de ampliar agentes por toda a organização, a liderança pode estruturar a adoção em cinco passos:

• escolher processos com objetivo e responsável claramente definidos;
• classificar dados, ações permitidas e consequências de erro;
• estabelecer limites de acesso, consumo e autonomia;
• acompanhar custo por resultado, e não somente volume de uso;
• criar um plano de interrupção, investigação e retomada.

O melhor caso inicial nem sempre será o mais sofisticado. Processos frequentes, mensuráveis e reversíveis tendem a produzir aprendizado mais útil do que iniciativas amplas sem fronteiras claras. A meta não é conceder autonomia máxima, mas encontrar o nível de autonomia que gera valor sem retirar da empresa a capacidade de supervisão.

A chegada dos agentes ao CRM, às finanças e a outros sistemas mostra que a IA já participa da operação. Identidade, custo, dados e responsabilidade passam, portanto, a integrar a agenda de gestão. Esses são temas centrais das discussões do AI Executive Summit em suas diferentes edições, aproximando estratégia empresarial, casos de uso e governança aplicável.

Fontes acompanhadas

Esta análise parte da cobertura recente de veículos brasileiros de tecnologia e inteligência artificial: Rapadura Tech, Vamos Falar de IA, MIT Technology Review Brasil, Canaltech — IA, Olhar Digital, NeoFeed, TI Inside, Mobile Time, Convergência Digital, Tecnoblog.