O discurso fala em agentes autônomos capazes de decidir sozinhos. Contudo, como demonstra André de Barros Faria, CEO da Vert Analytics e especialista em agentes autônomos de IA e hiperautomação, a prática brasileira mostra outra coisa: um levantamento recente da Amcham Brasil identificou que 83% das empresas usam esse tipo de sistema apenas em tarefas simples ou nem planejam adotá-lo até 2026. O interesse existe, o avanço não acompanha. Especialistas reconhecem esse descompasso de perto: é justamente na distância entre discurso e prática que mora o maior risco de projetos de IA mal calibrados.
Onde a IA já opera com autonomia real?
O mesmo levantamento mostra onde a IA de fato avançou: 59% das empresas a aplicam em atendimento ao cliente e 54% em marketing e vendas, áreas de contato direto com o público. Já em finanças e em estratégia de negócio, o uso soma 38% em cada uma, e cai para 29% em RH.
O padrão não é acaso. Atendimento e marketing lidam com decisões de menor risco individual: uma resposta errada a um cliente é corrigível, um desconto mal calculado tem teto conhecido. Finanças e estratégia envolvem decisões com efeito maior e mais difícil de reverter, muitas vezes ligadas a contratos, fluxo de caixa ou posicionamento de mercado, e é exatamente aí que as empresas seguram a mão.
André de Barros Faria menciona que essa cautela tem lógica, mas carrega um custo silencioso: enquanto o agente autônomo fica restrito à ponta de contato com o cliente, a empresa deixa sobre a mesa o ganho que aparece justamente nas decisões mais complexas, em que o volume de variáveis é maior do que qualquer time humano consegue processar sozinho em tempo hábil.
O motivo real da retração não é falta de vontade
Perguntadas sobre o que barra a evolução, as empresas nomearam a capacitação técnica das equipes como maior obstáculo, seguida pela falta de estratégia clara de uso e pela qualidade dos dados internos. Nenhum desses três fatores é resistência cultural ou insegurança de gestão pura, embora ambas apareçam.
O gargalo é mais concreto: sem dado limpo, o agente decide sobre informação ruim, e, sem estratégia definida, ninguém sabe qual decisão vale a pena delegar à máquina primeiro. Faltando isso, adicionar mais autonomia ao sistema só amplia o raio do erro, em vez de reduzir o trabalho manual. É por isso que projetos de hiperautomação bem-sucedidos costumam começar pelo mapeamento do processo e da qualidade do dado disponível, antes mesmo de escolher qual tarefa o agente vai assumir.
Por que a tarefa simples não é o teto, é o começo?
Tratar atendimento e marketing como o limite natural da automação, e não como primeiro degrau, é o erro mais caro dessa fase. Uma empresa que aprende a medir, corrigir e confiar em um agente numa tarefa de baixo risco constrói ali o histórico de acerto que sustenta, depois, a decisão de avançar para algo de maior peso.
Nesse contexto, André Faria salienta que pular direto da tarefa simples para a decisão estratégica, sem esse histórico, é a receita mais comum de projeto de IA que falha e desacredita a tecnologia inteira dentro da empresa.
O que separa quem avança de quem estaciona?
A diferença entre a minoria de empresas que já usa IA em finanças e estratégia e a maioria que ainda não passou do atendimento não é o acesso à tecnologia, disponível a praticamente todas. É a disciplina de tratar dado, medir resultado e ampliar autonomia por etapas, com critério, em vez de esperar o agente ideal aparecer pronto.
É esse tipo de disciplina que André Faria sugere quando fala em adoção responsável de IA generativa: cada nova camada de autonomia entregue à máquina deveria vir depois de outra ter provado que funciona, não antes.
