Agentes de IA avançam nas empresas, mas governança ainda limita adoção em escala

Depois da popularização da inteligência artificial generativa, uma nova etapa começa a ganhar espaço nas empresas: a dos agentes de IA. Diferentemente dos assistentes que respondem perguntas ou produzem conteúdos, esses sistemas podem receber objetivos, acessar dados e ferramentas e executar etapas de processos corporativos.

O movimento já aparece nas organizações, embora ainda exista distância entre experimentação e adoção em escala. Segundo pesquisa global da McKinsey citada no material, 62% das organizações consultadas já experimentavam agentes de IA em 2025, enquanto 23% afirmavam estar ampliando algum sistema agêntico.

Dados do Work Trend Index 2025, da Microsoft, também apontam avanço: 46% dos líderes consultados disseram que suas organizações utilizavam agentes para automatizar fluxos de trabalho ou processos, enquanto 42% esperavam que suas equipes desenvolvessem sistemas multiagentes para tarefas complexas nos cinco anos seguintes.

O que diferencia um agente de um chatbot?

A distinção está principalmente na capacidade de agir.

Enquanto um chatbot normalmente recebe uma solicitação e devolve uma resposta, um agente pode interpretar um objetivo, consultar informações, acessar sistemas, selecionar ferramentas, executar uma ação e verificar seu resultado.

“Um agente real opera sobre três fundamentos: objetivo, contexto e ferramentas. Ele não se limita a responder. Interpreta a situação, consulta dados, acessa sistemas, decide o próximo passo e executa ações dentro de regras definidas”, afirma Vinícius Reis, CTO da StaryaAI.

Essa diferença também altera o papel da IA dentro das organizações. Em vez de apenas oferecer uma ferramenta individual aos funcionários, a adoção de agentes exige integração com processos, sistemas, permissões e indicadores.

Agentes começam a entrar em operações

Segundo dados apresentados pela StaryaAI, agentes desenvolvidos pela empresa já atuam em jornadas de atendimento, vendas, agendamento, linhas de cuidado e processos de backoffice.

No dr.consulta, a companhia afirma que agentes contribuíram para elevar de 5% para 30% a conversão do Programa de Saúde. A operação teria ultrapassado 3 milhões de mensagens e alcançado 75 mil conversões.

Em uma operação da Unicall para a Unimed Paraná, a agente Júlia reduziu de oito para dois minutos o tempo médio de atendimento nos fluxos cobertos, segundo os dados apresentados. No primeiro mês, 12% das chamadas teriam sido resolvidas integralmente pela IA.

Outra iniciativa envolve Brain, StaryaAI e Grupo Algar. Cinco agentes já estavam em produção, com meta de chegar a 50 até dezembro de 2026, de acordo com o material.

Para Reis, é justamente o impacto sobre indicadores de negócio que diferencia uma implementação efetiva de uma demonstração tecnológica.

“Conversão, tempo de atendimento, resolutividade, custo, qualidade e necessidade de intervenção humana são métricas muito mais importantes do que uma demonstração visualmente impressionante”, afirma.

Mais autonomia aumenta necessidade de governança

A capacidade dos agentes de executar ações também amplia os desafios de segurança e governança.

Um sistema conectado a CRMs, bases de dados e outras ferramentas corporativas pode provocar consequências maiores do que um chatbot que apenas produz uma resposta incorreta.

Por isso, empresas precisam estabelecer quais informações um agente pode consultar, quais sistemas pode acessar, quais ações está autorizado a executar e em quais situações uma pessoa precisa assumir ou aprovar uma decisão.

“Autonomia não significa ausência de controle. Quanto mais capacidade de execução um agente recebe, maior precisa ser a capacidade da empresa de observar suas ações, limitar permissões, reconstruir decisões e interromper o processo quando necessário”, diz Reis.

A qualidade dos dados é outro obstáculo. Bases fragmentadas, contraditórias ou desatualizadas podem comprometer as decisões tomadas pelos agentes.

O desafio aumenta em arquiteturas multiagentes, nas quais diferentes sistemas especializados podem participar de etapas de um mesmo processo. Um erro produzido em uma fase pode ser transferido para os agentes responsáveis pelas seguintes.

Próxima etapa envolve redesenhar processos

A expansão da IA agêntica tende, portanto, a exigir mais do que a adoção de uma nova tecnologia.

Processos originalmente estruturados para pessoas podem precisar ser redesenhados para combinar automação, execução por agentes, supervisão humana e mecanismos de aprovação.

O nível de autonomia também deverá variar de acordo com fatores como impacto financeiro, sensibilidade dos dados, possibilidade de reversão de uma ação e exigências regulatórias.

“A tecnologia já consegue avançar por etapas de um processo e executar ações em sistemas reais. O desafio agora é organizacional: definir autonomia, responsabilidade, indicadores e mecanismos de controle”, conclui Reis.