Os agentes de IA avançam. As empresas, nem tanto
Muitas organizações têm dificuldade em transformar a IA Agêntica em ROI. Desafios estruturais como governança, déficit técnico, custo e confiança ainda limitam o impacto desejado
Quem apostou que 2025 seria o ano dos agentes de IA já não tem mais dúvida. Três relatórios recentes — de Capgemini, Deloitte, BCG e Bain & Company — convergem na avaliação de que os agentes já não são piloto ou promessa. Têm hoje impacto direto em produtividade, custo, eficiência e diferenciação competitiva. Operam processos inteiros, aprendem em tempo real, tomam decisões com autonomia e começam a redesenhar fluxos complexos — da análise de riscos à interação com clientes.
O problema é que, enquanto a curva de adoção acelera, a maturidade organizacional para aproveitá-los melhor patina. Faltam estruturas de governança, preparo técnico, qualidade de dados, regulamentação, supervisão humana e confiança para escalar com responsabilidade. O freio não é técnico — é estratégico.
Vamos aos fatos.
Segundo o Capgemini Research Institute, 29% das empresas já utilizam IA agentica em algum nível, e 44% planejam adotá-la no próximo ano. O movimento de experimentação deu lugar a pilotos robustos, que estão se transformando em plataformas operacionais em áreas como atendimento ao cliente, logística, detecção de fraudes e desenvolvimento de software. Em muitos casos, agentes já funcionam como operadores autodirigidos, impulsionados por dados em tempo real e aprendizado por reforço.
Além disso, 66% dos líderes executivos entrevistados pela Capgemini já veem a agentic AI como diferencial competitivo prioritário. E 85% acreditam que, nos próximos 3 a 5 anos, agentes autônomos irão assumir o controle de processos inteiros dentro de suas áreas funcionais.
A Fast Company, em artigo assinado por Traci Gusher, líder de IA na EY Américas, reforça que esse potencial exige uma mudança de mentalidade. Segundo ela, a agentic AI não apenas melhora processos existentes — ela redesenha operações de ponta a ponta. Um exemplo prático citado é a análise e prevenção da rotatividade de clientes, que pode ser executada de forma coordenada por múltiplos agentes autônomos, cada um responsável por uma etapa distinta — do diagnóstico à ação — sem intervenção humana direta.
Um quarto estudo, do Boston Consulting Group, amplia essa visão. Embora a adoção da IA esteja crescendo, apenas 9% das empresas realmente capturam valor significativo com suas iniciativas, segundo o relatório “The Widening AI Value Gap“. A maioria continua presa a iniciativas fragmentadas, com resultados abaixo do potencial — por falta de estrutura organizacional, dados prontos e execução disciplinada.
Apesar dos avanços, 71% das empresas afirmam não confiar totalmente em agentes autônomos para uso corporativo. Apenas 46% possuem políticas formais de governança, e quase metade das que têm admitem que essas diretrizes raramente são seguidas.
O estudo da Capgemini indica que a confiança organizacional depende de três pilares: políticas claras, métricas transparentes e supervisão humana ativa. Sem isso, a hesitação persiste — mesmo diante de pilotos bem-sucedidos.
Como observa Gusher (EY), a supervisão deve ser projetada “acima do circuito”, e não apenas dentro dele — especialmente em sistemas multiagente. A ausência de estruturas robustas pode amplificar desvios e comprometer segurança, reputação e conformidade, caso um agente mal configurado tome decisões em cadeia sem supervisão.
Enquanto isso, 74% das empresas relatam aumento inesperado de custos em nuvem, consequência direta do crescimento no uso de modelos generativos e arquiteturas complexas sem preparo de infraestrutura e orçamento. A Bain & Company aponta que muitas empresas entram na era dos agentes com expectativas imediatistas, mas sem fundamentos operacionais e técnicos básicos, o que frequentemente leva a iniciativas fragmentadas e ROI abaixo do esperado.
O BCG também destaca que empresas líderes em IA investem proporcionalmente mais em talento, mudança organizacional e governança, e não apenas em modelos ou infraestrutura. Segundo o estudo, essas empresas priorizam a conexão entre tecnologia e estratégia de negócio, estabelecendo metas claras, times multidisciplinares e ciclos de melhoria contínua — exatamente o que diferencia valor real de hype tecnológico.
A hesitação atual se parece muito com a de quem duvidou da nuvem, do mobile ou da inteligência de dados. A diferença agora é que a curva de aprendizado é mais íngreme — e o tempo de absorção, mais curto.
De acordo com Deloitte, 60% das lideranças de pesquisadas dizem que os principais desafios de suas organizações na adoção de IA Agêntica são a integração com sistemas legados e o enfrentamento de questões de risco e conformidade (gráfico abaixo). Essas principais barreiras foram seguidas de perto pela falta de conhecimento técnico. A transformação da força de trabalho em IA e a preparação de talentos estão se tornando um diferencial estratégico.
Ou seja, os agentes estão prontos para escalar. As organizações, ainda não.
O que separa as empresas que colhem valor daquelas que ainda testam agentes em piloto? A resposta, segundo a Bain & Company, está menos na tecnologia em si e mais em fundamentos organizacionais como visão estratégica, prontidão de dados e capacidade de execução contínua.
A Deloitte reforça que a adoção de agentes exige repensar como as organizações planejam, priorizam, operam e medem o desempenho de fluxos de trabalho híbridos — entre humanos e sistemas autônomos. E propõe um framework claro para sair do piloto e priorizar casos com impacto elevado, menor complexidade de implementação e alto índice de “diferenciabilidade” — ou seja, onde a agentic AI entrega real vantagem competitiva, e não apenas eficiência incremental.
O framework recomenda avaliar cada caso segundo três eixos simultâneos: impacto potencial, viabilidade técnica e diferencial competitivo frente a soluções tradicionais. Porque nem todo processo precisa de um agente. Mas os que realmente precisam — e ainda não têm — representam risco de atraso competitivo.
Muitas organizações têm dificuldade em transformar a IA agêntica da teoria em um retorno prático sobre o investimento (ROI). Sem aplicações bem definidas, os líderes correm o risco de investir em experimentos que não escalam nem demonstram retorno, retardando a adesão e o financiamento.
Ecossistema em mutação
Esse novo modelo está impulsionando também uma transformação no ecossistema de tecnologia. Segundo estudo “Enterprise Agentic AI Software Market Forecast“, da Omdia, a migração da GenAI para agentes representa uma oportunidade de serviços de US$ 267 bilhões até 2030, crescendo a 35,3% ao ano. Hiperescaladores como Microsoft, AWS, Google Cloud, além de Salesforce, Oracle, SAP, IBM e ServiceNow, estão reestruturando seus programas de parceiros, licenciamento e monetização para abraçar essa nova fase da IA como serviço.
Os modelos mais promissores envolvem microconsumo, serviços baseados em resultados, monetização de IP próprio, pacotes verticais especializados e co-desenvolvimento com parceiros. Todos os pontos de contato do setor — da nuvem à entrega final — estão sendo recalibrados.
Só o mercado de software de IA Agentica corporativa deve saltar de US$ 1,5 bilhão em 2025 para US$ 41,8 bilhões até 2030. O que representará 31% do mercado total de IA Generativa. A IA Agentica para uso corporativo é um dos segmentos de crescimento mais rápido em tecnologia corporativa. Essa adoção acelerada é impulsionada pelas prioridades empresariais para automação, com 39% dos primeiros usuários citando custos reduzidos e aumento da produtividade dos funcionários como principais motivações para a implantação.
Segundo o BCG,os agentes de IA já representam cerca de 17% do valor total da IA em 2025 e espera-se que atinjam 29% até 2028. O estudo mostra que 46% das empresas estão experimentando ou colocando produção agentes de IA. Dessas, 16% já conseguem demonstrar valor tangível da tecnologia para os negócios. Isso se deve, segundo o BCG a investimento dirigido: 30% delas alocam 15% de seus orçamentos de IA para agentes.
As aplicações práticas são diversas — e poderosas. O sistema ORION, da UPS, otimizou rotas em tempo real e economiza US$ 300 milhões por ano ao reduzir 100 milhões de milhas rodadas. O Walmart incorporou agentes à sua esteira de desenvolvimento para identificar falhas de acessibilidade em código. O PayPal cortou em 30% os casos de fraude com detecção autônoma em tempo real. E a Telstra, com o Ask Telstra, viu 90% de seus atendentes relatarem maior efetividade após a introdução do agente.
O Moody’s lançou um conjunto de agentes para empresas de serviços financeiros, incluindo um Agente de Memorando de Crédito que, segundo eles, reduz os trabalhos de 40 + horas para consultores e gerentes de risco para 2 minutos. E o Citi está testando sua nova plataforma Citi Stylus com 5.000 funcionários: um agente pode ativar a pesquisa sobre um cliente e criar automaticamente o perfil e o dossiê de um banqueiro, com base em conjuntos de dados internos e externos.
A Klarna têm agentes de IA lidando com dois terços do tráfego de suporte ao cliente, alcançando aumentos de 73% na receita por funcionário em relação ao ano anterior. Essas não são melhorias incrementais, mas sim vantagens fundamentais do modelo de negócios .
Esses exemplos ilustram uma mudança concreta: os agentes não apenas automatizam tarefas — eles substituem fluxos inteiros de decisão. E quando integrados a processos críticos, o retorno deixa de ser promissor e passa a ser mensurável.
À medida que agentes assumem tarefas antes reservadas à intuição humana — como decidir prioridades, monitorar riscos, otimizar operações em tempo real — o diferencial deixa de ser a adoção em si. Passa a ser a capacidade de orquestrar, governar e aprender em ritmo compatível com a autonomia que se delega.
Empresas que conseguem escalar agentes com clareza de propósito, dados confiáveis e fluxos bem definidos não estão apenas colhendo valor. Estão reconfigurando o que significa ser competitivo, principalmente, porque já operam com o tipo de maturidade que a nova fase da IA vai exigir de todos.
A AI Risk trabalha com uma escala de maturidade de cinco níveis.
Segundo a consultoria, a janela para a vantagem competitiva está se estreitando rapidamente. As organizações que dominarem as implementações de Nível 2 a 4 em 2025 desenvolverão capacidades que os concorrentes terão dificuldade em replicar quando as lacunas de desempenho se tornarem aparentes.
“Até 2027, as capacidades de IA agêntica provavelmente passarão de vantagem competitiva para necessidade competitiva”, afirma seu CEO e cofundador Simon Torrance.
Sim, a lacuna entre empresas que adotam IA com intencionalidade e aquelas que apenas testam ferramentas está se ampliando. Como alerta o BCG, quem não investir agora na maturidade organizacional necessária para escalar IA corre o risco de ser deixado para trás — não pela tecnologia, mas pela estratégia.
