A inteligência artificial agêntica promete mudar a forma como as empresas trabalham, tomam decisões e se relacionam com clientes. Mas colocar agentes em operação vai muito além de criar assistentes capazes de responder perguntas. É preciso definir limites de atuação, garantir a qualidade dos dados, estabelecer responsabilidades e preparar as equipes para trabalhar com sistemas que executam tarefas de forma autônoma.

A quantidade de agentes não é o melhor indicador de maturidade. O desafio está em integrá-los aos processos, transformar seu uso em valor para o negócio e definir até onde eles podem agir sem intervenção humana.

Paulo Cocato, gerente executivo dados & AI da Motiva, destacou que agentes de IA não devem ser tratados apenas como chatbots mais sofisticados. A diferença está na capacidade de executar ações dentro dos sistemas corporativos, o que exige regras claras sobre permissões e responsabilidades. “A gente deve sempre se perguntar em nome de quem e o que ele pode fazer. Esse é o primeiro ponto que todo mundo precisa entender dos agentes. Se ele errar, quem que vai responder?”.

O executivo também chamou a atenção para a qualidade das informações que alimentam esses sistemas: “o agente é tão bom quanto os dados ou todos os acessos que ele vai ter. Se o dado é errado, a gente vai escalar um erro que tá no dado e que é um outro problema que não é IA”.

Para Cocato, a adoção também depende de uma mudança na maneira como as empresas enxergam a relação entre pessoas e sistemas. Os agentes passam a atuar entre essas duas pontas, executando atividades em diferentes áreas. Por isso é preciso estar atento não apenas ao que o usuário pede e também às ações que o sistema está autorizado a realizar em nome dele.

iFood aposta em agentes para colaboradores, restaurantes e consumidores

No iFood, a estratégia de inteligência artificial foi estruturada em diferentes frentes. Rafael Borger, sócio e head de produto e inovação da companhia, explicou que a empresa investe há mais de dez anos em dados e acesso à informação, uma base que facilita a adoção de novas interfaces e ferramentas agênticas.

Uma das mudanças já visíveis está no acesso aos dados internos. Antes, o profissional precisava conhecer SQL para consultar informações. Agora, pode fazer perguntas em linguagem natural pelo Slack e receber respostas de um agente. Para Borger, a adoção depende também de uma cultura que incentive o uso da tecnologia e prepare as pessoas para trabalhar com ela: “a gente tem um plano de desenvolvimento individual e 50% da verba de desenvolvimento da companhia é destinado ao uso de IA”.

O executivo contou que a empresa também desenvolve ferramentas para apoiar os parceiros da plataforma. Um exemplo é o uso de agentes para ajudar restaurantes a analisar preços, comparar concorrentes e entender melhor o próprio negócio. Essas informações podem ser consultadas em linguagem simples, pelo WhatsApp, sem exigir conhecimentos avançados de análise de dados.

Outra frente é o consumidor final, que conta com um agente específico. Borger explicou que “o Ailo é o nosso agente para ajudar que o consumidor final peça melhor e mais fácil. A nível Brasil, a gente tem 400.000 restaurantes na base. É muita opção. Isso frustra o cliente”. Em vez de aplicar vários filtros manualmente, o consumidor pode explicar o que procura e deixar o agente organizar as opções.

O executivo reconheceu, porém, que mudar o comportamento dos usuários não é simples. Por isso, a empresa está testando uma aplicação própria para essa experiência, separada da navegação convencional do aplicativo principal.

Motiva centraliza os agentes para transformar conhecimento em ativo

Na Motiva, o desafio é diferente. Como empresa de concessões de infraestrutura física, a companhia precisa lidar com ativos extensos, contratos de longa duração e operações em que decisões equivocadas podem afetar a segurança das pessoas. Cocato contou que a empresa criou a plataforma interna Motiva AI para concentrar o uso da inteligência artificial e evitar que cada equipe desenvolva soluções isoladas, sem integração com o restante da organização. “A forma de você governar e de centralizar numa infraestrutura única faz com que o conhecimento do agente, que a forma do agente trabalhar, se torne perene e um ativo real para a companhia”.

A centralização permite reaproveitar aprendizados e ampliar o uso da tecnologia em diferentes atividades, como compras, análise de contratos, aditivos e leilões. Em vez de depender exclusivamente do conhecimento acumulado por profissionais que conhecem cada processo há anos, a empresa pode estruturar parte dessa experiência em sistemas acessíveis e governados.

A autonomia, entretanto, tem limites. Cocato ressaltou que a empresa busca aumentar a eficiência dos funcionários sem transferir decisões críticas para os agentes. Em operações com riscos relevantes para a segurança, a responsabilidade continua com as pessoas que estão na linha de frente.

EY questiona a corrida por quantidade de agentes

Roberta Ezar, sócia de digital data e analytics da EY, trouxe uma visão crítica sobre a forma como muitas empresas estão planejando suas estratégias de IA. Uma das ideias equivocadas, segundo a executiva, é imaginar que criar um agente seja suficiente para colocá-lo em operação em escala.

Ela comparou a diferença entre uma solução improvisada, que funciona em uma situação pequena, e uma estrutura robusta, preparada para suportar alto volume de uso, segurança e integração entre processos. “Tem que pensar em quais são as métricas que vão gerar valor e como que eu faço esses agentes operarem entre si. Eu não vou resolver nada com agentes se eu não fizer um trabalho de reestruturação organizacional. Repensar as métricas. Não é ter muitos agentes, mas é onde eu vou colocar a tecnologia para resolver o problema”.

Roberta também questionou a ideia de medir o retorno da IA apenas pela redução de funcionários ou pelo custo dos tokens consumidos pelos modelos. Uma avaliação consistente precisa considerar infraestrutura, dados, segurança, observabilidade, capacitação e mudanças na forma de trabalhar.

Outro equívoco é deixar a governança para depois da expansão. “Primeiro eu vou escalar, depois eu coloco a governança. Na verdade é ao contrário. A governança tem que ser by design, ela não vem para travar. Ela vem para apoiar”. E a autonomia deve ser proporcional à complexidade e ao risco da tarefa: “quanto mais simples é a atividade, quanto mais possível de reversão, mais fácil de monitorar, mais autonomia eu posso dar. Quanto mais crítica é a função executada por um agente de AI ou por uma solução digital, mais governança ela deve ter”, explicou Roberta.