Não necessariamente. Ter mil agentes de IA tomando decisões sozinhos — como a Casas Bahia acaba de revelar, incluindo um projeto em que agentes vão decidir estratégia e alocação de mídia sem intervenção humana — não é uma meta que uma empresa de médio porte deva copiar. É o resultado de anos de infraestrutura de dados e maturidade de governança que a maioria das empresas ainda não tem. A pergunta certa não é “quantos agentes autônomos eu preciso ter”, é “qual processo específico já tem critério de decisão claro o suficiente para eu confiar a decisão a um agente — e quem revisa quando ele erra”.
No mesmo momento em que a Casas Bahia anuncia agentes decidindo sozinhos modelagem financeira e mídia de performance, uma pesquisa do TI Inside mostra o outro lado do mercado brasileiro: o treinamento estruturado em dados e IA já chega ao C-level e à gerência em 32% das empresas, mas nenhuma organização pesquisada relatou ter levado essa capacitação, de forma estruturada, até a linha de frente operacional. O orçamento não é mais o problema — quase 90% das empresas brasileiras devem aumentar o investimento em IA em 2026, segundo SAS e IDC. O problema é dar mais autonomia a um agente antes de a operação que ele afeta estar pronta para lidar com o que isso muda.
Principais aprendizados
- Mais agentes de IA com autonomia não é sinônimo de mais maturidade — autonomia sem critério de decisão parametrizado e sem indicador de erro monitorado aumenta risco, não reduz.
- O gargalo deixou de ser orçamento: quase 90% das empresas brasileiras vão investir mais em IA em 2026, mas o treinamento estruturado ainda não chegou à linha de frente operacional em nenhuma empresa pesquisada.
- Autonomia de agente deve crescer processo por processo, começando onde a decisão já é parametrizada — nunca como meta corporativa geral de “ter mais agentes”.
- Empresa de médio porte não compete em volume de agentes de IA; compete em densidade de governança e capacitação na ponta da operação.
- Antes de ampliar a autonomia de um agente, defina quem revisa a decisão quando ela sai do padrão e com que frequência isso é medido — sem essa resposta, não é prontidão, é aposta.
Dar mais autonomia a agentes de IA é o próximo passo certo para uma empresa de médio porte?
Não necessariamente — depende da maturidade de governança do processo específico, não do porte da empresa nem do volume de agentes que outras companhias já colocaram em produção. A Casas Bahia relatou hoje mil agentes de IA rodando em Claude e Gemini, atuando em modelagem financeira, simulação de cenários e análise de sensibilidade — processos que levavam até quatro dias e agora saem em uma hora. Um novo projeto vai deixar agentes decidirem sozinhos estratégia e alocação de mídia de performance para uma das marcas do grupo, dentro de uma reestruturação mais ampla liderada pela diretoria.
Isso não é um ponto de partida — é o resultado de anos de dado organizado, processo já mapeado e um time capaz de auditar o que o agente decide. A tese que sustenta o trabalho da HAIA com empresas de médio porte é direta: maturidade em IA não é uso de ferramenta, é capacidade de gerar valor de forma repetível e auditável. Uma empresa que ainda não sabe medir a taxa de erro de um processo manual não tem como saber se um agente autônomo está errando mais ou menos do que uma pessoa erraria no mesmo processo. Copiar o volume de agentes de uma grande varejista sem copiar a base de governança que sustenta esse volume é o caminho mais direto para um incidente que devolve a empresa dez passos atrás na confiança do time em IA.
Como saber se meu time está pronto para dar mais autonomia a um agente de IA?
Você está pronto quando o processo já tem critério de decisão parametrizado, um responsável designado pela revisão do resultado e um indicador de erro acompanhado com frequência definida — não quando a equipe simplesmente “confia” na ferramenta depois de alguns testes bem-sucedidos. É exatamente essa lacuna que a pesquisa do TI Inside expõe: treinamento em dados e IA já alcançou C-level e gerência em 32% das empresas brasileiras engajadas no tema, mas nenhuma das organizações pesquisadas relatou ter levado essa capacitação, de forma estruturada, à linha de frente operacional — e a atuação conjunta entre as áreas de Dados e RH, considerada o modelo ideal para sustentar essa capacitação, é realidade em apenas 9% das empresas.
Isso importa porque quem opera o processo no dia a dia é quem primeiro percebe quando a decisão de um agente está fora do padrão — mas só percebe se tiver sido preparado para reconhecer o padrão em primeiro lugar. Em um programa recente com uma operação de serviços financeiros de médio porte, o ganho não veio de automatizar mais etapas do crédito e da documentação, veio de estruturar quem revisava o quê e com que frequência: a operação passou a monitorar continuamente indicadores de SLA regulatório e reduziu consultas de crédito desnecessárias, com escala maior sem aumento proporcional de equipe. (Os resultados refletem o contexto, a maturidade e os processos daquela organização; não constituem promessa de resultado equivalente em outro ambiente.) O ponto central não foi a ferramenta — foi ter definido, antes de ampliar a automação, quem era responsável por cada exceção.
Por onde uma empresa de médio porte deveria começar, se não pelo volume de agentes?
Pelo mapeamento dos processos operacionais priorizados por frequência, tempo consumido e retrabalho gerado — começando pelo processo com maior volume e critério de decisão já claro, não pelo processo mais visível ou mais “estratégico” no papel. É a mesma lógica por trás de por que só 6% das empresas brasileiras conseguem orquestrar um processo de ponta a ponta: o problema raramente é falta de acesso a IA, é falta de clareza sobre qual gargalo resolver primeiro e em que ordem ampliar a autonomia.
Isso também explica por que esperar por regulação não é estratégia. A votação do marco regulatório de IA no Congresso foi adiada de novo, agora para dezembro, e o Brasil deve fechar o ano inteiro sem uma lei nacional específica, com a ANPD atuando como reguladora residual caso a caso. Isso não reduz a urgência de estruturar governança interna — aumenta, porque, na ausência de marco nacional, a responsabilidade por definir quem decide o quê, com que agente e sob qual revisão, é inteiramente da própria empresa. Antes de perguntar quantos agentes autônomos sua empresa deveria ter, vale a pergunta que já tratamos em detalhe em IA agêntica: dá para escalar sem contratar mais gente? — a resposta muda processo a processo, não por meta corporativa geral.
Perguntas frequentes
O que muda quando um agente de IA passa a “decidir sozinho” um processo?
Muda o ponto de controle: a decisão deixa de passar por aprovação humana linha a linha e passa a ser auditada por amostragem ou por indicador de erro acompanhado ao longo do tempo. Isso só funciona com segurança quando o critério de decisão já estava parametrizado antes da automação — caso contrário, o agente herda a ambiguidade do processo manual e a decisão erra sem que ninguém perceba a tempo.
Preciso ter uma equipe grande, como a de tecnologia da Casas Bahia, para usar IA agêntica com autonomia?
Não. O volume de mil agentes de uma grande varejista reflete a escala da própria operação, não um requisito mínimo para começar a dar autonomia a um agente. Uma empresa de médio porte pode aplicar o mesmo princípio de governança a um único processo bem delimitado, com equipe pequena, desde que o critério de decisão esteja claro e exista alguém responsável por revisar o resultado.
Quais riscos aumentam quando amplio a autonomia de um agente sem preparar a linha de frente?
O principal risco é o erro sistemático não percebido: quando ninguém no processo foi capacitado para reconhecer quando a decisão do agente saiu do padrão esperado, o erro se repete e se acumula antes de ser identificado. É esse o descompasso revelado pela pesquisa do TI Inside — treinamento chega à liderança, mas raramente chega a quem de fato opera o processo no dia a dia.
O adiamento do marco regulatório de IA muda a urgência de estruturar governança interna?
Não reduz a urgência — pelo contrário, aumenta. Sem um marco nacional definido (a votação foi adiada novamente, agora para dezembro), a ANPD segue atuando caso a caso, o que significa que cada empresa precisa definir por conta própria quem decide o quê, com qual agente e sob qual revisão, sem esperar por um critério externo que ainda não existe.
