A resposta direta é que a distância entre o Banco do Brasil e uma empresa de médio porte não está no acesso à tecnologia. Os modelos e agentes que hoje operam dentro do banco — Copilot, integrações com Microsoft, Google Cloud e IBM — estão disponíveis, a preço de assinatura corporativa, para qualquer empresa que já paga por essas ferramentas. A distância real é outra: quantas pessoas, dentro de cada empresa, sabem transformar um gargalo do próprio trabalho num agente funcionando em produção. O BB resolveu essa equação pelo volume — mais de 36 mil funcionários inscritos num programa de capacitação interna, mais de 12 mil agentes Copilot já em operação. Uma empresa de médio porte não tem orçamento nem estrutura para replicar esse volume. Mas também não precisa: o mesmo efeito — mais gente capaz de construir a própria automação — se obtém com um recorte bem menor.
A notícia do BB não chegou sozinha esta semana. O Itaú anunciou investimento numa startup americana de simulação de comportamento avaliada em US$ 2 bilhões — o segundo movimento de capital corporativo do tipo em poucos dias. Do outro lado, o Marco Legal da IA teve sua votação empurrada, de novo, para depois do segundo turno das eleições de outubro, deixando toda empresa brasileira sem marco regulatório nacional por mais um trimestre. Pesquisas recentes mostram que 12 milhões de empresas no país já dizem usar IA, mas só 6% operam com agentes de fato. O que separa quem sai desse piloto eterno de quem avança não é o tamanho do investimento: é quantas pessoas, dentro da empresa, têm tempo protegido e responsabilidade nomeada para transformar um processo específico numa automação que funciona.
Principais aprendizados
- A vantagem de grandes players como Banco do Brasil e Itaú não vem só de capital: vem de densidade de gente capacitada e dedicada a um problema específico — um volume que a empresa média não replica, mas cujo princípio ela pode aplicar em escala menor.
- Sem Marco Legal aprovado, a responsabilidade de definir o que é uso responsável de IA recai sobre cada empresa; a ANPD atua caso a caso, e isso não substitui uma política interna de governança.
- Priorizar quem capacitar primeiro deve seguir um critério objetivo — frequência × tempo × retrabalho do processo — nunca o departamento que mais pede ou o fornecedor que mais insiste.
- Capacitação que gera resultado não termina em sala de aula: termina em produção, com uma métrica de antes e depois definida desde o primeiro dia.
- Times de negócio sem perfil técnico já demonstraram, na prática, capacidade de construir as próprias automações — desde que a TI defina uma única vez o perímetro de ferramentas e dados autorizados.
Por que treinar milhares de pessoas não é a única forma de competir em IA agêntica?
Porque o que compõe vantagem não é o número absoluto de pessoas treinadas, é a densidade de gente com tempo protegido dedicada a um mesmo problema até o resultado aparecer. O BB nomeia áreas inteiras para tocar iniciativas em paralelo porque tem escala para isso. Empresa de médio porte não tem — e tentar imitar essa régua, contratando vários especialistas de uma vez e espalhando a iniciativa por todos os departamentos, costuma diluir exatamente o fator que faz diferença.
O caminho que funciona em escala menor é o inverso: escolher um processo específico, medido, e nomear quem vai resolvê-lo, com tempo de fato protegido da operação do dia a dia. Isso vale também para quem pergunta se dá para escalar com IA agêntica sem contratar mais gente: dá, mas só na faixa de tarefa que já tem processo definido e critério de decisão parametrizado — o tipo de gargalo que uma capacitação bem priorizada deveria mirar primeiro.
Isso explica também por que o vácuo regulatório pesa menos do que parece. Com o Marco Legal adiado para depois da eleição, a tentação é esperar a lei definir as regras antes de agir. Mas o perímetro — que dado o agente pode consultar, que ação pode executar sozinho, quem responde se algo sair errado — nunca dependeu do Marco Legal para existir. É decisão interna, e deveria ser tomada antes da capacitação começar, não depois.
Como priorizar quem capacitar primeiro quando não dá para treinar a empresa toda de uma vez?
O critério que sustenta essa priorização é frequência × tempo × retrabalho: o processo que mais se repete, consome mais tempo humano e gera mais retrabalho é o que deveria receber a primeira rodada de capacitação — não o mais visível para a diretoria, nem o que o fornecedor de plantão está empurrando.
Um caso real ilustra o ganho de aplicar esse critério mesmo sem equipe técnica: numa operação de educação, com equipe de cerca de vinte pessoas, um executivo sem formação técnica construiu, em cerca de 35 minutos, uma ferramenta para extrair cerca de 25 campos de editais de licitação em PDF. Sete das vinte pessoas do time tinham parte relevante da rotina automatizável pela mesma lógica — mapeada antes, não descoberta por acaso. Resultados como esse variam conforme o contexto, a maturidade e os processos de cada organização — não são promessa de resultado equivalente em outro ambiente.
Quanto tempo leva até aparecer um resultado mensurável de uma capacitação em IA?
Na maioria dos casos que acompanho, o primeiro resultado mensurável aparece em semanas, não em meses — desde que a capacitação termine em produção real, não em sala de aula. Numa operação de saúde de médio porte, com equipe de oito pessoas responsável pela validação cadastral de documentos, o ciclo caiu de cinco a seis dias para até 24 horas, e a operação passou a rodar com três pessoas em vez de oito. Num time de desenvolvimento de sete pessoas, sessenta dias produziram um avanço que nove meses dentro de um plano formal de dezoito meses não haviam produzido. Numa empresa de tecnologia B2B, a estruturação de um portfólio de cibersegurança, projetada para nove a doze meses, foi concluída em oito semanas. Esses resultados refletem o contexto, a maturidade e os processos de cada organização — não constituem promessa de resultado equivalente em outro ambiente.
O que esses casos têm em comum não é o setor, é a estrutura: um processo nomeado, uma linha de base medida antes de começar, e uma etapa final de validação de ROI antes de qualquer decisão de expandir o programa. Sem essa etapa, é impossível dizer se o programa funcionou ou só pareceu funcionar.
O papel da experiência de quem já fez isso em escala corporativa
Em mais de 30 anos de carreira em tecnologia, boa parte deles à frente de programas de capacitação e mudança de processo dentro de uma grande operadora de telecom brasileira, aprendi que o maior risco de um treinamento em massa não é custar caro. É terminar em certificado, sem ninguém medindo se o processo mudou. A pergunta que mais se pagava nunca foi “quantas pessoas treinar de uma vez”, foi “qual processo esse grupo vai deixar mensuravelmente melhor até uma data marcada”. Empresa grande erra essa conta com menos frequência porque tem mais tentativas. Empresa média não tem esse luxo: precisa acertar já na primeira rodada.
Conclusão
O anúncio do Banco do Brasil e o investimento do Itaú são, antes de tudo, um lembrete de escala: grandes players compram capacidade em volume porque podem. Empresa de médio porte compete não replicando esse volume, mas aplicando o mesmo princípio — tempo protegido, responsável nomeado, processo priorizado por dado, não por intuição — num recorte do tamanho que ela realmente tem orçamento e estrutura para sustentar. Isso vale com ou sem Marco Legal aprovado: o perímetro de governança é decisão interna, disponível a partir de hoje.
Perguntas frequentes
Preciso de um programa de capacitação do tamanho do Banco do Brasil para usar IA agêntica?
Não. O que gera vantagem não é o número absoluto de pessoas treinadas, é a densidade de gente com tempo protegido dedicada a resolver um gargalo específico até o fim. Uma empresa de médio porte pode aplicar o mesmo princípio numa turma de três a oito pessoas, desde que o processo escolhido tenha frequência, tempo e retrabalho altos o suficiente para justificar o investimento e uma métrica de resultado definida desde o início.
Quem deveria ser capacitado primeiro em IA agêntica dentro da empresa?
A pessoa (ou pequeno grupo) responsável pelo processo com maior pontuação em frequência × tempo × retrabalho, não o time mais vocal ou o mais próximo da diretoria. Nomear um responsável antes de começar a capacitação evita o erro mais comum: treinar gente que depois não tem autoridade nem tempo protegido para colocar o aprendizado em produção.
Um time sem perfil técnico consegue mesmo construir agentes de IA?
Sim, dentro de um perímetro de ferramentas e dados já autorizado pela TI. Casos reais mostram profissionais de áreas de negócio construindo automações funcionais em menos de uma hora, usando ferramentas que a empresa já paga. A condição não é formação técnica prévia: é ter o perímetro de governança definido antes de começar, para que o time construa sem precisar abrir fila de aprovação a cada passo.
O que fazer sobre governança de IA enquanto o Marco Legal não é aprovado?
Definir o perímetro internamente, sem esperar a lei. Isso significa decidir, por escrito, que dado cada agente pode consultar, que ação pode executar sozinho e qual exige confirmação humana, e quem é o responsável nomeado se algo sair errado. A ANPD já atua caso a caso em setores como crédito e RH, mas isso não substitui uma política interna definida antes do primeiro agente entrar em produção.
