Resposta direta: não, na maioria dos casos uma empresa média não precisa de centenas de agentes de IA para ver resultado — precisa de processo organizado e critério de priorização antes de multiplicar quantidade. A Casas Bahia chegou recentemente a mil agentes de IA em operação, com 16 mil dos quase 30 mil funcionários já usando a tecnologia no dia a dia: a Bah.IA atua como copiloto de vendas para mais de 10 mil vendedores, com aumento de 40% em produtividade reportado pela própria empresa, enquanto a companhia também já roda um piloto de crédito baseado em IA para definição de score. O grupo fechou o último ano com GMV recorde de R$ 44,7 bilhões e nove trimestres seguidos de expansão de margem.
O número que chama atenção é “mil agentes” — mas é o número errado para uma empresa média copiar. Quantidade de agente não é indicador de maturidade nem de resultado: é consequência de anos de dado organizado, processo mapeado e um critério estruturado de onde aplicar cada automação. A pergunta que decide o resultado não é “quantos agentes minha empresa deveria ter”, é “qual processo específico eu já consigo medir bem o suficiente para colocar um agente nele hoje”.
Principais aprendizados
- Quantidade de agente de IA não é métrica de maturidade — é consequência de anos de dado organizado e processo mapeado antes do primeiro agente entrar em produção.
- O critério que decide onde um agente gera resultado é o mesmo em empresa grande ou média: frequência × tempo × retrabalho do processo, não o tamanho do orçamento disponível.
- Resultado documentado em escala grande — GMV recorde, produtividade de vendas — não se replica proporcionalmente numa empresa média só copiando a tecnologia; o histórico de dado que sustenta esse resultado é ativo próprio, não transferível.
- Uma empresa média com processo bem definido pode reduzir um ciclo de dias para horas com um único agente bem aplicado — a disciplina de escopo importa mais que o número de agentes rodando.
- Esperar o Marco Legal da IA para começar a estruturar governança é decisão equivocada: o próprio regulador já testa na prática o que a lei ainda não define.
Quantos agentes de IA uma empresa média realmente precisa ter?
Não existe um número certo — e perguntar isso já é um desvio de foco. O que decide não é quantos agentes uma empresa tem, é quantos processos ela já consegue medir bem o suficiente para automatizar sem quebrar no meio do caminho. Uma empresa média que aplica um agente bem escopado a um processo de alto volume e alto retrabalho tende a gerar mais valor mensurável do que uma que espalha dez agentes mal supervisionados por áreas diferentes só para dizer que “já usa IA”.
O risco de perseguir quantidade em vez de critério já apareceu em outro dado do mesmo mercado: a maioria das empresas brasileiras diz operar agentes de IA em produção, mas boa parte já teve que interromper ou reverter alguma implementação por falha de governança — vazamento de dado, sobretudo. Multiplicar agente sem controle sobre o que cada um acessa e decide não é sinal de maturidade, é risco represado esperando para aparecer.
O que fez os agentes da Casas Bahia funcionarem, além da quantidade?
O detalhe que a manchete “mil agentes” esconde é o tempo de preparação por trás dela. Uma operação desse porte não chega a mil agentes em produção da noite para o dia: chega depois de anos de histórico de venda, atendimento e crédito já digitalizado e estruturado — dado suficiente para treinar e validar cada automação antes de colocá-la na frente do cliente. É esse acervo de dado, não o modelo de IA em si, que permite ao copiloto de vendas gerar 40% de produtividade a mais para mais de 10 mil vendedores, e ao piloto de score de crédito rodar com confiança suficiente para entrar em produção.
Uma empresa média sem esse histórico de dado organizado não replica o resultado só adotando a mesma tecnologia — replica o mesmo risco de reversão que já derrubou a maioria das iniciativas de IA que pularam essa etapa. O padrão que aparece nos casos brasileiros de IA que já funcionam de verdade não é o setor nem o tamanho da empresa: é ter um problema específico, medido, resolvido com dado que a própria empresa já tinha — não um agente genérico esperando por um propósito.
Por onde uma empresa sem orçamento de grande varejo deveria começar?
Pelo processo, não pela ferramenta. Numa operação de saúde de médio porte, com equipe de 8 pessoas dedicada à validação cadastral de documentos, foi exatamente esse critério — mapear o processo de maior frequência, tempo e retrabalho antes de qualquer decisão de ferramenta — que permitiu reduzir o ciclo de validação documental de 5 a 6 dias para até 24 horas, com a operação passando a rodar com 3 pessoas em vez de 8. Os resultados variam conforme o contexto, a maturidade e os processos de cada organização — não é promessa de resultado equivalente em qualquer time. O que o caso mostra é que o salto de resultado não veio de multiplicar agente: veio de aplicar um único agente bem escopado a um processo já mapeado, medido e com dono definido.
Esse é também o motivo de a HAIA nunca recomendar começar por um piloto genérico de IA “para testar a tecnologia”. O ponto de partida é sempre o mesmo, empresa grande ou média: mapear os processos de maior frequência, tempo e retrabalho, confirmar se o dado que sustenta esse processo já está em condição de uso, e só depois decidir a ferramenta — não o contrário. Mesmo quando a notícia do dia é sobre uma rodada bilionária ou um novo unicórnio de IA, o recado prático para a empresa média não muda: capital e visibilidade não substituem esse trabalho de base, em nenhum tamanho de empresa.
Perguntas frequentes
Preciso de dezenas de agentes de IA para minha empresa ter resultado?
Não. Um único agente bem aplicado a um processo de alta frequência e alto retrabalho costuma gerar mais valor mensurável do que vários agentes espalhados sem critério comum. O número de agentes em operação não é indicador de maturidade — é consequência de quantos processos a empresa já consegue medir e supervisionar de verdade, e isso normalmente começa em um só, não em dezenas.
Qual é o primeiro passo antes de implementar um agente de IA?
Mapear os processos por frequência, tempo consumido e retrabalho gerado, e confirmar se o dado que sustenta o processo escolhido já está em condição de uso. Esse levantamento não exige ferramenta nova nem grande investimento — exige um responsável nomeado dentro da área, com tempo protegido na agenda para tocar o mapeamento até o fim.
Como saber se minha empresa está pronta para agentes de IA?
O sinal mais confiável não é orçamento disponível, é ter pelo menos um processo com dado organizado, frequência alta e um responsável de negócio capaz de validar o resultado. Empresas que pulam essa etapa e escalam agente sem esse alicerce são justamente as que mais relatam interrupção ou reversão de projeto por falha de governança.
Vale a pena esperar o Marco Legal da IA ser aprovado antes de agir?
Não. O projeto segue parado no Congresso, sem previsão de avançar antes do fim do ano, enquanto a própria autoridade de proteção de dados já testa na prática, via sandbox regulatório, o que a lei ainda não define. Esperar a lei formal para começar a estruturar governança de dado e de acesso é adiar um trabalho que já é possível — e necessário — fazer agora.
