Em 2024, a Klarna virou símbolo da revolução da inteligência artificial ao anunciar que seu agente de IA realizava o trabalho equivalente ao de 700 atendentes humanos. O tempo de resolução caiu drasticamente, milhões de conversas passaram a ser processadas e o caso rapidamente se tornou referência global.
+ NOTÍCIAS NO GRUPO NM DO WHATSAPP
Mas, em 2025, a empresa mudou o discurso. O CEO Sebastian Siemiatkowski admitiu que a companhia havia ido longe demais na automação. A busca obsessiva por redução de custos comprometeu a qualidade do atendimento, dificultou a resolução de casos complexos e piorou a experiência do cliente. O problema não era a IA e, sim, a falta de método.
Esse episódio expõe uma narrativa perigosa que ganhou força no mercado: a ideia de que agentes de IA são “novos colegas de trabalho”. A metáfora funciona bem em apresentações e manchetes, mas cria uma distorção séria. Colegas possuem responsabilidade legal, julgamento e accountability. Agentes não. Eles são softwares capazes de executar tarefas com autonomia, mas continuam sendo softwares.
Quando empresas tratam agentes como se fossem colaboradores, começam a transferir decisões críticas para sistemas que não podem assumir responsabilidade. O resultado aparece em três frentes: desperdício financeiro, perda de governança e insegurança para funcionários que passam a trabalhar em ambientes onde ninguém sabe exatamente quem decide o quê.
Os números mostram que o problema já é concreto. Segundo o MIT NANDA, 95% dos pilotos de IA generativa ainda não geram retorno financeiro mensurável. A IBM identificou que apenas 16% dos projetos conseguem ser escalados para toda a empresa e só um em cada quatro entrega o ROI prometido. O dado mais revelador talvez seja outro: 64% dos CEOs admitem investir em IA antes mesmo de entender claramente o valor da tecnologia, movidos pelo medo de ficar para trás.
Ainda assim, existem casos bem-sucedidos, e eles revelam um padrão importante. O Bradesco alcançou altos índices de resolução com a BIA. O Itaú Unibanco estruturou uma operação robusta com centenas de modelos de IA e forte camada de governança. Já o Wells Fargo reportou centenas de milhões de interações resolvidas sem escalonamento humano.
No Brasil, a Enter talvez represente um dos exemplos mais interessantes: em vez de apostar em agentes generalistas, criou agentes verticais especializados em tarefas específicas do setor jurídico. O foco estreito virou vantagem competitiva.
O que une esses casos não é a tecnologia em si, mas quatro fatores: escopo claro, dados organizados, supervisão humana e métricas honestas.
Por outro lado, os fracassos reforçam a mesma tese. O teste do McDonald’s com IA no drive-thru terminou após erros viralizarem nas redes sociais. A Air Canada foi responsabilizada judicialmente depois que seu chatbot inventou uma política de reembolso inexistente. A decisão da Justiça canadense foi direta: se o agente fala em nome da empresa, a responsabilidade continua sendo da empresa.
É exatamente aí que muitas organizações ainda erram. A pergunta correta não é “onde colocar IA”, mas “qual fluxo de trabalho realmente faz sentido automatizar”. Empresas maduras começam pelo problema operacional, não pela tecnologia.
Outro ponto ignorado é a qualidade dos dados. Empresas com informações desorganizadas, planilhas conflitantes e sistemas desatualizados inevitavelmente produzirão agentes ruins. IA amplifica eficiência, mas também amplifica desordem.
Além disso, existe um novo risco financeiro: agentes autônomos podem operar em loop, consumir recursos excessivos e gerar custos invisíveis sem monitoramento adequado. Governança deixou de ser burocracia e passou a ser vantagem competitiva.
Para os profissionais, a lógica também mudou. Competir com agentes de IA é uma estratégia perdida. O diferencial agora está em supervisionar bem a tecnologia: saber o que delegar, o que revisar e o que jamais automatizar.
Quem antes produzia relatórios, agora revisa relatórios produzidos por IA. Isso exige mais discernimento, mais senso crítico e mais responsabilidade. O erro do agente rapidamente se transforma no erro de quem aprovou sua entrega sem revisão.
No fim, a diferença entre empresas que escalam IA com sucesso e empresas que recuam não está na tecnologia utilizada. Klarna e Wells Fargo acessaram modelos semelhantes. O que mudou foi a maturidade operacional.
Agente de IA não é colega de trabalho. É uma ferramenta poderosa que exige método, supervisão e governança. Quem entender isso cedo terá vantagem competitiva. Já quem tratar IA apenas como corrida por eficiência provavelmente descobrirá o custo tarde demais.
*Victoria Luz é autora do best seller “Além do Hype: Implementando IA com Propósito e Impacto” e membro da Google AI Community Brasil
Leia + sobre tecnologia e ciência