Como a IA agente exige a reconstrução total do modelo operacional das empresas

Um levantamento global divulgado pela divisão Insights da MIT Technology Review revelou um descompasso crítico no mercado corporativo internacional: embora 85% das organizações declarem o desejo de se tornarem operadas por agentes de inteligência artificial nos próximos três anos, nada menos que 76% admitem que suas operações e infraestruturas atuais não têm capacidade para suportar essa transição. Esse abismo de prontidão tecnológica e estrutural, que afeta diretamente o planejamento de grandes corporações inclusive no mercado brasileiro, decorre de uma profunda falta de preparação nos pilares de pessoas, processos corporativos e fluxos de trabalho legados. A disparidade entre a ambição da liderança e a realidade prática das operações diárias indica que a introdução dessas novas tecnologias exige uma abordagem arquitetural profunda, muito além da mera aquisição de novas ferramentas de software de prateleira.

O gargalo da infraestrutura

Para Prasun Shah, CTO global de consultoria de força de trabalho e diretor de inteligência artificial (Chief AI Officer) da PwC UK Consulting, o cerne desse problema reside na tendência das empresas de apenas sobrepor agentes de IA às suas operações existentes, em vez de redesenhar completamente o modelo de negócios e reconfigurar as redes de trabalho. Segundo o especialista da PwC UK, as companhias estão tentando embutir colaboradores de IA em estruturas desenhadas para humanos, o que ele descreve de forma contundente: “isso é como colocar fitas adesivas em partes de um modelo operacional que já está se rompendo”. Essa abordagem superficial impede que as empresas capturem o real valor da tecnologia de IA agente, criando circunstâncias onde a desilusão com os investimentos pode rapidamente se espalhar.

De fato, o real valor da tecnologia de agentes inteligentes não reside na automação de tarefas simples, mas na capacidade de executar fluxos de trabalho complexos inteiros com o mínimo de intervenção humana direta. Esses sistemas conseguem coordenar tarefas complexas, tomar decisões independentes, ajustar-se instantaneamente a mudanças nas condições de contorno de um projeto e iterar sua própria performance com base no aprendizado de máquina. Nos primeiros laboratórios de testes práticos, que abrangem atendimento ao cliente, recursos humanos (HR) e vendas, estima-se que os agentes de IA possam acelerar os processos de negócios de 30% a 50%. Adicionalmente, o tempo dedicado a tarefas repetitivas e de baixo valor agregado apresenta uma redução de 25% a 40% quando implementados em larga escala.

O que significa ABT

Para tentar sanar a falta de um vocabulário corporativo adequado para essa nova era de automação, a plataforma de inteligência artificial agente empresarial Ema, em uma parceria estratégica conduzida no ano passado com a empresa de análise de mercado HFS Research, cunhou o termo Agentic Business Transformation (ABT) — ou Transformação de Negócios Agente. O objetivo de estabelecer essa nova nomenclatura é suprir o vácuo de termos técnicos que descrevam adequadamente o impacto sistêmico dos agentes autônomos. Esse framework conceitual visa dar às lideranças empresariais uma estrutura mental robusta para repensar como a tecnologia deve ser adotada de forma estrutural pelas empresas.

“Digital transformation was about moving from paper to software. AI transformation was about adding artificial intelligence to existing processes. Co-pilot is about AI assisting in various human tasks. But ABT is something categorically different: It's the integration of AI agents into the fabric of the organization.”

Ao analisar essa distinção feita por Surojit Chatterjee, CEO e fundador da Ema, fica claro que o mercado de tecnologia vinha utilizando conceitos inadequados para descrever uma mudança profunda. Enquanto as ondas anteriores focavam em digitalizar processos manuais ou em usar inteligência artificial para auxiliar profissionais humanos em suas tarefas cotidianas (através de assistentes pessoais), o conceito de ABT propõe algo substancialmente diferente. Trata-se da integração intrínseca de agentes inteligentes diretamente no tecido organizacional, fazendo com que a tecnologia atue de forma coordenada nas operações vitais da empresa.

Apoiando a visão de Chatterjee, o executivo Prasun Shah, da PwC UK Consulting, ressalta que a introdução do termo ABT ajuda a liderança das empresas a enxergar a necessidade de redesenhar a organização em sua integridade absoluta. Essa reestruturação radical abrange o modelo operacional, os fluxos de trabalho, os direitos de tomada de decisão e os próprios sistemas de gestão de desempenho corporativo. Shah aponta que todas as engrenagens precisam ser reconfiguradas para garantir que os agentes de IA operem como participantes ativos na geração de valor econômico e eficiência operacional, em vez de servirem apenas como ferramentas de produtividade pontuais.

A reconstrução da tecnologia

O primeiro pilar fundamental do framework de ABT desenvolvido pela Ema reside na reconstrução completa da pilha de tecnologia corporativa (tech stack). Conforme detalhado por Surojit Chatterjee, a infraestrutura de tecnologia que as corporações utilizam hoje foi projetada e otimizada para ser operada por humanos em fluxos de trabalho estritamente centrados em aplicações de software. Quando o ator principal dessas interações passa a ser um agente de inteligência artificial que executa ações na velocidade das máquinas e transita por múltiplos sistemas ao mesmo tempo, toda a arquitetura de banco de dados e as integrações precisam ser repensadas desde a base.

Nessa perspectiva, o executivo Prasun Shah conceitua que o verdadeiro diferencial competitivo da tecnologia agente não está em sua colocação como mais um sistema isolado nas pilhas tradicionais, mas sim como um “tecido conectivo” capaz de navegar livremente entre as camadas de infraestrutura tecnológica existentes. Esse tecido de integração permite que o agente transite entre bases de dados apartadas para coordenar tarefas de alta complexidade, localizando, interpretando e cruzando dados de múltiplos softwares. Para o especialista da PwC UK, as companhias que dominarem a capacidade de alimentar esses agentes com contexto e dados de alta qualidade estarão posicionadas na vanguarda do mercado competitivo global.

A transição arquitetural para esse modelo ágil possibilita uma redução dramática no tempo necessário para que as empresas coloquem novas soluções operacionais em produção. Surojit Chatterjee, fundador da Ema, destaca que em empresas verdadeiramente alinhadas com o pilar tecnológico do ABT, o surgimento de um novo requisito de negócios não se traduz em meses de espera pelo desenvolvimento de um novo software por parte de fornecedores externos. Em vez disso, a equipe pode configurar um colaborador de IA utilizando instruções em linguagem natural e conectá-lo instantaneamente aos bancos de dados necessários, derrubando o tempo de implementação operacional de meses para poucos dias.

O redesenho do trabalho

O segundo pilar essencial do Agentic Business Transformation, conforme preconizado pela startup Ema, exige uma revisão estrutural profunda da própria força de trabalho corporativa. Os modelos atuais de estruturação de equipes e liderança diferem muito pouco dos padrões lineares e hierárquicos herdados dos primórdios da Revolução Industrial, onde as funções são rigidamente departamentalizadas entre Unidades Estratégicas de Negócios (SBUs). Nesses formatos clássicos de gestão, a progressão de carreira está intrinsecamente ligada à capacidade de monitorar o volume de entregas das equipes abaixo, modelo que se torna disfuncional em um ecossistema com agentes autônomos que planejam e executam projetos sem necessidade de supervisão humana constante.

Nesse ambiente corporativo híbrido, os gerentes de nível médio serão libertados de tarefas repetitivas de controle de execução de tarefas, mas precisarão assumir novos papéis de alta complexidade na liderança de equipes mistas. De acordo com o diagnóstico apresentado por Prasun Shah, da PwC UK, as lideranças corporativas precisarão gerenciar dinâmicas complexas relacionadas à segurança psicológica dos trabalhadores, explicabilidade das decisões dos algoritmos, governança de processos e tensões de status decorrentes da convivência diária com agentes. O desenvolvimento de empatia e inteligência emocional será, portanto, mais vital para a manutenção do clima organizacional do que o acompanhamento analítico clássico de tarefas cotidianas.

Essa profunda mudança de papéis no ambiente corporativo é corroborada por estudos conduzidos pela consultoria internacional McKinsey. A instituição estima que, até o horizonte do ano de 2030, aproximadamente três quartos (ou 75%) de todos os postos de trabalho existentes no mercado global passarão por processos de redesign funcional profundo, programas estruturados de requalificação técnica (upskilling) ou mesmo realocação de pessoal para novas áreas. Diante do prazo estipulado pela projeção da McKinsey, as organizações precisam agir de forma célere para reformular seus processos de atração de talentos, desenvolvimento de carreiras e planos de remuneração para se manterem competitivas no novo ecossistema.

Da entrega ao resultado

O terceiro e último pilar da transformação estruturada promovida pela plataforma Ema foca no desenvolvimento de novas métricas de sucesso corporativo adequadas ao ecossistema de agentes autônomos. Conforme pondera Surojit Chatterjee, à medida que agentes de inteligência artificial assumem a responsabilidade pela execução direta de processos centrais de forma colaborativa, as métricas tradicionais de produtividade baseadas em volume de entregas (outputs) — como a quantidade de e-mails enviados, relatórios consolidados ou ligações telefônicas processadas — perdem totalmente sua relevância prática e podem induzir a liderança a erros operacionais graves.

“When you add AI employees into the workforce, activity metrics become meaningless or actively misleading. An AI employee can handle a thousand customer interactions in the time it takes a human to handle ten. If you measure success by interactions handled, you'll conclude the AI is working brilliantly while missing whether any of those interactions actually drove customer satisfaction, retention, or revenue.”

Para corrigir de forma definitiva esse desalinhamento operacional entre o volume bruto de tarefas e os resultados reais, as corporações globais precisam realizar uma migração para métricas centradas estritamente em resultados de valor final (outcomes). A validade prática dessa mudança é atestada por um caso de sucesso compartilhado pela própria empresa de tecnologia Ema, envolvendo um de seus grandes clientes corporativos. Ao substituir indicadores operacionais puramente técnicos focados em ferramentas — tais como custo computacional por consulta e níveis de precisão de IA — por métricas focadas nos resultados gerados para o negócio, como o percentual de contratos revisados e finalizados sem necessidade de escalonamento para análise de advogados humanos, o retorno sobre o investimento (ROI) da tecnologia de agentes simplesmente triplicou no intervalo de apenas dois trimestres de operação.

Como aponta Surojit Chatterjee, essa mudança de mentalidade fez com que a empresa parasse de gastar recursos desenvolvendo pequenas automações isoladas em tarefas operacionais de alto volume e baixa complexidade. O cliente passou a direcionar toda a capacidade técnica de seus agentes de IA para atuar nas frentes de negócio onde o valor gerado para o resultado corporativo era imensamente maior. No entanto, o consultor Prasun Shah, da PwC UK Consulting, alerta que a integração dessas novas métricas de valor exigirá também uma reconfiguração completa das políticas de remuneração variável, desenvolvimento de talentos e atribuição de responsabilidades no ambiente híbrido.

Em ambientes de trabalho onde colaboram humanos e agentes autônomos, Shah aponta que, embora as responsabilidades de caráter ético e fiduciário de última instância permaneçam ligadas aos indivíduos, a responsabilidade operacional ficará amplamente difusa na organização corporativa. Essa mudança inédita criará uma série de questionamentos complexos com os quais as equipes de alta governança das empresas precisarão lidar: quem responde por um erro crítico cometido por um assistente autônomo? Como agir quando houver divergências de diagnóstico técnico entre colaboradores humanos e o agente de IA? E que tipo de salvaguardas precisam ser estabelecidas de antemão para garantir a segurança integral da experiência dos clientes?

Desafios para o Brasil

No contexto do mercado de tecnologia e negócios no Brasil, a análise de especialistas indica que a transição para a Transformação de Negócios Agente (ABT) enfrentará desafios culturais e regulatórios específicos. As corporações nacionais, historicamente conhecidas por sua capacidade de rápida adoção de tecnologias de comunicação, como redes sociais e sistemas de nuvem, ainda mantêm estruturas de gerência média altamente hierárquicas e fluxos de decisão burocráticos. Diante da necessidade de descentralização e empoderamento operacional descritas por Prasun Shah, as lideranças brasileiras precisarão encarar a automação agente não como um projeto de redução de custos com pessoal, mas como um redesenho cultural completo de sua estrutura de comando.

Ademais, as projeções da consultoria McKinsey sobre a necessidade de requalificação de profissionais até 2030 ganham um contorno crítico no cenário nacional devido à histórica lacuna de capacitação de mão de obra em ciência de dados e tecnologia de informação no Brasil. Para que os profissionais locais possam atuar efetivamente como supervisores e parceiros estratégicos de sistemas inteligentes, as empresas instaladas no território nacional precisarão investir pesadamente na formação contínua interna de seus colaboradores. A transição dependerá diretamente da velocidade com que o mercado brasileiro puder converter assistentes focados em tarefas em analistas focados em curadoria de sistemas autônomos.

Finalmente, a transição arquitetural de infraestrutura descrita por Surojit Chatterjee, da Ema, exigirá uma ampla higienização e integração das bases de dados legadas que atualmente operam em silos isolados em grande parte dos bancos e indústrias nacionais. Sem uma governança unificada de dados corporativos internos que permita o acesso de múltiplos sistemas na velocidade das máquinas, os agentes autônomos de IA não conseguirão desenvolver o conhecimento tácito necessário para a tomada de decisões corporativas com qualidade operacional superior. O descompasso estatístico inicialmente apontado pela pesquisa da MIT Technology Review Insights serve, portanto, como um forte alerta estratégico de que as empresas brasileiras precisam focar seus esforços iniciais no saneamento de suas infraestruturas básicas e na reconfiguração de seus fluxos de trabalho antes de colher os frutos da era dos agentes inteligentes.