A nova epidemia corporativa: transformar tudo em agente de IA

No final de um evento, fiquei conversando com o CEO de uma empresa de grande porte sobre suas experiências com agentes de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI →. Ele descreveu diversas iniciativas em finanças, compras e recursos humanos. À medida que detalhava os projetos, percebi os sinais de algo que tenho encontrado com frequência: parte daquilo que a organização chamava de agentes poderia ser implementada com tecnologias convencionais, sem necessidade de introduzir mecanismos adicionais de autonomia.

Estamos criando uma inflação artificial de agentes de IA. E muitas empresas correm o risco de comprar complexidade acreditando que estão comprando inovação. O problema não é apenas terminológico. Quando qualquer solução que incorpora um LLM passa a ser apresentada como agente, fica mais difícil distinguir capacidades efetivamente novas de funcionalidades que já poderiam ser implementadas com outras arquiteturas.

Esse fenômeno vem sendo chamado de agent washing: a prática de apresentar soluções como agênticas, atribuindo-lhes capacidades de autonomia e decisão que não correspondem necessariamente ao seu funcionamento real.

Considere um processo financeiro. Uma fatura é recebida, seus dados são extraídos, os valores são confrontados com o pedido de compra e o documento segue para aprovação conforme regras estabelecidas. É um fluxo perfeitamente válido, capaz de produzir ganhos operacionais relevantes. Mas acrescentar um LLM para interpretar documentos não transforma necessariamente esse processo em um agente.

Um sistema agêntico baseado em IA generativa pode interpretar objetivos, selecionar ferramentas, definir etapas intermediárias e adaptar sua execução às condições encontradas, respeitando permissões e restrições estabelecidas.

Isso não significa autonomia irrestrita. Tampouco implica que todas as decisões sejam tomadas pelo modelo. Na prática, esses sistemas podem combinar LLMs, regras determinísticas, mecanismos de orquestração e validações externas.

Também não existe uma fronteira técnica universalmente aceita entre automação avançada e sistemas agênticos. A autonomia pode variar significativamente entre diferentes arquiteturas.

Por isso, considero mais importante compreender o comportamento efetivo da solução do que discutir sua classificação comercial.

A questão central não é se o software merece ser chamado de agente. É se a autonomia adicional oferece vantagens mensuráveis em relação a alternativas mais simples.

Em processos previsíveis, com regras estáveis e poucas exceções, soluções determinísticas frequentemente oferecem vantagens de previsibilidade, custo e facilidade de controle. Introduzir componentes agênticos pode acrescentar variabilidade, latência, consumo de recursos computacionais, novas superfícies de ataque e exigências adicionais de observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps →.

Mas essas consequências não são inevitáveis. Dependem da arquitetura, dos modelos utilizados, das ferramentas disponíveis e dos mecanismos de controle.

Agentes podem ser particularmente úteis quando a execução exige selecionar ações, utilizar diferentes ferramentas e adaptar a sequência de trabalho a situações que não podem ser completamente antecipadas.

Imagine um processo de compras. Verificar campos obrigatórios, aplicar critérios fixos e encaminhar documentos não exige necessariamente um agente. Mesmo a interpretação de informações não estruturadas pode ser realizada por modelos especializados ou LLMs integrados a fluxos convencionais. Já analisar situações excepcionais, consultar diferentes sistemas, comparar alternativas e propor encaminhamentos pode justificar uma arquitetura com maior flexibilidade.

Mas existe uma distinção essencial entre recomendar e executar. Consultar fornecedores não equivale a negociar contratos. Sugerir pagamentos não significa estar autorizado a realizá-los.

Quanto maior a capacidade de executar ações com consequências financeiras ou operacionais, maior a necessidade de identidade e permissões específicas, limites de atuação, validação de operações críticas, registros auditáveis e mecanismos de intervenção e recuperação.

Autonomia não é um benefício em si. É uma escolha arquitetural que precisa justificar seus custos, riscos e responsabilidades adicionais. Por isso, tenho defendido que a discussão comece pelo processo de negócio, não pela tecnologia.

Antes de aprovar um projeto, a organização deveria definir quais problemas pretende resolver, quais decisões poderão ser delegadas, quais ações exigirão aprovação humana e quais resultados justificarão a solução.

Também deveria comparar alternativas. Um fluxo determinístico, um modelo preditivo, um LLM integrado a aplicações existentes e um sistema agêntico podem resolver partes diferentes de um mesmo problema. A escolha não precisa ser excludente.

Essa comparação deve considerar o custo total de operação, incluindo integração, inferência, tratamento de exceções, supervisão, segurança, manutenção e recuperação de falhas. E, principalmente, indicadores de negócio. Tempo de ciclo, custo por transação, taxa de erros, retrabalho, qualidade do serviço e impacto econômico efetivamente capturado são muito mais relevantes do que a quantidade de agentes implantados.

Um sistema tecnologicamente mais sofisticado não representa necessariamente uma solução empresarial superior.

Vejo muitas organizações começando a estruturar extensos catálogos de agentes, como se a quantidade de componentes implantados fosse uma medida de avanço tecnológico. Catálogos podem ser úteis para padronização, reutilização e governança. O problema aparece quando o número de agentes se transforma em objetivo, incentivando a criação de soluções independentes que multiplicam integrações, dependências e custos de sustentação.

Nesse cenário, a empresa pode acabar substituindo processos fragmentados por uma arquitetura igualmente fragmentada, apenas com uma camada adicional de IA.

O verdadeiro avanço está em escolher conscientemente a abordagem adequada a cada situação, combinar tecnologias quando necessário e avaliar seus resultados em condições reais de operação.

No final daquela conversa, fiquei com a convicção ainda mais forte de que estamos correndo o risco de repetir com os agentes um erro recorrente em outras ondas tecnológicas, quando a quantidade de projetos implantados passou a ser confundida com transformação empresarial.

Uma empresa não se torna mais inteligente porque possui centenas de agentes. Pode apenas ter criado centenas de novos componentes para integrar, monitorar, proteger e manter. O que importa é melhorar processos, eliminar etapas desnecessárias, apoiar decisões e utilizar o grau de autonomia compatível com os riscos e benefícios de cada atividade.

Não sou contrário aos agentes. Pelo contrário, considero que sistemas agênticos podem ampliar significativamente as possibilidades de aplicação da IA nas empresas.

Mas justamente por reconhecer esse potencial, acredito que precisamos abandonar a ideia de que toda automação deveria evoluir para um agente. A maturidade corporativa em IA não está em utilizar sempre a tecnologia mais sofisticada. Está em saber quando essa sofisticação produz benefícios que justificam sua adoção.