Plataforma interna de agentes de IA no varejo: eficiência antes de receita, governança antes de escala

Comprar ou construir

Numa plenária de tecnologia captada ao vivo pela redação do iMasters no Fórum E-Commerce Brasil 2026 (transcrição automática, disponível na fonte), executivos de uma operação de varejo detalharam a decisão que boa parte das empresas brasileiras enfrenta hoje: comprar uma plataforma de orquestração de agentes de IA ou desenvolver internamente.

A escolha pela construção própria, segundo os palestrantes, se apoiou em quatro fatores: eficiência sem dependência de fornecedores externos, governança total baseada nas políticas da própria casa, escalabilidade dentro da operação e autonomia para plugar o LLM de sua escolha no orquestrador. O resultado foi batizado internamente como uma plataforma que conecta front-end e back-end aos sistemas corporativos (ERP e afins), rodando os agentes por cima dessa camada.

Aviso importante: a transcrição é automática e nomes próprios, siglas e números podem conter erros de reconhecimento. Os valores citados a seguir vêm do palco e merecem confirmação em fonte independente antes de serem tratados como oficiais.

Onde o ganho aparece primeiro

O recado mais direto para quem constrói: eficiência vem antes de receita. A justificativa é pragmática. Reduzir custo em áreas com trabalho repetitivo é mais rápido e previsível do que gerar receita nova via IA, que os próprios palestrantes admitiram ainda estar "engatinhando".

O exemplo mais concreto foi o processamento de notas fiscais. A operação lida com um volume entre 12 mil e 15 mil notas por mês, antes com forte trabalho manual (o clássico problema do humano que digita um número errado, trava a esteira e atrasa pagamento). Com IA para classificar tipo e natureza da nota, os números apresentados foram:

• 98% de acerto já nas primeiras tentativas ("no IPC", provavelmente PoC/piloto)
• Input de dados caindo de 2 a 3 minutos para 25 a 30 segundos
• 90% das notas processadas automaticamente
• Campos manuais reduzidos de cerca de 1.500 para 700

Outro caso citado: um bot de atendimento economizando R$ 3,5 milhões por ano. E um agente de análise jurídica com 70 mil contratos de serviço já cadastrados, cuja próxima fase seria pré-montar minutas de contratos de aluguel (13 mil contratos distintos) para revisão humana, reduzindo custo com escritórios externos. No agregado, os palestrantes falaram em retorno de R$ 10 milhões sem redução de time.

O ponto que interessa a quem constrói

O mérito técnico aqui não é o número, é o método. Antes de qualquer iniciativa, definiram um ponto zero de medição e a pergunta de qual objetivo se persegue: reduzir custo ou aumentar receita. Cada iniciativa tem o retorno reavaliado de três em três meses, seja em ganho de tempo, redução de retrabalho ou liberação de equipe para decisão estratégica.

O argumento sobre governança e dados é o que mais se sustenta tecnicamente. Sem base de conhecimento governada, os agentes não funcionam bem, e um dos objetivos declarados foi transformar "documentação orgânica" (aquele conhecimento espalhado e informal) em documentação real e reutilizável. A frase que resume a filosofia: governança antes de instalar. Colocar agente em produção sem governança, segundo eles, aumenta muito a chance de erro.

Agente versus assistente

Uma distinção conceitual apareceu e vale registrar porque ajuda a organizar arquitetura: agente é o núcleo orquestrado na plataforma; assistente é a interface que opera dentro de cada área de negócio (conectada a canais como WhatsApp e ferramentas de produtividade). Vários assistentes se conectam a agentes de temas diferentes, que trocam informação entre si.

A jornada foi dividida em três horizontes: fundação (dado governado, FinOps de cloud conectado ao LLM), desenvolvimento (integração com back-end e canais em linguagem natural) e, no próximo passo, agentes autônomos com decisão autorizada por humano, além de revisitar processos de RPA não para acelerá-los, mas para transformá-los em fluxos que agreguem ao negócio.

Trade-offs honestos

Dois pontos merecem ceticismo. Primeiro, o clássico "98% de acerto" é métrica de piloto, não necessariamente sustentada em produção sob variedade real de documentos; sem detalhe da metodologia de avaliação, é difícil comparar. Segundo, o discurso de "não cortamos ninguém" convive com automação de tarefas antes manuais, o que exige olhar honesto sobre requalificação de equipe.

O fechamento traz talvez o melhor conselho para times técnicos: não se apaixone pela tecnologia, apaixone-se pelo problema, e não distorça um processo existente só para encaixar a IA. Comece pequeno, erre rápido, corrija, e só depois pense em escalar. Para quem constrói no Brasil, é um roteiro mais útil que qualquer promessa de plataforma pronta.

Fonte: Transcrição ao vivo — Plenária Tecnologia & Inovação (15:30–16:00)