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.
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.
Nenhum comentário:
Postar um comentário