Em junho de 2025, a Gartner publicou um aviso que atravessou o mercado de tecnologia: mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027. Não era uma questão de tecnologia insuficiente. Era uma questão de expectativa defraudada. A consultoria nomeou o culpado: "agent washing", o hábito de fornecedores rebatizarem assistentes de IA e automações antigas como "agentes" sem mudança real. Dos milhares de empresas que dizem vender agentes, a Gartner estimou que apenas aproximadamente 130 oferecem algo de verdade.
Para empresas brasileiras e latino-americanas, a questão é urgente. Quando uma empresa decide investir em IA agêntica, está procurando trabalho feito — não conversa bonita. E a diferença entre o que promete o slide e o que está sendo entregue é exatamente onde aparecem os cancelamentos.
O problema que nenhuma IA resolve sozinha
Um agente renomeado é um chatbot que responde melhor. Um agente de verdade é um programa que age. A diferença vai além do marketing — é arquitetura.
Quando o financeiro precisa de um agente para auditar contas a receber, a expectativa é que ele entre no sistema, veja quem está atrasado, organize pelo tempo em atraso, prepare um e-mail de cobrança e, antes de enviar, pause e peça aprovação de um gerente. Tudo isso deixando registro de cada passo.
O que muitos fornecedores fazem é instalar um chatbot melhor que conversa sobre contas a receber, mas alguém do financeiro ainda precisa fazer manualmente cada uma das ações.
Segundo a Outreach, cinco capacidades diferenciam um agente real de uma automação renomeada: decisão inteligente diante de vários sinais, não um roteiro fixo; reunir informação de vários sistemas ao mesmo tempo, não um único cadastro; executar tarefas demoradas sem intervenção manual; identificar sinais críticos e agir sobre eles; e sugerir o próximo passo mais adequado para aquela situação específica.
Boa parte dos projetos cancelados nasceu exatamente nesse intervalo: entre decidir e sugerir, e realmente executar e se adaptar sozinho.
Uma rotina comum de escritório ajuda a ver essa diferença de perto. Toda semana, o setor financeiro de uma empresa de médio porte recebe dezenas de notas fiscais de fornecedores para conferir contra o pedido de compra antes de liberar o pagamento. Um chatbot renomeado consegue explicar o processo e até apontar uma divergência quando alguém pergunta. Um agente de verdade abre o sistema financeiro, cruza cada nota com o pedido correspondente, sinaliza as que não batem e só libera o pagamento depois que um responsável confirma — sem que ninguém precise copiar dado de uma tela para outra.
Por que proibir e implementar sozinho não funciona
Muitas empresas tentam dois caminhos que fracassam. O primeiro é desconfiar de tudo que promete IA agêntica e proibir a tecnologia. O segundo é colecionar pilotos desconectados, cada time com seu próprio agente, sem padrão de identidade ou auditoria.
Os números revelam o padrão. Segundo pesquisa da Anagram com profissionais nos Estados Unidos, 45% dos colaboradores já usaram ferramentas de IA proibidas pelo empregador — 26% deles na semana anterior à pesquisa. Uma política sem alternativa confortável não reduz o uso. Reduz a visibilidade dele.
Deixar que cada time implemente um agente sozinho também não resolve. O que funciona bem fica preso a quem descobriu. Não fica documentado quem autorizou cada ação. Quando há um incidente, ninguém consegue reconstruir o que o agente fez e por quê.
A Cloud Security Alliance encontrou que 71% das conexões a ferramentas de IA acontecem por contas pessoais, fora do controle corporativo. Nesse cenário, é impossível saber quem pediu o quê, com qual informação e sob qual autorização.
O problema não se limita a agentes malrotulados. Um levantamento do MIT, divulgado em 2025 pela iniciativa NANDA e baseado em 300 implantações analisadas, 150 entrevistas com executivos e uma pesquisa com 350 funcionários, concluiu que só cerca de 5% dos pilotos de IA generativa nas empresas aceleram a receita; a grande maioria empaca, com pouco ou nenhum impacto mensurável no resultado financeiro. Segundo o levantamento, o motivo raramente é a tecnologia em si: é a falta de integração da ferramenta ao fluxo de trabalho real da equipe, o mesmo ponto cego que abre espaço para o agent washing.
O que precisa existir na prática
Um ambiente com agentes de verdade se define por quatro mecanismos verificáveis. Nenhum é sobre desconfiar da equipe. São sobre permitir que ela trabalhe com IA sem carregar sozinha a responsabilidade de cada decisão.
Identidade corporativa, não conta pessoal. O agente entra com o mesmo login da rede — a pessoa que o controla usa sua identidade corporativa, o perfil vem do diretório e quem é desligado no diretório perde o acesso junto, sem depender de alguém lembrar de revogar uma conta. Isso responde a uma pergunta simples: quem estava no controle?
Acesso conforme o papel de cada pessoa. Se um agente precisa apenas ler documentos de RH, libera-se leitura de RH. Se precisa também marcar reuniões em um calendar corporativo, adiciona-se permissão para calendar. Não se libera "tudo" porque "era o único jeito". A granularidade é para evitar que um incidente de segurança dê ao atacante todas as chaves da casa.
Aprovação humana antes de ação sensível. Ações de risco (enviar um e-mail em nome da empresa, registrar dados financeiros, marcar uma reunião com tomador de decisão) fazem o agente parar e pedir confirmação de uma pessoa antes de seguir. Documentos críticos podem exigir revisão de dois olhos — quem escreve separado de quem aprova — deixando claro quem autorizou que conteúdo virar informação que o agente vai usar.
Trilha de auditoria detalhada. Cada ação do agente fica registrada: que ferramenta foi conectada, que permissões foram usadas, quem aprovou, o que mudou, quando. Em uma auditoria ou investigação de incidente, é a diferença entre reconstruir em minutos e não conseguir reconstruir.
É assim que a Skyller foi desenhada: agentes que operam com identidade corporativa real, aprovação humana antes de ações sensíveis e trilha de auditoria em cada passo.
O ganho não é só para TI — é para a empresa inteira
Quando o agente opera dentro de regras claras de identidade e aprovação, o que funciona bem não fica preso a uma pessoa. O analista que descobriu o roteiro perfeito para processar uma fatura pode documentá-lo uma vez, e o agente executa para todos que têm permissão. Alguém da equipe cria; a empresa inteira avança.
O segundo ganho é de orçamento. Quando cada time compra sua própria assinatura de IA, sobram licenças ociosas de um lado e gente batendo no limite do outro. Créditos compartilhados pela equipe resolvem os dois: quem precisa usa mais, e o consumo fica visível para planejar.
Para uma empresa brasileira que ainda roda boa parte do backoffice em planilhas e e-mail, esse ganho conta duas vezes. Fica mais fácil justificar o investimento perante a diretoria quando o resultado é mensurável — menos retrabalho, menos gente presa a tarefa repetitiva — e não apenas uma demonstração bem-feita. E como o processo fica documentado no próprio ambiente, a saída de um funcionário não leva junto o caminho que ele mesmo desenhou.
Quatro perguntas para fazer na demonstração
Antes de assinar com um fornecedor de agentes, leve estas perguntas à demonstração. As respostas revelam se você está comprando um agente de verdade ou um chatbot com outro nome.
-
"Se um colaborador for desligado hoje, em quantas ferramentas ele ainda consegue entrar amanhã?" Se depender de alguém lembrar de cancelar contas em cada plataforma, o problema não é segurança — é falta de identidade corporativa. Um agente real se integra ao diretório da empresa.
-
"Quando o agente precisa fazer algo importante, ele para e pede aprovação de um gerente dentro da conversa ou ele só avisa depois?" Se a resposta for "só avisa depois" ou "o usuário tem que aprovar tudo", você está olhando para um assistente. Um agente real equilibra autonomia com risco: algumas coisas faz sozinho, outras para e pede.
-
"Se houve um incidente — um agente enviou uma mensagem errada ou conectou dados errados — vocês conseguem reconstruir exatamente o que foi feito, quem aprovou e por quê?" Se a resposta incluir "seria difícil" ou "depende de logs que talvez não estejam disponíveis", não há trilha de auditoria real. A empresa não conseguirá investigar depois.
-
"O agente consegue trabalhar apenas com permissões mínimas — ler um tipo de documento, conectar em um sistema — ou precisa de acesso amplo?" Se precisar de acesso amplo, um erro atingirá mais do que deveria. Granularidade de permissões é o sinal de que o fornecedor pensou em segurança, não em conveniência de implementação.
