Agentic AI — Cobertura contínua do impacto nas empresas
A Agentic AI saiu dos laboratórios e chegou de vez ao centro das estratégias corporativas. E não é exagero dizer isso. Segundo o Gartner, enquanto menos de 1% das aplicações corporativas contavam com esse tipo de tecnologia em 2024, a previsão é que esse número salte para 33% até 2028, com 15% das decisões do dia a dia sendo tomadas de forma autônoma, sem intervenção humana.
Mas o que diferencia a IA agêntica da IA que todo mundo já conhece? A resposta é direta: enquanto a automação tradicional segue regras fixas e scripts pré-definidos, a IA agêntica aprende com experiências, se adapta a situações novas e age de forma independente para atingir objetivos. Ela não só responde perguntas — ela toma decisões, executa tarefas e até se comunica com outros agentes de IA com pouquíssima supervisão humana.
É uma mudança de paradigma real, e as big techs já estão correndo atrás. Oracle, Microsoft, Cisco, Google, Salesforce, IBM, Nvidia, Adobe, ServiceNow e CrowdStrike já movimentaram suas peças no tabuleiro. Enquanto isso, casos reais de adoção, como o da DeVry University e da Stanford Health Care, mostram que a teoria está virando prática em setores tão diversos quanto educação e saúde.
Só que o caminho até aqui não foi linear e está longe de ser simples. Dados da McKinsey mostram que 39% das organizações estão experimentando agentes de IA, mas apenas 23% conseguiram de fato escalar essa tecnologia dentro de uma função de negócio. Ou seja, sair do piloto para a produção ainda é o maior desafio do momento. 🚧
Neste artigo, a gente mergulha fundo no que está funcionando, no que ainda trava as empresas, nos riscos de segurança que ninguém pode ignorar e no que vem pela frente numa corrida que prometeu muito mais do que entregou até agora — mas que também está só começando.
O que torna a Agentic AI diferente de tudo que veio antes
Durante anos, quando o assunto era inteligência artificial nas empresas, a conversa girava em torno de chatbots, assistentes virtuais e ferramentas de análise de dados. Todas essas soluções tinham algo em comum: elas dependiam de um humano para dar o próximo passo. A IA sugeria, o humano decidia. A IA analisava, o humano executava. Era uma relação de apoio, não de autonomia.
A Agentic AI quebra exatamente esse modelo porque ela não espera. Ela identifica o problema, elabora um plano, executa ações concretas, avalia os resultados e ajusta a rota — tudo isso dentro de um ciclo contínuo que pode acontecer sem que nenhum ser humano precise apertar um botão.
Isso muda a lógica da automação de forma bem profunda. Não estamos mais falando de scripts que seguem um fluxo fixo e param quando encontram uma exceção. Estamos falando de sistemas que conseguem lidar com ambiguidade, tomar decisões em contextos que nunca foram explicitamente programados e, em alguns casos, coordenar outros agentes de IA para dividir tarefas complexas entre si. É o que a indústria chama de sistemas multi-agentes, e eles são o coração das implementações mais avançadas que grandes players como Microsoft, com o Copilot Studio e o Agent 365, e Salesforce, com o Agentforce 360, já colocaram no mercado.
A IA agêntica também pode permitir que máquinas interajam com o mundo físico com um nível de inteligência sem precedentes, executando tarefas complexas em ambientes dinâmicos. Isso é especialmente relevante para indústrias que enfrentam escassez de mão de obra ou condições de trabalho perigosas. A Microsoft, por exemplo, está desenvolvendo tecnologias como o MindJourney, um framework que permite a agentes de IA em vídeo explorar espaços tridimensionais antes de tomar decisões, combinando análise de ambientes 3D com raciocínio contextual e previsão de movimentos.
Casos reais que mostram a tecnologia em ação
O caso da DeVry University é um bom exemplo do que essa tecnologia significa na prática. A instituição, que já utilizava IA em suas salas de aula há dez anos e começou a experimentar com bots de NLP e casos de uso de IA generativa assim que a tecnologia se tornou amplamente disponível, implementou seu primeiro agente de IA em abril de 2025. Os agentes passaram a apoiar estudantes ao longo de suas jornadas acadêmicas, desde dúvidas sobre matrícula até suporte personalizado para retenção de alunos. O resultado foi uma operação mais ágil, com atendimento disponível em escala e sem a necessidade de ampliar proporcionalmente o time humano.
Outro caso relevante veio da Stanford Health Care. Nigam Shah, Chief Data Officer da instituição, demonstrou durante o Microsoft Build 2025 como a IA agêntica está ajudando a redefinir o atendimento em oncologia. Médicos frequentemente ficam sobrecarregados com tarefas administrativas da medicina, o que leva ao burnout. Os agentes de IA estão sendo usados para aliviar essa carga, permitindo que os profissionais de saúde foquem no que realmente importa: o cuidado direto com os pacientes.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
O Walmart também está apostando pesado. Segundo Hari Vasudev, EVP e CTO da empresa nos Estados Unidos, a estratégia de inteligência artificial da companhia de 815 bilhões de dólares vai desempenhar um papel central para manter sua posição de liderança no varejo. A IA agêntica está sendo integrada em processos que vão desde a gestão de cadeia de suprimentos até a experiência do consumidor.
A corrida das big techs para dominar o ecossistema agêntico
Se existe uma coisa que ficou clara nos últimos meses, é que todas as grandes empresas de tecnologia estão apostando alto na Agentic AI — cada uma com sua própria abordagem e ângulo competitivo.
Microsoft e o controle do ecossistema de agentes
A Microsoft tem sido talvez a mais agressiva nessa corrida. Além do Copilot, que teve seu preço reduzido para pequenas e médias empresas para 21 dólares por usuário ao mês, a empresa lançou o Agent 365 (A365), um plano de controle que permite aos clientes implantar e governar o uso de agentes de IA à medida que eles se conectam a dados corporativos. A preocupação não é só criar agentes — é evitar o que a empresa chama de agent sprawl, uma proliferação descontrolada de bots que se torna impossível de gerenciar.
A empresa também lançou o Microsoft Agent Framework, um SDK e runtime de código aberto para construir, orquestrar e implantar agentes e fluxos de trabalho multi-agentes, com suporte completo para .NET e Python. E os novos agentes Researcher e Analyst do Copilot agora conseguem detalhar em tempo real como os dados estão sendo analisados para chegar aos resultados, trazendo uma camada de transparência que é cada vez mais exigida pelo mercado.
Google e a interoperabilidade entre agentes
O Google entrou forte com o Agent2Agent (A2A), um protocolo aberto apresentado no Cloud Next que busca resolver um dos maiores problemas do mercado: agentes construídos em ecossistemas diferentes de fornecedores não conseguem se comunicar entre si. O A2A visa criar um padrão de interoperabilidade que permita que agentes de diferentes plataformas trabalhem juntos de forma coordenada.
Além disso, o Gemini Enterprise substituiu o Agentspace como porta de entrada para IA agêntica no ambiente de trabalho, oferecendo funções de busca empresarial para acessar dados de diferentes aplicações. O Google também lançou o Agent Development Kit (ADK), um framework de código aberto que permite construir um agente de IA em menos de 100 linhas de código Python, e revelou o Agent Payments Protocol (AP2), desenvolvido com mais de 60 empresas de pagamentos e tecnologia para suportar transações seguras lideradas por agentes.
Oracle, Salesforce, IBM e o avanço nos aplicativos empresariais
A Oracle reformulou seu Fusion Cloud Applications com o lançamento dos Fusion Agentic Applications, incorporando agentes de IA diretamente em fluxos de trabalho transacionais. A empresa também adicionou agentes pré-construídos ao seu Fusion Cloud CX para automatizar processos de vendas, serviço e marketing.
A Salesforce atualizou sua proposta com o Agentforce 360 e o Trusted AI Foundation, evoluindo de uma plataforma de aplicações para um sistema operacional para ecossistemas de IA empresarial. Já a IBM lançou o serviço de consultoria Enterprise Advantage para ajudar CIOs a levar aplicações de IA agêntica da experimentação para produção em larga escala, além de adicionar capacidades de AgentOps ao watsonx Orchestrate com monitoramento em tempo real e controles baseados em políticas.
Por que escalar ainda é o maior gargalo das empresas
Se existe um número que resume bem o momento atual da Agentic AI nas empresas, ele veio da McKinsey: 39% das organizações estão testando agentes de IA em algum nível, mas apenas 23% conseguiram escalar para uma função de negócio real. Esse gap entre experimentação e produção não é acidente. Ele reflete uma série de desafios técnicos, culturais e operacionais que as empresas ainda estão aprendendo a navegar.
Desafios técnicos de integração
Do ponto de vista técnico, integrar agentes de IA com sistemas legados é frequentemente o primeiro obstáculo. Grande parte das empresas opera com infraestrutura que foi construída décadas atrás, com bancos de dados, ERPs e plataformas de CRM que não foram projetados para se comunicar com sistemas autônomos. Fazer com que um agente de IA acesse, interprete e aja sobre dados distribuídos em múltiplos sistemas exige um esforço de integração que vai muito além da implementação do modelo em si. É arquitetura, é governança de dados, é orquestração de APIs e, em muitos casos, é uma revisão profunda de como a empresa organiza suas informações.
Esse é exatamente o problema que a análise publicada pela CIO World chamou de armadilha do modelo único — a ideia de que basta ter um bom LLM para que tudo funcione em produção. Na realidade, agentes de IA falham porque o ambiente operacional é bagunçado: requisições mudam de formato, orçamentos de latência conflitam, ferramentas falham, custos disparam, restrições de política mudam e modos de falha se acumulam. É um cenário muito mais complexo do que qualquer demonstração de laboratório consegue simular.
A Databricks reconheceu esse desafio ao anunciar a aquisição da Neon, uma empresa de Postgres serverless de código aberto, especificamente porque a IA agêntica exige um novo tipo de arquitetura. Os fluxos de trabalho tradicionais criam gargalos que prejudicam velocidade e performance, e sem a infraestrutura de dados adequada, agentes simplesmente não conseguem operar de forma confiável em escala.
Resistência cultural e o fator humano
Do ponto de vista cultural, o desafio é igualmente grande. Delegar tomada de decisão para um sistema autônomo exige uma mudança de mentalidade que não acontece de um dia para o outro, especialmente em setores regulados como saúde, finanças e jurídico. Times acostumados a aprovar cada etapa de um processo precisam aprender a confiar em sistemas que tomam decisões sem pedir permissão — e isso gera resistência legítima.
Uma pesquisa citada pela CIO World revelou uma divisão interessante: enquanto a maioria dos CIOs e CTOs está otimista com a IA agêntica, acreditando que ela em breve se tornará essencial, os profissionais de TI de nível operacional — justamente os que serão responsáveis por implementar os agentes — têm dúvidas sérias. Essa desconexão entre liderança e execução é um fator que pode atrasar significativamente a adoção em larga escala. 🤔
Pesquisas de segurança também adicionaram peso a uma verdade que profissionais de infosec já tinham percebido: agentes de IA ainda não são muito inteligentes em certos contextos e podem ser facilmente enganados para fazer coisas erradas ou perigosas. Agentes ainda precisam de humanos para ensiná-los — conhecimento procedimental específico é fundamental para que eles desempenhem bem suas funções, e eles não conseguem se ensinar sozinhos, como sugere uma pesquisa recente.
Segurança, governança e os riscos que não podem ser ignorados
Quando um sistema de IA age de forma autônoma, a superfície de risco cresce proporcionalmente à sua capacidade de ação. E esse é um ponto que as empresas precisam levar muito a sério antes de expandir qualquer implementação de Agentic AI. Agentes que têm acesso a dados sensíveis, que podem executar transações, enviar comunicações ou modificar configurações de sistemas representam um vetor de ataque muito mais atrativo do que um chatbot simples. Se um agente for comprometido, manipulado por meio de prompt injection ou simplesmente mal configurado, as consequências podem ir muito além de uma resposta errada numa conversa.
O papel do MCP e seus riscos
O Model Context Protocol (MCP) se tornou o padrão plug-and-play para que aplicações de IA agêntica acessem dados em tempo real de múltiplas fontes. Milhares de servidores MCP já estão disponíveis de uma ampla gama de fornecedores, permitindo que assistentes de IA se conectem a dados e serviços empresariais. No entanto, como todo protocolo amplamente adotado, o MCP também introduz riscos significativos de segurança. A maneira como ele é implantado pode criar vulnerabilidades que atores maliciosos estão mais do que dispostos a explorar.
Frameworks de segurança e abordagem zero trust
A Cisco, que lançou sua plataforma AI Defense especificamente para endereçar essas questões, identificou que a maioria das empresas não tem visibilidade adequada sobre o que seus agentes de IA estão fazendo em tempo real. A empresa está implementando capacidades de gerenciamento de identidade e acesso, um toolkit para que clientes incorporem controles de segurança em agentes de IA e recursos de automação que permitem que equipes de operações de segurança vejam e respondam rapidamente a problemas.
A CrowdStrike também fez uma aposta massiva nessa área, lançando sua Agentic Security Platform e a Agentic Security Workforce após adquirir a Onum por 290 milhões de dólares. O objetivo é superar adversários que também estão usando IA com inteligência em tempo real, automação e uma linguagem comum de defesa.
As lições do OWASP Top 10 para gerenciamento de riscos de IA agêntica também são relevantes. Chatbots alimentados por LLMs já têm riscos que aparecem nas manchetes quase diariamente, mas chatbots são limitados a responder perguntas. Agentes de IA, no entanto, acessam dados e ferramentas e executam tarefas, tornando-os infinitamente mais capazes — e mais perigosos para as empresas.
O que as empresas mais maduras nesse tema têm feito é adotar uma abordagem de confiança zero aplicada especificamente para agentes de IA. Isso significa que cada agente opera com o mínimo de permissões necessárias para sua função, que todas as ações são registradas e auditáveis, e que existem mecanismos de revisão humana para decisões que ultrapassam determinados limites de impacto. IBM e Google têm empurrado exatamente essa direção com suas respectivas plataformas, e o mercado de ferramentas de observabilidade para IA está crescendo rapidamente justamente porque a demanda por segurança e transparência não é opcional. É pré-requisito.
A transformação de setores inteiros — do varejo à cibersegurança
A IA agêntica não está afetando apenas a área de TI. Ela está remodelando setores inteiros da economia, e os exemplos mais interessantes vêm de lugares que nem sempre são associados a tecnologia de ponta.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Varejo e a limpeza de dados
No varejo, tantos desafios dependem de dados de produtos não confiáveis. Agentes de IA estão sendo avaliados por sua capacidade de limpar e organizar esses dados o suficiente para fazer diferença real nas operações. Se funcionar para o varejo, a mesma abordagem pode ser aplicada a outras verticais de negócio que sofrem com o mesmo problema de qualidade de dados.
Cibersegurança na linha de frente
Na cibersegurança, a IA agêntica já saiu das demonstrações de laboratório para implantações reais em Centros de Operações de Segurança (SOC). Diferente de scripts tradicionais de automação, agentes de software são projetados para agir com base em sinais e executar fluxos de trabalho de segurança de forma inteligente — correlacionando logs, enriquecendo alertas e até tomando ações de contenção de primeira linha. Ao mesmo tempo, profissionais de segurança alertam que a IA agêntica é tanto aliada quanto ameaça, já que adversários também estão usando essas mesmas capacidades para sofisticar seus ataques.
O futuro do RPA e dos aplicativos SaaS
Outra transformação significativa envolve o futuro do RPA (Robotic Process Automation). O setor está acelerando em direção a uma encruzilhada, com líderes de TI e especialistas debatendo se agentes de IA mais poderosos vão substituir essa tecnologia que tem duas décadas de existência ou se agentes e RPA vão trabalhar lado a lado. Há argumentos fortes para os dois lados.
Da mesma forma, uma teoria emergente sugere que agentes de IA podem acabar com o modelo de negócio SaaS como o conhecemos. A afirmação não é nova, mas está ressurgindo com figuras como o CEO da Microsoft, Satya Nadella, vocalizando essa posição. Nadella chegou a afirmar que agentes vão substituir todo software. O CEO da Nvidia, Jensen Huang, prevê que em breve veremos centenas de milhões de agentes digitais dentro das empresas. São declarações ousadas, mas o consenso entre especialistas ainda está dividido sobre o quanto dessa visão vai se concretizar — e em que prazo.
O que vem a seguir nessa corrida
Com o Gartner projetando que 33% das aplicações corporativas vão incorporar Agentic AI até 2028, e que 40% dos softwares empresariais terão agentes de IA específicos para tarefas até o final de 2026, fica claro que a pergunta não é mais se essa tecnologia vai se tornar mainstream — mas sim em que velocidade e com que nível de maturidade isso vai acontecer.
A corrida entre as big techs já está definida em termos de quem são os players principais, mas o diferencial competitivo nos próximos anos vai depender muito menos de quem lançou o agente mais poderoso e muito mais de quem conseguir construir os ecossistemas mais confiáveis, mais seguros e mais fáceis de integrar com a realidade operacional das empresas.
A Nvidia, que pode parecer uma empresa de hardware à primeira vista, está cada vez mais posicionada como infraestrutura crítica para IA agêntica, com suas GPUs servindo de base sobre a qual a maioria dos grandes modelos e plataformas de agentes roda. O lançamento do toolkit AgentIQ para conectar agentes e frameworks distintos, além da família de modelos abertos Nemotron 3, reforçam essa posição. A empresa aposta que agentes de IA precisam cooperar, coordenar e executar em grandes contextos e longos períodos de tempo, o que exige um novo tipo de infraestrutura — uma que seja aberta.
Enquanto isso, a Oracle está apostando em integração profunda com seus próprios sistemas de ERP e CRM, criando um argumento convincente para empresas que já vivem dentro do ecossistema Oracle e querem reduzir a complexidade de implementação. A AWS criou uma divisão dedicada exclusivamente para promover a IA agêntica em sua plataforma. E a Red Hat fez da IA agêntica o tema dominante do seu Summit, anunciando melhorias no Linux empresarial com suporte aprimorado para containers, dispositivos de borda e, claro, agentes de IA.
Um executivo da EY alertou que empresas que estão lutando para acompanhar a chegada dos agentes de IA devem se preparar: tecnologias de IA agêntica ainda mais complexas estão chegando rapidamente, incluindo IA física com robôs e computação quântica. A mensagem é clara — quem acha que o momento atual já é desafiador ainda não viu nada.
O horizonte de 2028 parece distante, mas no ritmo em que essa tecnologia está evoluindo, três anos é tempo suficiente para que empresas que começaram a experimentar agora cheguem a implementações robustas e escaláveis, enquanto aquelas que ficaram esperando vão ter um gap difícil de recuperar. A automação inteligente, a tomada de decisão autônoma e a segurança por design não são mais conceitos do futuro. Eles estão sendo construídos agora, em produção, com resultados reais. E as empresas que entenderem isso mais cedo vão ter uma vantagem que vai muito além de eficiência operacional. 🚀
