Categoria: Agentes de IA

79% das pequenas empresas brasileiras já usam o WhatsApp para falar com cliente. Só 17% formalizaram o uso de inteligência artificial na operação. O dado vem da pesquisa TIC Empresas, do Cetic.br/NIC.br, divulgada pelo CGI.br: enquanto o canal de atendimento é praticamente unânime entre os pequenos negócios, a estruturação do trabalho com IA ainda engatinha — a participação subiu de 13% em 2024 para 17% na edição atual.

O contraste fica mais curioso quando se olha por porte: 79% das pequenas empresas usam WhatsApp no contato comercial, contra 75% das médias e 74% das grandes. Em outras palavras, a PME brasileira já domina o canal que as grandes corporações tentam copiar. O que falta não é acesso — é operação: registro de conversas, política de dados e alguém responsável pelo que a automação responde.

Por que o gap entre usar e formalizar custa dinheiro

Quem atende encomenda pelo WhatsApp do celular pessoal conhece o problema: o pedido chega quando o dono está na fornada, fica perdido entre conversas de família e some o histórico quando o aparelho troca. A pesquisa do Cetic.br mostra que a adoção de IA pelas empresas brasileiras cresceu de 13% para 17% em um ano — um avanço real, mas concentrado nas estruturas que já tratam atendimento como processo, não como improviso.

Tome um exemplo didático, com conta explícita — não é dado da pesquisa: uma padaria de bairro em Belo Horizonte recebe cerca de 150 mensagens comerciais por dia no WhatsApp do dono. Se as 5 perguntas mais comuns (preço do bolo, prazo, sabores, tamanho e retirada) representam 40% dessas mensagens, são 60 respostas repetidas por dia, cerca de 2 segundos cada, somando aproximadamente 45 minutos diários só para digitar a mesma coisa. Responder essas 5 perguntas de forma padronizada libera tempo da equipe e — mais importante — tira o pedido da dependência de um único celular.

Como formalizar o canal em 3 passos

1. Liste as 20 perguntas que mais chegam. Puxe o histórico de 7 dias do WhatsApp e anote o que se repete: horário, preço, prazo, estoque, forma de pagamento. Essas 20 respostas cobrem tipicamente a maior parte das mensagens de uma PME.
2. Automatize só essas 20 na conta oficial do WhatsApp Business. O canal já está nas mãos de 79% das pequenas empresas — a conta oficial garante API, catálogo, etiquetas e histórico preservado. Escopo fechado reduz erro: respostas prontas revisadas valem mais que um bot genérico improvisando.
3. Formalize a operação. Registro de conversas, política de dados do cliente e um responsável nomeado pela operação. Hoje só 17% das empresas brasileiras formalizaram o uso de IA (eram 13% em 2024) — é exatamente aí que a sua PME sai da média.

Erro a evitar: automatizar no número pessoal do dono

O atalho mais comum é plugar a automação direto no número pessoal — e é o erro mais caro. Sem conta oficial e sem registro de conversas, a PME perde o histórico quando o aparelho troca e fica sem base documental em disputa com cliente sobre o que foi combinado. Se a automação responde preço errado para 30 pessoas antes de alguém perceber, sem registro não há nem como medir o estrago. Formalizar não é burocracia: é o que separa os 17% dos 83% restantes.

O próximo passo é pequeno e cabe na semana

O canal que o cliente prefere já está nas suas mãos — o dado da TIC Empresas confirma que a pequena empresa usa WhatsApp mais que qualquer outro porte. O que falta é transformar uso em operação: lista de perguntas, conta oficial, registro e um nome responsável. Comece hoje por mapear as 20 perguntas que mais chegam e teste as respostas padronizadas em 1 cliente por semana — revise o roteiro em 30 dias com base no que a equipe precisou complementar à mão.

Fontes: Uso de inteligência artificial por empresas brasileiras avança e atinge 17%, aponta pesquisa do Cetic.br — CGI.br

O agente de IA que responde cliente, emite pedido e baixa estoque sozinho já está em produção em 86% das empresas — mas só 34% dos gestores confiam no que ele faz. O abismo entre implantar e confiar tem explicação simples: a implantação correu mais rápido do que o processo para lidar com o erro.

Estudo da Forrester Consulting encomendado pela Boomi com 409 decisores de TI da América do Norte, Europa e Ásia-Pacífico mostra que quase todos já passaram do piloto com agentes de IA — e apenas um terço confia nas ações que eles tomam. O levantamento batiza o problema de “caos agêntico”: multas, downtime e retrabalho somados custam em média US$ 2,1 milhões por ano às grandes empresas.

Na escala de uma PME, o mesmo desencontro aparece menor — mas com cliente na frente. É o caso de uma distribuidora de material de escritório em Campinas cujo agente emite orçamentos e baixa estoque no ERP sem conferência humana: quando ele erra preço ou saldo, quem descobre é o cliente, não o dono.

Framework: 3 passos para o agente errar sem virar prejuízo

1. Faça o inventário de risco. Liste toda ação que o agente toma sem humano — cobrar, descontar, mover estoque, responder — e marque as que podem gerar prejuízo direto.
2. Coloque guardrail antes de escalar. Teto de valor por ação, aprovação humana acima do teto e log de cada decisão. Em survey com 200 líderes empresariais (Censuswide/Caylent), 83% já colocam guardrails no mesmo patamar ou acima da inteligência do modelo — o freio importa mais que o motor (detalhes da pesquisa).
3. Some o custo do erro toda semana. Multas, sistema parado, retrabalho: nas grandes, o caos agêntico custa US$ 2,1 mi/ano; na pequena empresa, meça em horas de retrabalho e clientes perdidos.

Case brasileiro: agente de cobrança resolve 88% sem humano

Na Creditas, fintech brasileira de crédito com garantia, um agente de IA resolve 88% das conversas de cobrança sem intervenção humana — com CSAT de 4,5 contra 4,0 do atendimento humano. No 2T26, a operação atingiu originação recorde de R$ 1,14 bilhão (+34,2% a/a) movida por automação ponta a ponta com IA, incluindo a primeira aprovação de empréstimo 100% automatizada, sem revisão humana. O aprendizado para o dono de PME não é o volume: produção confiável nasce de métrica medida — taxa de resolução e satisfação —, não de confiança subjetiva (resultados do 2T26).

O erro a evitar

Escalar o agente pelo que ele acertou no piloto e não prever o que ele erra em produção. O piloto cobre os casos felizes; produção cobra o resto. E não confunda “a IA funciona” com “a IA é confiável”: no State of Development Report 2026, da Temporal, com 554 engenheiros, 41,1% encontram problemas com agentes diariamente ou mais, e 85,5% confiam nos resultados apenas parcialmente (relatório completo). Sem processo de revisão, o erro chega pelo WhatsApp do cliente.

Próximo passo

Reserve 30 minutos hoje para o inventário de risco: comece por mapear as ações do seu agente que tocam dinheiro e cliente, defina um teto de valor por ação e uma revisão semanal de amostra. Revise em 30 dias — se o custo do erro cair e a resolução subir, o guardrail funciona; se não, o problema é de escopo, não de modelo.

Fontes: 86% Of Enterprises Have Deployed AI Agents. Just 34% Trust Them (Boomi/Forrester Consulting) — https://boomi.com/resources/resources-library/agentic-chaos-forrester-study · 98% of Enterprise Leaders Would Let AI Agents Run Production, Under the Right Conditions (PR Newswire/Caylent) — https://www.prnewswire.com/news-releases/98-of-enterprise-leaders-would-let-ai-agents-run-production-under-the-right-conditions-caylent-survey-reveals-302844574.html · State of Development Report 2026: AI Agents (Temporal) — https://temporal.io/reports/state-of-developement-2026 · Creditas Releases its Q2-2026 Results (Cision) — https://news.cision.com/creditas-financial-solutions-ltd/r/creditas-releases-its-q2-2026-results,c4379622

Quase metade das empresas não sabe quais ferramentas de IA os próprios funcionários usam todos os dias — e o dado vem dos próprios times de segurança.

Pesquisa da Bitdefender com 1.200 profissionais de cibersegurança, publicada pelo TechTarget, mostra que 47% admitem não ter visibilidade total das ferramentas de IA usadas nas empresas onde trabalham. Não é sobre ataque de fora: é sobre o comercial que cola dados de clientes num chatbot pessoal para escrever uma proposta, fora do radar da TI.

Para o dono de PME, o número muda a conversa. A decisão sobre adotar IA costuma partir do pressuposto de que “a empresa ainda não usa IA” — quando o uso já existe, só não é visto nem governado.

O gap de percepção: 58% contra 46%

O mesmo levantamento mediu a distância entre o que o gestor acha e o que o praticante sabe. Do lado dos gestores de TI e segurança, 58% dizem ter visibilidade total do uso de IA. Entre os praticantes de segurança, só 46% confirmam. São 12 pontos percentuais entre quem presume enxergar e quem opera no dia a dia.

Traduzindo para a operação: o relatório de TI pode dizer que não há uso paralelo de IA enquanto um vendedor mantém conta pessoal de chatbot com dados de clientes. Quem decide sem validar na prática decide sobre uma foto antiga.

Como a PME fecha o gap em três passos

1. Pergunte sem punir. Pesquisa anônima de 5 minutos com o time: quem usa IA pessoal no trabalho, para quais tarefas e com quais dados. O que não se pergunta, não se governa — as empresas cegas dos 47% são, em geral, as que nunca perguntaram.
2. Valide o gap de percepção na prática. Se 58% dos gestores dizem enxergar tudo e só 46% dos praticantes confirmam, cheque com quem opera: peça à TI para listar contas e extensões de IA em uso nos navegadores corporativos e compare com o que a gestão imagina.
3. Dê a alternativa oficial. Adote uma conta corporativa de IA aprovada — e mais prática que a pessoal. Proibição sem substituição empurra o uso para a sombra: o funcionário continua usando, só passa a esconder.

O erro que mantém a empresa cega

O erro a evitar é tratar o relatório de TI como verdade final. O gap de 58% contra 46% existe justamente porque o gestor acha que vê e o praticante sabe que não. O segundo erro é responder à descoberta com proibição seca: sem alternativa oficial mais conveniente, o uso migra para canais ainda menos visíveis e o dado do cliente segue vazando.

O exemplo: uma transportadora de 25 pessoas

Imagine uma transportadora em Campinas com 25 funcionários. O comercial cola nomes, endereços e valores de frete de clientes num chatbot pessoal para redigir propostas mais rápido. Nenhum incidente aparece — até o dia em que a conta pessoal vaza ou o fornecedor muda a política de privacidade. A PME descobre depois, sem inventário e sem dono do problema.

Governança com resultado: o caso Hypera

Quando o uso de IA sai da sombra e ganha governança, o resultado é mensurável. A Hypera Pharma opera cerca de 400 agentes de IA com aprovação centralizada — o que a empresa chama de “carimbo oficial” — e reduziu o ciclo de contratos de 16 para 4 dias, com meta de economia de R$ 436 mil por ano. Não é sobre travar a IA: é sobre saber onde ela roda.

O risco de deixar sem dono não é teórico: das organizações que sofreram incidentes no último ano, 13% ligam o problema a vulnerabilidades de IA, segundo survey da Kaspersky com 1.800 decisores em 18 países.

Próximo passo

Se você gere uma PME, comece pela pesquisa anônima com o time nesta semana: 5 minutos, três perguntas, sem punição. Em paralelo, liste as contas de IA que já existem na empresa e nomeie quem responde por elas. Revise o resultado em 30 dias — se o inventário continuar vazio depois de perguntar, o problema não é o uso, é a pergunta.

Fontes: Employees’ shadow AI use is poorly monitored, survey finds — Craig Galbraith, TechTarget, 20/07/2026 — https://www.techtarget.com/cybersecurity/news/366646095/Employees-shadow-AI-use-is-poorly-monitored-survey-finds | 82% of organizations concerned about AI risks even as adoption accelerates — Kaspersky, 30/07/2026 — https://me-en.kaspersky.com/about/press-releases/82-of-organizations-concerned-about-ai-risks-even-as-adoption-accelerates-kaspersky-survey-reveals | Hypera Pharma opera agentes de IA com governança e meta de economia — Mobile Time, 20/08/2026 — https://www.mobiletime.com.br/noticias/20/08/2026/hypera-pharma-agentes/

A orquestração de agentes de IA consome CPU em massa — e é isso, não a GPU, que pode virar o principal custo da sua operação agêntica. A tese está no edital do supercomputador de R$ 1 bilhão do Plano Brasileiro de IA: a Intel confirmou ao Mobile Time que participa da disputa via apoio técnico ao governo, com equipamento entregue por parceiros como Dell, HP e Lenovo — não há venda direta no Brasil.

Para Tiago Rubortone Velasque, gerente da Intel para empresas e governo na América Latina, as GPUs concentram o treino dos modelos, mas a IA agêntica vai demandar consumo massivo de CPUs para orquestrar aceleradores e agentes — executar código, navegar na web, chamar APIs — e dar viabilidade financeira à operação. O edital prevê uma máquina de 7,2 mil petaflops; a licitação deve ser concluída entre novembro de 2026 e fevereiro de 2027, com implantação até o fim de 2027, segundo o Valor Econômico, que também registra a AMD na disputa.

O que isso muda na conta da sua PME

Não é discussão de data center. É sobre onde o dinheiro da sua operação de agentes vai parar. Segundo o Valor, a proporção de data center passa de 8 GPUs por CPU no treino para algo próximo de 1:1 na era da inferência agêntica — e a mesma lógica vale, em escala menor, dentro da sua empresa. O framework, em 3 passos:

1. Meça onde seus agentes gastam. A orquestração — decisões, chamadas de API, navegação web — roda em CPU; o modelo pesa em GPU. Separe as duas contas antes de assinar ou renovar qualquer contrato de infraestrutura.
2. Dimensione pelo novo padrão. Se a proporção caminha para cerca de 1:1, uma frota de agentes em produção precisa de mais CPU do que o senso comum sugere. Revise o dimensionamento atual com esse parâmetro.
3. Negocie com esse dado. Ao contratar VPS ou nuvem para rodar agentes, priorize CPU com boa relação preço-desempenho em vez de superdimensionar GPU.

Case brasileiro: a régua de escala e custo

A Hypera Pharma mostra o tamanho que a operação agêntica pode tomar no Brasil: são quase 400 agentes de IA internos no back-office, com meta de economia de R$ 436 mil por ano, segundo relato do consultor de inovação Rodrigo Marangon no Superbots Experience 2026. Um dos casos internos, uma agência com 130 criativos, passou a produzir 65% das campanhas de marketing com IA e cortou o tempo de criação de 16 para 4 dias — 75% menos. Escala assim só fecha a conta se a infraestrutura acompanhar o padrão de consumo descrito pela Intel.

O erro a evitar

Superdimensionar GPU para uma frota de agentes. O gargalo da IA agêntica é a orquestração em CPU — a própria fonte cita o consumo massivo de CPUs como condição de viabilidade financeira. Um escritório de contabilidade de 30 funcionários que roda 8 agentes de conciliação e cobrança, por exemplo, paga a conta na orquestração, não no modelo. Contratar pacote pesado de GPU para esse perfil é desperdiçar orçamento enquanto a CPU afoga nos picos de uso.

Próximo passo

A infraestrutura de IA está virando insumo licitado no Brasil — quem fornece e a que preço define quanto a PME vai pagar para rodar agentes em reais em vez de dólar. Comece por mapear, nesta semana, a divisão CPU/GPU dos seus agentes atuais; depois teste o novo dimensionamento em 1 cliente ou 1 processo e revise o contrato de hospedagem em 30 dias.

Fontes: Intel deve participar do supercomputador do governo federal — https://www.mobiletime.com.br/noticias/04/09/2026/intel-supercomputador/ · AMD pretende entrar na lista de fornecedores para supercomputador de IA do Brasil — https://valor.globo.com/empresas/noticia/2026/09/06/amd-pretende-entrar-na-lista-de-fornecedores-para-supercomputador-de-ia-do-brasil.ghtml · Hypera Pharma opera quase 400 agentes de IA internos — https://www.mobiletime.com.br/noticias/20/08/2026/hypera-pharma-agentes/

Gartner: 40% de projetos de IA agêntica cancelados — problema é sujo

Um estudo recente da Gartner alerta que mais de 40% dos projetos de inteligência artificial agêntica serão descontinuados até o fim de 2027. O motivo não é a falha da tecnologia, mas a tentativa de sobrepor uma camada de IA sobre processos e bases de dados já contaminados por duplicatas, indicadores inconsistentes e cadastros desatualizados.

1. Audite suas bases — Antes de qualquer implantação, elimine duplicados em ERP, CRM e planilhas. Padronize indicadores e garanta que os dados estejam limpos e atuais.
2. Exija ROI por caso de uso — Implante agente apenas onde houver métrica clara de comparação, como tempo de resposta, custo por ticket ou taxa de conversão.
3. Valide o fornecedor — Fuja do ‘agente washing’, ou seja, chatbots reapresentados como inteligência artificial. Teste PoC com seus dados próprios e compare contra baseline humano.

Erro a evitar: escolher a ferramenta de IA agêntica antes de limpar a base de dados. O agente escala o erro, não a acurácia.

Uma PME — fábrica de móveis em Bento Gonçalves (RS) — ilustra o risco: ao implantar um chatbot sobre um ERP com cadastros desatualizados, gerou 30% de pedidos com preço errado na primeira semana. A lição é clara: dados limpos são pré-condição para qualquer automação.

Próximo passo: comece por mapear os dados críticos da sua PME e elimine redundâncias antes de avaliar qualquer solução de IA agêntica.

Fontes: 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, mas o problema não é a IA — https://canaltech.com.br/colunas/40-dos-projetos-de-ia-agentica-serao-cancelados-ate-o-fim-de-2027-mas-o-problema-nao-e-a-ia/