O que realmente é necessário para escalar a IA agentiva

Todos estão construindo agentes de IA, mas poucos estão gerenciando-os bem. Veja como fazer da maneira correta.

Primeiro foi a IA generativa, depois a AGI capturou a imaginação. Agora, é a IA agentiva que mantém os executivos acordados à noite, à medida que os líderes empresariais buscam uma solução de IA que não apenas gere respostas, mas atue, decida e ofereça um valor real para os negócios.

As salas de reunião estão obcecadas com essa tecnologia, investidores estão apostando nela, os tomadores de decisão estão realizando testes e os analistas da Gartner projetam que, até 2028, um terço dos softwares empresariais incluirá IA agentiva — de apenas 1% em 2024 — permitindo que 15% das decisões diárias sejam tomadas de forma autônoma.

No entanto, apesar de tanto alarde, algo não está funcionando e a maioria das organizações continua presa a projetos piloto, muitos dos quais nunca chegam a ser escalados para produção ou acabam falhando durante a implementação. Para se ter uma ideia, 85% dos projetos de IA falham. Segundo os profissionais que desenvolvem essas ferramentas, o problema recorrente é que, embora dispõem de agentes de IA, falta o ecossistema adequado para sustentá-los.

Construindo a infraestrutura primeiro

Aishwarya Singh, vice-presidente sênior de Serviços de Colaboração Digital da NTT DATA, acompanhou essa situação de perto. “Os maiores gargalos econômicos incluem o alto investimento inicial em infraestrutura e tecnologia, o custo de integrar a IA aos sistemas já existentes e a necessidade de talentos especializados para gerenciar e manter esses sistemas”, afirmou em entrevista.

Em teoria, a IA agentiva deveria reduzir custos e complexidade. Mas, na prática, ela adiciona uma nova camada de ambos — principalmente se as empresas a tratarem como um produto e não como um processo. “Muitos líderes subestimam o tempo, o esforço e os recursos necessários para uma integração bem-sucedida”, comentou Singh, ressaltando que ignorar esses fatores pode levar a atrasos nos projetos, custos excedentes e desempenho aquém do ideal.

O déficit de talentos em IA

Contudo, a falta de infraestrutura ou de um ecossistema adequado não é o único obstáculo à expansão da IA agentiva. Outro problema, e talvez ainda maior, é o déficit de talentos na área. Segundo um estudo recente da Accenture, que envolveu 3.400 executivos e 2.000 projetos empresariais, apenas 13% das iniciativas de IA estão gerando um valor significativo para os negócios. O motivo? As empresas estão investindo três vezes mais em tecnologia do que em pessoas — e essa lacuna de habilidades na área de IA é evidente.

“A prontidão de talentos é uma das maiores barreiras para escalar e desbloquear valor para as empresas”, afirmou Jack Azagury, diretor executivo do grupo de consultoria da Accenture. “É possível investir em todas as ferramentas de IA generativa disponíveis, mas se os funcionários não souberem como ou por que utilizá-las, o valor simplesmente não se concretiza.”

Singh concorda, destacando que essa crescente lacuna de talentos em IA é a razão pela qual a NTT DATA está investindo na capacitação de 200 mil funcionários e certificando 15 mil especialistas em IA generativa somente neste ano. “Isso também tem estimulado muitas ideias sobre como podemos aproveitar essa tecnologia para melhorar o desempenho do nosso próprio negócio, o que tem gerado inovações incríveis”, complementou.

O desastre na implantação da IA

Após superar o desafio relacionado aos talentos, surge outro problema ainda maior: a implantação efetiva da IA. Um estudo recente do National Bureau of Economic Research acompanhou o uso de chatbots de IA em 7.000 ambientes de trabalho e revelou que esses chatbots tiveram impacto quase insignificante sobre a remuneração ou a carga horária dos funcionários em qualquer ocupação. Apesar da adoção em larga escala, constatou-se que, em média, a IA economizou apenas 3% do tempo dos colaboradores, dos quais apenas 3 a 7% foram repassados na forma de remuneração adicional.

Ainda mais surpreendente foi a constatação de que a maioria dos funcionários redirecionou o tempo economizado para outras atividades, muitas vezes para tarefas decorrentes da própria IA — como editar os resultados, revalidar informações imprecisas ou ajustar o tom da comunicação. Em outras palavras, a tecnologia acabou adicionando mais complexidade do que eliminou.

Isso é semelhante ao que a IBM constatou em um estudo separado, que mostrou que apenas 25% dos projetos de IA entregam o retorno sobre o investimento (ROI) esperado. Além disso, o relatório mais recente da Informatica aponta que problemas de qualidade de dados e de integração continuam sendo a principal razão para o fracasso da maioria dos projetos de IA.

A conclusão é que os agentes de IA não escalam porque as empresas ainda não sabem ou não compreendem como ampliar e otimizar as condições que os cercam.

A complexidade pós-implantação

Se, porventura, você conseguir implantar seus agentes de IA com sucesso, o próximo desafio será lidar com o que acontece após a implantação. Mesmo o melhor agente de IA precisa de uma equipe de apoio — desenvolvedores, administradores de dados, arquitetos de segurança, treinadores, especialistas em ética, entre outros. É exatamente nesse ponto que muitas empresas enfrentam o maior desafio, segundo Singh: não se trata apenas de implantar um agente, mas de gerenciar todo o cenário que se segue.

Após a implantação, a gestão dos agentes envolve atualizações regulares, monitoramento de desempenho, auditorias de segurança e alinhamento com as metas de negócio em constante evolução. “Um ponto de dor significativo que estamos ouvindo dos clientes é como lidar com o aumento do número de agentes de IA dentro das organizações”, afirmou Singh, destacando que muitas empresas estão agindo às cegas ao construir esses agentes sem uma estratégia clara para mantê-los operacionais, devidamente governados e otimizados em escala.

Onde começa o ROI real

Então, o que está funcionando? Se a IA agentiva é sobrecarregada por tantas complexidades, por que ainda existe tanto alarde a seu respeito, de modo que muitas empresas ao redor do mundo estão apostando nessa mudança?

A resposta de Singh é que, apesar das dificuldades, a IA agentiva possui casos de uso reais que revelam seu potencial quando implantada corretamente. “Estamos observando excelentes casos de uso em serviços de TI, automação tática de processos, atendimento ao cliente e modelos multiagentes para tarefas mais complexas, como a gestão de inventário”, explicou. “Os clientes podem esperar um período de retorno entre 6 e 12 meses, com ganhos de produtividade perceptíveis já nos primeiros meses.”

No entanto, esses resultados só se manifestam quando existe um sistema completo por trás do agente — um sistema que envolve a gestão de mudanças, o desenvolvimento de talentos, a integração entre plataformas e a otimização contínua. Conforme apontou Singh, as empresas que alcançam o sucesso são aquelas que criam protótipos rapidamente para casos de uso táticos, com equipes alinhadas às grandes plataformas de nuvem e preparadas para escalar dentro dos ambientes existentes.

Acertando o básico

A IA agentiva não vai escalar somente por você ter contratado um fornecedor; ela escalará porque você construiu a arquitetura interna — abrangendo aspectos técnicos, organizacionais e humanos — para sustentá-la. Essa é a mensagem fundamental para as empresas que planejam expandir a utilização da IA agentiva atualmente, conforme evidenciam analistas, projeções e diversos estudos de caso.

Toda história de sucesso com IA agentiva começa acertando o básico — dados, talentos e infraestrutura. E isso, segundo Singh, exige um planejamento rigoroso. A questão não é se as empresas podem escalar seus projetos de IA agentiva, mas se estão realmente preparadas para fazer o que for necessário para alcançar esse objetivo.