Tendência: 2026, o ano dos agentes de IA?

*Por Reinaldo Roveri, especialista do IT Forum Inteligência

Agentes de IA estão no topo das expectativas das empresas brasileiras em 2026, pois endereçam um desafio que, há anos, figura entre as top 5 prioridades de TI das grandes organizações: automatizar processos e operações para ganhar eficiência. Entretanto, adotar agentes é algo bem diferente de adotar assistentes de IA. Ignorar pilares estruturantes e vetores dessa jornada pode submeter a organização a riscos operacionais e financeiros reais, de forma tão rápida quanto a escalada desse hype.

A pressão pela adoção de Inteligência Artificial nas empresas brasileiras segue firme em 2026, com desafios crescentes, à medida que as implementações iniciais revelam os benefícios e as limitações para a realidade além do PowerPoint.

A pesquisa ‘Antes da TI, a Estratégia 2026’ conduzida pelo IT Forum com 243 empresas de grande porte no Brasil revela que adotar, governar e/ou escalar IA/ML e IA Generativa está no topo dos desafios para a estratégia da TI corporativa neste ano, com 63% dos CIOs corroborando essa afirmação. Logo em seguida, algo que não é novo, mas se mostra ainda como grande obstáculo para 55% das grandes organizações: automatizar processos e operações para ganho de eficiência.

Não é de se espantar, portanto, que no Brasil muitos CIOs vêm implementando pilotos e iniciativas de automação de processos (baseadas em IA), atrás da promessa de operações autônomas, redução da dependência humana e menores custos. A pesquisa mostra ainda que 88% das grandes empresas no Brasil já possuem alguma iniciativa de IA (sendo a maioria –  48% – em estágio piloto).

Dentre essas iniciativas, o caso de uso mais comum é justamente a automação de tarefas e processos (68%), seguida por atendimento conversacional (48%). É justamente neste contexto que o conceito de agentes de IA vem encontrando terreno fértil para evoluir rapidamente.

Sabemos que, como em todo hype, a ansiedade pelos resultados geralmente supera a própria maturidade da tecnologia. No que se refere aos agentes de IA (ou “Agentic AI”) isso não se mostra diferente. Sabemos também que a tecnologia é imatura e que muitos agentes ainda falham em entregar os níveis de confiabilidade e assertividade necessários para ambientes críticos de negócio. Ainda assim, esse conceito vem ganhando espaço rapidamente nas agendas de CIOs e boards, amparados na esperança de que Agentes de IA melhorarão seu desempenho exponencialmente ao longo dos próximos anos.

Entretanto, devemos lembrar que a adoção de “assistentes de IA” (ou “Copilots”) e “Agentes de IA” se difere não só do ponto de vista de governança, mas da própria dinâmica econômica, sendo a maioria baseada em tokens. Agentes de IA não se limitam apenas a perguntas e respostas como os assistentes. São projetados para a execução de múltiplas tarefas ao mesmo tempo, criando prompts, “raciocínios” e consultas em diversos sistemas, gerando um volume de consumo de tokens significativamente maior.

Sem a noção exata desse novo cenário e como implementá-lo, empresas que correrem demais para escalarem agentes sem o controle adequado poderão, cedo ou tarde, se depararem com ambientes complexos, projetos de alto custo, baixa governança e retorno financeiro questionável.

Muitas teorias, frameworks e modelos são apresentados por consultorias para resolver esse desafio. Entre esses tantos, mapeamos como tendências os três elementos chave que são geralmente tratados como os pilares estruturantes dessa jornada da escalada agêntica: Orquestração, FinOps e Processos. Ignorar qualquer um desses elementos significa submeter a organização a riscos operacionais e financeiros reais.

 Quem decide o que será “agentizado”?

O erro mais custoso na adoção de agentes de IA talvez seja o mais óbvio: adotar por adotar, mais por pressão do board que por necessidade do negócio. Essa forte pressão tem resultado na implementação desordenada de agentes em fluxos de trabalho sem uma análise criteriosa se realmente agregam valor, gerando desperdício de investimentos, aumento de complexidade operacional e fragilidade (ou duplicidade) nos processos. Diferentemente de sistemas determinísticos tradicionais de automação, os agentes de IA introduzem variabilidade e dependência de modelos generativos. E é aqui que a expectativa se depara com a realidade.

Cada caso é um caso e, nesse contexto, de forma geral, a recomendação mais pragmática tem sido priorizar, antes de tudo, uma avaliação e redesenho de cada processo antes de torná-lo agêntico. Deve-se priorizar apenas aqueles que possuem tarefas de contexto dinâmico e alto impacto operacional, de forma faseada, começando com agentes atuando como executores de tarefas dentro de fluxos já existentes e, gradualmente, transferindo maiores responsabilidades de decisão à medida que a maturidade da organização e da tecnologia aumenta.

Orquestração: quem controla os agentes?

À medida que as organizações avançam com seus pilotos de automação agêntica, testando diferentes modelos, fornecedores e tecnologias, um desafio recorrente aparece: como orquestrar agentes construídos nessas diferentes plataformas de forma única, centralizada, auditável e segura? É consenso que sem uma camada de orquestração única, as ilhas de agentes operarão em silos, a visibilidade será limitada e a conformidade dos processos tornar-se-á uma aposta. Para processos de negócio críticos, algo inaceitável.

Embora não seja fácil devido ao próprio estágio inicial da tecnologia, escolher desde já uma plataforma de orquestração pode ser uma decisão estratégica importante para o sucesso futuro. Plataformas específicas capazes de operar ambientes heterogêneos garantirão maior interoperabilidade e longevidade dos investimentos. E na medida em que as capacidades e autonomia dos agentes avançam, uma governança específica para rastreabilidade, auditabilidade e segurança de dados torna-se crítica.

Camada de FinOps: quem controla os custos?

Diferente de sistemas de automação tradicionais, agentes de IA não têm custos fixos e previsíveis. Pelo contrário. Atuam dinamicamente, “raciocinam” de forma autônoma e disparam múltiplas cadeias complexas de comandos e chamadas de API podendo elevar o consumo computacional e os gastos rapidamente e de forma exponencial.

Todo esse comportamento, quando não monitorado em tempo real, poderá se tornar incontrolável. O controle retroativo é insuficiente e, no caso de alucinações ou comandos errados, o consumo inútil, isso é, processos com erro, podem disparar os gastos sem trazer nenhum retorno. Monitorar os gastos e o consumo em tempo real e ter a capacidade de corrigir falhas ou ajustar a estratégia é necessário.

A disciplina de FinOps deve ser considerada já na fase de design dos agentes, e não como uma camada extra de controle a ser adicionada depois. Isso significa construir uma estratégia de rastreamento de custos em tempo real e monitoramento de comportamento de cada agente desde o primeiro dia. A gestão financeira de agentes de IA deixa de ser um exercício de segundo plano e torna-se parte integrante da engenharia das operações e da arquitetura de TI.

Como benefício adicional, permitirá às organizações não apenas conter gastos, mas também demonstrar melhor o ROI de suas iniciativas, como forma de justificar (ou não) a escala e continuidade dos investimentos.

Escalar agentes requer inteligência e controle

Orquestração, FinOps e redesenho de processos formam o tripé fundamental e interdependente para o futuro dos ambientes de TI com processos agênticos. Estruturar bem a orquestração sem controlar os custos resultará em governança sem sustentabilidade financeira.

Controlar os custos sem redesenhar os processos significará economizar em iniciativas que não deveriam existir. E redesenhar processos sem uma camada de orquestração sólida é criar um débito técnico que será difícil de resolver depois. Desta forma, estes três pilares deverão ser tratados em conjunto, e não apenas como etapas sequenciais.

Por fim, devemos reconhecer que além destes três elementos, outros dois vetores paralelos e igualmente críticos devem ser observados: A cultura organizacional e a segurança dos dados.

No que se refere à cultura, faz-se necessária a preparação das equipes, uma vez que muitas ainda não compreendem o que os agentes são capazes (e o que não são capazes) de fazer. Isso evitará cenários em que equipes queiram delegar decisões de forma inadequada ou, de forma contrária, rejeitando totalmente a automação por falta de confiança nas respostas da IA.

A cibersegurança é outro vetor inegociável: agentes com capacidade de ação autônoma podem ampliar significativamente a superfície de ataque, disponibilizando dados em sistemas não protegidos, ou dando acesso a informações confidenciais a usuários não autorizados. Um ambiente agêntico exige políticas de segurança específicas, que as práticas tradicionais ainda não cobrem por completo. O número de variáveis é imenso.

Portanto, na corrida dos processos agênticos, em breve, a maturidade na adoção não se medirá pelo número de agentes implantados, mas pelo retorno que eles dão ao negócio. Para isso, a capacidade de gestão desses ambientes (com Orquestração, Finops, redesenho de Processos, Cultura e Segurança) será o mapa que trará maior clareza sobre quando é viável e seguro usar agentes, e quando não.

Sócio-diretor da Stratica, Reinaldo Roveri é consultor com mais de 25 anos de atuação no mercado de tecnologia, especializado em inteligência de mercado, planejamento estratégico, portfólio e go-to-market para empresas do segmento.