Guia completo: como colocar agentes de IA pra rodar na sua empresa sem virar estatística dos 95%

Uma pesquisa do MIT achou que 95% dos pilotos de IA generativa em empresa não entregam impacto mensurável. Quase nenhum falhou por causa do modelo. Esse guia é sobre os outros 5%.

Julho de 2026 foi o mês em que a briga de plataforma de agente virou guerra aberta. A OpenAI lançou o Presence no dia 22. O Google expandiu o Gemini Enterprise. A Meta abriu a Business Agent Platform. A NVIDIA e a ServiceNow anunciaram o Project Arc. Quatro pesos-pesados, o mesmo comprador, o mesmo discurso.

E todos vendendo exatamente a mesma coisa, que não é modelo. É governança. Permissão, política, auditoria, avaliação. Porque a indústria inteira finalmente engoliu a lição: o problema nunca foi a inteligência do modelo, foi tudo que vem depois dele.

Esse guia é o passo a passo de como sair de piloto pra produção. Serve pra empresa de 30 pessoas e pra empresa de 30 mil, mudando a escala. E é escrito na ordem em que as decisões realmente aparecem, não na ordem em que os fornecedores gostariam.

Por que 95% dos pilotos morrem, e por que a culpa quase nunca é do modelo

A pesquisa do MIT que virou referência achou que a esmagadora maioria dos pilotos de IA generativa em empresa não produz impacto mensurável no resultado. O detalhe que quase todo mundo pula ao citar o número é o motivo. Os pilotos não fracassaram porque o modelo era burro. Fracassaram por:

• Integração. O agente não conseguia acessar os sistemas onde o trabalho de verdade acontece.
• Permissão. Ninguém sabia dizer o que o agente podia e não podia fazer, então travaram tudo.
• Gestão de mudança. As pessoas continuaram fazendo do jeito antigo porque o jeito antigo funcionava.
• Falta de medição. Ninguém definiu antes o que seria sucesso, então no fim ninguém provou nada.
• Processo mal escolhido. Automatizaram o que era fácil de demonstrar, não o que doía.

Repara que nada disso é técnico no sentido de IA. É o trabalho sem graça de conectar tecnologia nova em processo velho. É por isso que a OpenAI comprou a Northslope, que a Microsoft mantém milhares de engenheiros dentro de cliente, e que a Palantir, que fez isso a vida inteira, virou modelo a ser copiado.

Antes de escolher plataforma, responda se o seu processo é agentável

Um processo é bom candidato a agente quando marca a maioria destes:

• Volume alto e repetitivo. Se acontece 5 vezes por mês, automatizar é hobby.
• Entrada em texto ou documento. Agente é ótimo com linguagem, ruim com o que exige percepção física.
• Regra existe mas está espalhada. Se a regra está na cabeça de três pessoas, agente ajuda a formalizar.
• Erro é detectável e reversível. Isso é o mais importante da lista. Se o erro só aparece seis meses depois, não comece por aí.
• Existe um humano hoje fazendo isso e sofrendo. Se não existe, você tá inventando demanda.

Processo ruim pra começar: qualquer coisa com dinheiro saindo sem aprovação humana, qualquer coisa com decisão sobre pessoa (crédito, contratação, demissão), e qualquer coisa cujo erro vira processo judicial. Isso não quer dizer nunca, quer dizer não no primeiro.

Passo 1: escolha UM processo e escreva o número que você quer mover

Um. Não três. Não “vamos mapear a empresa toda”. Um processo, com um dono, e um número.

O número precisa ser específico e existir antes. Exemplos que funcionam:

• Tempo médio de primeira resposta no suporte, de 4 horas pra 20 minutos.
• Percentual de chamados resolvidos sem humano, de 0% pra 35%.
• Horas por mês do time fiscal conferindo nota, de 160 pra 40.
• Custo por lead qualificado, de R$ 90 pra R$ 35.

Meça a linha de base por pelo menos duas semanas ANTES de ligar qualquer agente. Isso parece óbvio e quase ninguém faz, e é a razão número um de piloto que “funcionou” mas não conseguiu ser aprovado pra produção. Sem linha de base você não tem prova, tem sensação.

Passo 2: separe a capacidade do agente da política que limita ele

Esse é o padrão arquitetural mais importante do guia, e é exatamente o que a OpenAI empacotou e vendeu caro no Presence.

A tentação é escrever tudo no prompt. “Você é um agente de suporte, seja educado, nunca prometa reembolso acima de R$ 200, sempre confirme o pedido antes.” Funciona na demo e quebra em produção, porque prompt é sugestão, não é controle. Modelo bom obedece na maioria das vezes. Maioria das vezes não é política.

O certo é ter duas camadas:

1. Camada de capacidade. O modelo, as ferramentas que ele pode chamar, o contexto que ele recebe. É aqui que mora a inteligência.
2. Camada de política. Código determinístico que roda ANTES e DEPOIS de cada ação. Verifica limite de valor, verifica permissão do usuário, verifica se a ação é reversível, bloqueia o que não passa.

Regra prática: se a violação daquilo te causa prejuízo, multa ou manchete, não pode estar no prompt. Tem que estar em código. Prompt cuida de tom e estilo. Código cuida de dinheiro e dado.

Passo 3: monte a permissão antes de montar o agente

Pergunta que trava 90% dos projetos na fase de segurança: com qual identidade o agente age?

Existem três respostas e elas têm consequências bem diferentes.

Identidade própria do agente. O agente tem usuário próprio com permissões próprias. Fácil de auditar, fácil de revogar. O risco é que ele acaba com permissão ampla demais porque atende muita gente, e vira alvo suculento.

Delegação do usuário. O agente age com as permissões de quem pediu. É o mais correto conceitualmente, porque ninguém consegue usar o agente pra ver o que já não podia ver. É mais trabalhoso de implementar e é o que eu recomendo pra qualquer coisa que toque dado sensível.

Conta de serviço genérica. Simples, rápido, e um pesadelo de auditoria. Todo log vai dizer que foi o agente, e você nunca sabe em nome de quem. Evite, mesmo que doa no cronograma.

Além disso, defina desde o dia zero: quais ações exigem confirmação humana obrigatória. Minha lista mínima é qualquer coisa que envia mensagem externa em nome da empresa, qualquer coisa que movimenta dinheiro, qualquer coisa que apaga dado, e qualquer coisa que altera permissão de outro usuário.

Passo 4: escreva as avaliações ANTES de escrever o prompt

Essa é a disciplina que quase todo time pula, e é a que mais separa quem chega em produção de quem fica em demo pra sempre.

Avaliação, ou eval, é um conjunto de casos de teste com resposta esperada. Não precisa ser sofisticado pra começar. Precisa existir.

Como montar em uma tarde:

1. Pegue 50 a 100 casos reais do processo, do histórico. Reais, não inventados.
2. Inclua de propósito os casos horríveis: cliente confuso, dado faltando, pergunta fora do escopo, tentativa de manipulação.
3. Para cada um, escreva qual seria a resposta ou ação aceitável. Aceite mais de uma resposta certa quando fizer sentido.
4. Defina o que é falha grave (agiu quando não devia) e o que é falha leve (respondeu mal mas não fez estrago). Separe as duas métricas, porque elas têm pesos diferentes.
5. Rode isso a cada mudança de prompt, de modelo ou de ferramenta. Automatize essa rodada.

Sem eval você não consegue trocar de modelo, e trocar de modelo vai acontecer. Preço muda, capacidade muda, fornecedor bate no teto de capacidade. Quem tem eval troca em uma tarde. Quem não tem, não troca nunca, e fica refém.

Passo 5: comece com humano no circuito e vá soltando por métrica, nunca por calendário

Não coloque agente autônomo em produção no dia um. Faça os três estágios, e mude de estágio só quando o número autorizar.

Estágio sombra. O agente processa tudo mas não age. Ele escreve o que faria, e um humano faz o trabalho normalmente. Você compara. Duração típica: 2 a 4 semanas. Critério pra avançar: concordância acima de 90% nos casos comuns e zero falha grave.

Estágio sugestão. O agente propõe a ação e o humano aprova com um clique. Ganho de produtividade já aparece aqui, e é real. Duração típica: 4 a 8 semanas. Critério pra avançar: taxa de aprovação sem edição acima de 85%.

Estágio autônomo com escape. O agente age sozinho na faixa de casos onde ele provou performance, e escala pra humano fora dela. Nunca solte 100%. Sempre tenha faixa de escalonamento e sempre tenha botão de desligar que qualquer supervisor consiga apertar sem chamar a TI.

Erro clássico: a diretoria define que em 60 dias o agente estará autônomo. Aí o prazo chega, os números não estão bons, e alguém solta mesmo assim. Prazo não é critério. Métrica é critério.

Passo 6: instrumente antes de escalar, porque agente sem log é caixa-preta cara

O mínimo que você precisa registrar, por execução:

• Entrada completa, incluindo qual contexto foi recuperado e injetado.
• Toda ferramenta chamada, com parâmetros e resultado.
• Tokens de entrada e de saída, e o custo em reais daquela execução.
• Latência de ponta a ponta e de cada chamada.
• Desfecho: resolvido, escalado pra humano, abandonado pelo usuário, erro.
• Versão do prompt e versão do modelo. Sim, versione o prompt como código.

Com isso você consegue responder as três perguntas que a diretoria vai fazer no terceiro mês: quanto isso tá custando por tarefa, quanto tá economizando, e por que aquele caso deu errado. Sem isso, você vai responder com achismo e o projeto morre no orçamento seguinte.

Um número que assusta muita gente na primeira vez: agente que usa ferramenta consome de 5 a 20 vezes mais token que chatbot simples, porque cada ciclo de raciocínio reenvia o histórico inteiro. Orce com folga e monitore custo por tarefa desde a primeira semana.

Passo 7: construir ou comprar, e a resposta honesta é depende de duas coisas

As duas perguntas que decidem:

1. O processo é diferencial competitivo seu? Se sim, construa. Se é folha de pagamento, suporte genérico ou triagem de currículo, compre.

2. Você tem quem mantenha? Agente não é projeto, é produto. Ele degrada. Modelo muda, sistema integrado muda, o negócio muda. Se você não tem pelo menos uma pessoa dedicada pra cuidar disso depois do lançamento, compre pronto mesmo que fique mais caro.

Meio-termo que funciona bem e quase ninguém considera: compre a plataforma de orquestração e governança, construa em cima os agentes específicos do seu negócio. É o que as quatro plataformas grandes estão vendendo, e é honestamente a divisão certa.

As quatro plataformas que brigam por esse mercado agora

Todas lançadas ou expandidas em julho de 2026, todas mirando o mesmo comprador.

OpenAI Presence. Lançada em 22 de julho. Conecta agentes aos sistemas internos e oferece base compartilhada de contexto, política, permissão, guardrails, ações e avaliações, com comportamento consistente entre voz e chat. Mira suporte ao cliente, prospecção e fluxos internos de risco alto. Está em disponibilidade geral limitada, e BBVA, SoftBank e IAG aparecem entre as empresas avaliando. A OpenAI está vendendo como produto implantado, com preço de serviço e não de software.

Google Cloud Gemini Enterprise. A mais forte em ferramenta de governança e a escolha natural pra quem já tem dado no BigQuery e identidade no Google Workspace. Integra com o que você já tem, que é metade da batalha.

Meta Business Agent Platform. Distribuição imbatível nos canais de mensagem onde a conversa com cliente já acontece. Pra empresa brasileira que vive de WhatsApp, isso não é detalhe, é o jogo inteiro.

NVIDIA e ServiceNow, Project Arc. Dona da espinha dorsal de operações de TI e do hardware. Se seu fluxo passa por ITSM, é o caminho de menor atrito.

Nenhuma tem vantagem estrutural óbvia, e é por isso que as quatro competem em confiança e integração em vez de competir em qualidade de modelo. Pra quem compra, a pergunta útil não é qual modelo é melhor. É qual plataforma encaixa nos seus sistemas e no seu compliance, porque custo de troca de plataforma de agente é muito maior que trocar endpoint de API.

Quanto custa de verdade, com a conta feita em reais

Vamos fazer uma conta de guardanapo pra um caso comum: agente de suporte de primeiro nível, 10 mil atendimentos por mês.

Premissas conservadoras. Cada atendimento consome uns 15 mil tokens de entrada (histórico, base de conhecimento recuperada, ciclos de ferramenta) e 2 mil de saída. Usando um modelo de faixa intermediária, algo perto de US$ 1,50 por milhão de entrada e US$ 7,50 por milhão de saída:

• Entrada: 10.000 x 15.000 = 150 milhões de tokens. A US$ 1,50 o milhão, dá US$ 225.
• Saída: 10.000 x 2.000 = 20 milhões de tokens. A US$ 7,50 o milhão, dá US$ 150.
• Total de modelo: US$ 375 por mês, algo perto de R$ 2.000 no câmbio atual.

Parece barato demais, e é, porque essa é só a conta do token. O que realmente custa:

• Implantação: de R$ 80 mil a R$ 400 mil, dependendo de quantos sistemas precisam de integração.
• Manutenção: pelo menos meia pessoa dedicada, algo como R$ 8 mil a R$ 15 mil por mês em custo total.
• Plataforma: as licenças enterprise dessas quatro vão de alguns milhares a dezenas de milhares de reais por mês.
• Observabilidade e avaliação: ferramenta ou tempo de time, some mais uns 15%.

O token é a menor linha da planilha, quase sempre. Quem monta caso de negócio só com custo de token entrega um número que não sobrevive ao segundo trimestre. Haja surpresa na revisão de orçamento.

Os erros que eu mais vejo, na ordem em que aparecem

1. Começar pelo processo mais visível em vez do mais doloroso. Impressiona a diretoria e não move número nenhum.
2. Colocar regra de negócio no prompt. Já falei e vou falar de novo, porque é o erro mais caro da lista.
3. Não medir a linha de base antes. Você perde a chance de provar o ganho e não recupera depois.
4. Fixar um fornecedor no código inteiro. Quando precisar trocar, e vai precisar, o custo aparece no pior momento.
5. Ignorar o pessoal que faz o trabalho hoje. Eles conhecem os casos difíceis que o seu eval não tem. E se eles se sentirem ameaçados, o projeto morre por sabotagem passiva.
6. Achar que RAG resolve tudo. Recuperação ruim é a causa silenciosa da maioria das respostas ruins. Meça a qualidade da recuperação separado da qualidade da resposta.
7. Deixar o agente sem limite de gasto. Ciclo de ferramenta em loop existe e queima orçamento em horas. Coloque teto por execução e alerta.
8. Não ter botão de desligar acessível. Se desligar exige deploy, você não tem botão de desligar.

Checklist antes de soltar em produção

Se você não consegue marcar todos, não é produção, é piloto estendido:

• Linha de base medida por pelo menos 2 semanas.
• Eval com 50+ casos reais rodando automaticamente.
• Camada de política em código, separada do prompt.
• Identidade e permissão definidas, preferencialmente por delegação.
• Lista escrita de ações que exigem aprovação humana.
• Log completo de entrada, ferramenta, custo e desfecho.
• Teto de gasto por execução e alerta de anomalia.
• Botão de desligar acessível a quem supervisiona.
• Caminho de escalonamento pra humano, testado de verdade.
• Prompt versionado e modelo fixado em versão específica.
• Dono nomeado pra manutenção depois do lançamento.
• Comunicação feita com o time que faz o trabalho hoje.

As dúvidas que sempre chegam de quem tá montando o primeiro agente

Se 95% falham, por que insistir?
Porque o retorno dos 5% que dão certo é grande o suficiente pra pagar a conta dos outros, e porque a maior parte das causas de falha é conhecida e evitável. Falhar por não ter medido a linha de base é diferente de falhar porque a tecnologia não serve.

Preciso de um modelo de fronteira pra fazer agente decente?
Na maioria dos casos, não. Modelo intermediário com boa recuperação de contexto e boa camada de política bate modelo de fronteira com contexto ruim, e custa uma fração. Comece intermediário e suba só onde o eval mostrar que precisa.

Como convenço meu time de que o agente não vai substituir eles?
Não prometa o que você não controla. O que funciona é envolver essas pessoas na construção do eval e dar a elas o papel de supervisor do agente, que é um trabalho de fato mais qualificado. Quem constrói o eval vira dono do sistema, não vítima dele.

Quanto tempo até dar retorno?
Do começo ao estágio de sugestão, de 2 a 4 meses num processo bem escolhido. Retorno financeiro claro, de 6 a 12 meses. Quem promete 30 dias tá vendendo demo, não sistema.

O que eu faria se fosse começar do zero segunda-feira

Pegaria o processo mais chato e mais repetitivo da empresa, aquele que ninguém quer fazer e que todo mundo reclama. Mediria ele por duas semanas sem tocar em nada. Montaria 60 casos reais de teste com a pessoa que faz esse trabalho hoje, sentado do lado dela. Só então escolheria plataforma.

E deixaria o agente em modo sombra por um mês inteiro, mesmo com a diretoria achando lento. Porque o custo de um mês a mais de sombra é ridículo perto do custo de um agente autônomo fazendo besteira com cliente.

A parte que quase ninguém quer ouvir é que 80% desse trabalho não tem nada de IA. É mapear processo, negociar permissão com segurança da informação, conversar com gente que tem medo de perder emprego e construir teste. É chato, é lento, e é exatamente por isso que quatro das maiores empresas de tecnologia do mundo estão contratando exército de consultor pra fazer isso por você.

Escuta o que eu tô falando: nos próximos dois anos a vantagem competitiva não vai ser de quem tem o melhor modelo, porque todo mundo vai ter acesso ao mesmo. Vai ser de quem arrumou a casa a ponto de conseguir usar. E arrumar a casa você pode começar hoje, de graça, sem esperar o próximo lançamento.

Você já tentou colocar agente pra rodar na sua empresa? Onde travou? Me conta, que eu quero mapear onde o problema mais aparece por aqui.

Fontes

• OpenAI, Introducing OpenAI Presence
• VentureBeat, OpenAI unveils Presence
• The Register, OpenAI tries the consulting path with Presence
• Build Fast with AI, AI News Today July 23 2026

ESCRITO PELA IA. REVISADO POR HUMANOS.