Por que Agentes de IA já deveriam estar fazendo algumas de suas tarefas

A Barreira Real da IA nas Indústrias

Depois de trabalhar há 1 ano intensamente com indústrias do interior de SC, descobri que o maior obstáculo para adoção de IA não é técnico (especialmente quando falamos de aplicação de IA na indústria). Mas está, sim, na estratégia de implementação.

A Cerâmica Lorenzetti é um caso emblemático. Com quase 200 funcionários, eles são extraoficialmente o maior produtor de tijolos do país. Cresceram tão rápido que ainda não contaram todo o estoque (os tijolos extrapolam os galpões e chegam às portas do escritório).

Para manter a produção fluindo suavemente, identificamos o setor de Compras como gargalo crítico: apenas 2 pessoas gerenciando compras de múltiplos fornecedores para uma operação super automatizada (com robôs, esteiras, reutilização de calor do processo de queima). A empresa está expandindo e acabou de construir uma segunda unidade, maior que a primeira, já produzindo.

Construímos um Agente de Compras especificamente para este contexto: analisar propostas de fornecedores e recomendar a melhor opção.

A ideia surgiu durante uma apresentação de resultados da nossa consultoria continuada na empresa. Mostrei um Agente Comercial que tinha desenvolvido para outra empresa (coleta dados de vendas via Google Forms e entrega relatório pronto). O Gerente de Compras imediatamente disse: "Quero um assim também!"

Construímos então um Agente que automatiza o fluxo: o time solta PDFs de orçamento e propostas no Google Drive, o sistema organiza tudo em pastas por mês/dia, extrai informações, compara propostas considerando preço, prazo, condições e qualidade, e devolve uma recomendação de compra em duas linhas.

O Dia Que a IA Encontrou um Erro Que os Humanos Não Viram

Quando fui apresentar o Agente de Compras, aconteceu algo revelador.

O Agente foi projetado para ser muito prático - fornecer em duas linhas apenas a recomendação final para um dado orçamento.

Apresentei o resultado. O Gerente de Compras olhou e disse para o colega: "Ok, vamos calcular os preços relacionados para comparar com o que a IA está dizendo."

Eles conferiram e disseram: "Não bate, o valor tá diferente!"

Perguntaram: "A gente pode checar o racional?"

Respondi: "Claro!" e fui procurar nos logs do Agente e mostrei para eles o racional completo.

Eles analisaram. E descobrimos: havia um erro em uma das propostas. O item cotado não era o mesmo item pedido na solicitação - era similar, mas diferente. E o Agente tinha identificado isso!

O Gerente, enquanto analisava o racional da IA, disse: "Ah, ISSO é legal! Não tem como a IA trazer esse racional para nós também?"

E foi assim que o Agente de Compras ganhou uma funcionalidade crítica: não apenas dá a recomendação, mas mostra todo o raciocínio.

A Tecnologia Estava Pronta, Mas...

Após o Agente de Compras estar implantado na indústria, percebi que a Compras ainda não estava usando-o no dia a dia ... Questionei-os.

A resposta: "O Agente tá perfeito Leonardo, não te preocupe... é a gente que não está tendo tempo para usar... estamos já ocupados com as tarefas de rotina..."

Ou seja: o problema não estava com eles. Estava comigo. Cometi um erro estratégico: pulei etapas. Deveria ter começado com um Assistente, não com um Agente autônomo.

O uso esporádico não refletia falta de preparo deles: eu que havia oferecido a ferramenta “certa” no momento errado.

No final das contas, voltei um pouco atrás e estamos desenvolvendo primeiramente um Assistente de IA. Esse Assistente será muito parecido com o Agente, mas eles terão uma liberdade maior para operá-lo - apesar de ser mais moroso, o exercício com o Assistente permitirá o "human in the loop". Acredito que num segundo momento sentirão necessidade do Agente, quando estiverem livres para soltar as rédeas e confiando no processo.

A lição: adoção eficaz de IA precisa ser gradativa:

Chat (tipo ChatGPT) → Assistente → Agente.

OBS: Assumi estratégia parecida com um Agente de redação de notícias para emissora de Rádio: começamos construindo um Agente... No entanto, aqui a estratégia foi muito benéfica, pois forçou-nos, junto com a equipe de jornalismo, a repensarmos o processo de elaboração das notícias.

Esse Agente pode ser pensado como vários Assistentes sequencialmente encadeados. Então, começamos a avaliar o comportamento de cada um desses elos, o que não somente serviu para melhorar o desempenho do Agente, mas, como resultado, acabamos criando uma série de Assistentes (similares aos que compõem o agente) otimizados para tarefas de escopos bem-definidos.

Nesse caso, os jornalistas têm feito proveito do uso desses Assistentes, e eventuais melhorias aqui são na sequência repassadas ao framework agêntico, que no dia a dia acaba sendo prático para eles também, pois eles estão no controle!

Outro Caso: o Agente de Qualidade

A Beton Mix é uma empresa de concretagem com cerca de 10 caminhões fazendo entregas diárias. O técnico de laboratório gastava metade do tempo fazendo testes físicos de corpos de prova (aos 7 e 28 dias após concretagem) e a outra metade no escritório: atualizando planilhas com resultados, gerando relatórios individuais para cada cliente, consolidando múltiplas obras do mesmo cliente, e lembrando quais testes fazer a cada dia.

Desenvolvemos um Agente que automatiza todo o trabalho de escritório do controle de qualidade: captura dados via Google Forms quando o caminhão retorna, organiza pastas e planilhas automaticamente, agenda lembretes de testes para D+7 e D+28, e gera relatórios oficiais usando o template da empresa assim que os resultados estão completos.

O Supervisor da Qualidade me disse algo revelador:

"O Assistente de Qualidade me ajudou a ter mais controle e mais tempo... Com o tempo que ganhei, eu posso pensar em novas possibilidades de melhoria para o nosso concreto."

O Que São Assistentes de IA e Agentes Autônomos

Para indústrias Brasileiras, entender essa diferença é fundamental:

Assistentes de IA (maioria dos casos atualmente):

• Você pede, eles fazem

• Executam uma tarefa por vez

• Precisam de supervisão constante

• São como estagiários que precisam de instrução clara

Agentes autônomos (onde os investimentos estão se concentrando):

• Recebem um objetivo, escolhem as tarefas necessárias

• Executam múltiplas tarefas em sequência

• Tomam decisões intermediárias sozinhos

• São como funcionários experientes que você delega um projeto inteiro

A diferença crítica? Horizonte temporal.

Para um Agente ser verdadeiramente autônomo, ele precisa conseguir operar por horas (ou dias) sem supervisão constante. E estamos chegando lá.

Mas existe uma distância gigantesca entre IAs que completam tarefas:

• Em ambientes controlados (labs, benchmarks)

• No mundo real das indústrias brasileiras

A Pergunta Certa Sobre IA

Para implementar IA em indústrias de forma eficaz, a pergunta correta é: “Quais tarefas dentro do meu cargo podem ser feitas melhor (ou mais rápido) com IA?”

Quando falo de tarefas, estou falando de coisas muito específicas:

No Agente de Compras:

• Comparar múltiplas propostas de fornecedores

• Identificar a melhor proposta considerando preço, prazo, condições

• Documentar o racional da decisão

No Agente de Qualidade:

• Compilar resultados de testes de qualidade

• Comparar com especificações técnicas de cada obra

• Gerar relatórios de conformidade para clientes

• Lembretes automáticos de quais testes realizar cada dia

Nenhuma dessas tarefas é um cargo completo. Mas todas consomem tempo precioso de profissionais que poderiam estar realizando tarefas mais estratégicas.

Lições Práticas de Implementação de Agentes na Indústria

No Agente de Compras: coletar métricas é essencial inclusive para definir se uma tarefa precisa de um Assistente, um Agente autônomo, ou apenas uma automação simples.

No Agente de Qualidade: tarefas de escritório podem ser automatizadas (perto de 100%) quando há um fluxo previsível (do formulário ao relatório final).

O padrão é claro: as tarefas continuam sendo feita pelos profissionais, só foram redistribuídas: para IA, o trabalho mais repetitivo; para os Humanos, o julgamento, criatividade e visão estratégica.

Como Medir Performance de IA Industrial

Tem um erro que vejo direto: empresas tentando comparar IA com humanos usando as métricas erradas.

"Ah, mas o ChatGPT às vezes alucina."

Eu pergunto: "Um estagiário também não “alucina” no início?"

Pois é. Só que seu estagiário sozinho também não consegue analisar 50 documentos em 30 segundos ... E se conseguisse, seu trabalho teria que ser revisado (assim como o da IA deve ser).

Recentemente, pesquisadores da OpenAI lançaram um estudo chamado GDPval que finalmente colocou esse debate nos trilhos. Eles mediram o desempenho da IA em tarefas reais do mundo corporativo; não em benchmarks acadêmicos abstratos, mas em trabalho que gera valor econômico mensurável.

A descoberta?

Em tarefas de 4-7 horas de duração, a IA já está chegando perto da paridade com profissionais especialistas.

Não em todos os aspectos. Não em todas as situações. Mas em muitas tarefas específicas, sim:

E aqui está o ponto crucial: se as empresas já têm dificuldade em mudar rotinas para adotar Assistentes de 30 minutos, imagina quando Agentes conseguirem trabalhar por dias?

Lições Práticas Sobre Implementação de Agentes de IA

Recentemente, a McKinsey publicou um estudo sobre um ano de implementações reais de IA agêntica. Depois de liderar 50+ projetos, eles destilaram 6 lições que estão me ajudando com as indústrias de Santa Catarina:

1. Não é sobre o Agente, é sobre o processo

A maioria das falhas não é porque a IA é ruim. É porque tentamos enfiar IA em processos mal desenhados.

Antes de pensar em IA, mapeie seu processo. Onde estão os gargalos? Onde há retrabalho? Onde há espera?

IA não conserta processo ruim... Só amplifica o que já existe.

2. Agentes nem sempre são a resposta

Às vezes, uma planilha inteligente, ou uma automação simples, resolve!

Nem tudo precisa ser Agente... Use a ferramenta mais simples que resolve o problema.

3. Invista em avaliação (não em tecnologia)

Aqui está um segredo: IA virando cada vez mais uma commodity.

O diferencial está em saber avaliar se está funcionando.

Defina:

• Taxa de sucesso da tarefa

• Métricas de qualidade que fazem sentido para seu negócio

• Como você vai capturar e usar feedback para melhorar

4. Rastreabilidade

Quando algo dá errado, você precisa saber exatamente onde deu errado:

• O dado de entrada estava incorreto?

• Qual passo do processo falhou?

• Por que a IA tomou aquela decisão?

5. Construa para reutilização

Não crie um Agente novo para cada tarefa.

Identifique os blocos básicos que se repetem:

• Ingerir documentos

• Extrair informações estruturadas

• Buscar em bases de conhecimento

• Verificar em relação a regras

• Gerar relatórios

6. Humanos continuam essenciais

E aqui está a parte que mais importa: a IA redefine o trabalho humano, que passa a ser:

• Supervisão e aprovação de decisões críticas

• Tratamento de exceções e casos complexos

• Julgamento em situações ambíguas

• Relacionamento e negociação

O Que Estou Vendo nas Indústrias

O que vejo acontecendo: a maioria dos funcionários ainda está usando IA para tarefas de 30 minutos no máximo... Ainda não incorporam nem os Assistentes às suas rotinas!

Existe aqui uma empolgante janela de oportunidade para empresas que realmente querem escalar no uso da IA.

Indústrias que começarem agora a:

• Mapear suas tarefas de 30min-8h

• Implementar assistentes focados nessas tarefas

• Construir cultura de avaliação com métricas próprias

• Preparar equipes para trabalhar com IA

estarão anos à frente quando os Agentes autônomos de verdade chegarem ao mercado brasileiro de forma acessível.

Redistribuição, Não Substituição

A pergunta que fica é:

Quais tarefas podemos delegar aos Agentes para que humanos façam trabalho mais valioso?

A IA provavelmente não vai substituir seu cargo... Mas deveria estar sim fazendo algumas das suas tarefas.

E se ainda não estiver, é hora de começar a pensar seriamente sobre isso.

Quer saber mais sobre implementação de IA em indústrias? Nos contate!

Referências

• GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks - OpenAI Research, 2024

• Measuring AI Ability to Complete Long Tasks - METR, 2025
  https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/

• One Year of Agentic AI: Six Lessons from the People Doing the Work - McKinsey, 2025
  https://www.mckinsey.com/capabilities/quantumblack/our-insights/one-year-of-agentic-ai-six-lessons-from-the-people-doing-the-work

Perguntas Frequentes Sobre Agentes de IA

Para indústrias Brasileiras, qual a diferença entre Assistente de IA e Agente Autônomo?

Assistentes executam uma tarefa por vez com supervisão constante. Agentes autônomos recebem um objetivo e executam múltiplas tarefas em sequência, tomando decisões intermediárias sozinhos.

Qual a ordem correta para adotar IA na empresa?

Chat com IA (tipo ChatGPT) → Assistente de IA → Agente Autônomo. Pular etapas causa resistência e uso esporádico.

Quanto tempo uma tarefa deve levar para valer a pena automatizar com IA?

Entre 30 minutos e 8 horas. Tarefas mais curtas têm ganho pequeno. Tarefas mais longas são complicadas para IA fazer sozinha com confiabilidade.

Agentes de IA vão substituir empregos?

Atualmente não substituem cargos, mas assumem tarefas específicas. Nos casos das indústrias Cerâmica Lorenzetti e Beton Mix, nenhum profissional foi substituído - as tarefas foram redistribuídas.

Como medir se um Agente de IA está funcionando?

Use suas próprias métricas: tempo que a equipe gasta hoje, tempo que a IA leva, frequência de acerto comparado ao padrão interno, e tempo gasto revisando o trabalho da IA.

Eles descobriram que a métrica que importa é "quanto tempo essa tarefa leva para um humano fazer".

Como Estamos Implementando Isso na Prática

Quando chego em uma empresa, pergunto: "quais tarefas que vocês fazem que levam entre 30 minutos e 8 horas para completar?"

Esse é o estado da arte atual da IA:

• Tarefas muito curtas (menos de 30 min) geralmente não vale a pena automatizar - o ganho é pequeno

• Tarefas muito longas (mais de 8-10 horas) ainda são complicadas para IA fazer sozinha com confiabilidade

• Mas naquela janela de 30 minutos a 8 horas? Aqui vejo potencial imediato!

Use Suas Próprias Métricas

Esqueça benchmarks genéricos... Quando implemento IA em uma empresa, eu me importo com:

• Quanto tempo sua equipe gasta nessa tarefa hoje?

• Quanto tempo a IA leva para fazer o mesmo?

• Com que frequência a IA acerta (comparado com o seu padrão interno)?

• Quanto tempo o humano gasta revisando o trabalho da IA?

Essas são suas métricas... E são as únicas que importam.

Exemplo prático: um assistente de IA que tem 85% de acurácia pode ser incrível se economiza trabalho e os 15% de erro são fáceis de revisar.

O Horizonte Temporal da IA: Para Onde Estamos Indo

Um estudo recente do METR mostra algo fascinante: o tempo de tarefa que a IA consegue completar com 50% de confiabilidade está dobrando a cada 7 meses: