*Por Zé Lima A previsão da Gartner, de mais de 40% dos projetos de IA agêntica serem cancelados até o fim de 2027, chama atenção porque parece contradizer o entusiasmo em torno dos agentes de IA. Afinal, se essa é uma das principais apostas da tecnologia para os próximos anos, por que tantos projetos devem ser abandonados? A explicação passa menos pela tecnologia do que pela forma como ela está sendo implementada nas empresas. Segundo a Gartner, os cancelamentos não acontecem porque os agentes deixam de funcionar, mas sim porque muitas organizações tentam colocar uma camada de inteligência sobre processos e bases de dados que já apresentavam problemas muito antes da IA ser implementada. O aumento dos custos, a dificuldade de demonstrar valor para o negócio e controles de risco insuficientes acabam sendo consequência dessa escolha de começar pelo fim. Entre os milhares de fornecedores que hoje se apresentam como plataformas de IA agêntica, apenas cerca de 130 realmente oferecem tecnologias que se enquadram nessa categoria. O restante é resultado do chamado agente washing, prática em que assistentes de IA, chatbots e automações tradicionais são reposicionados como agentes inteligentes para acompanhar o momento do mercado. Esse movimento ajuda a explicar o ritmo acelerado de adoção da IA nos últimos anos. Em muitas empresas, a conversa começou pela escolha da ferramenta, quando deveria começar pelos dados. A pergunta mais importante não deveria ser qual agente utilizar, mas sobre quais informações ele vai operar. É comum encontrar operações que acumulam informações há anos em planilhas, ERPs, CRMs e sistemas que nunca foram integrados. Existem registros duplicados, bases desatualizadas, indicadores inconsistentes e processos diferentes produzindo respostas diferentes para a mesma pergunta. Quando um agente passa a operar sobre esse ambiente, ele não resolve essas inconsistências e apenas automatiza decisões baseadas nelas. Antes do agente de IA, é preciso arrumar a casa O desafio está na qualidade da informação disponível, na governança dos dados e na capacidade de transformar registros dispersos em uma base consistente. A própria Gartner recomenda que organizações priorizem casos de uso com retorno claramente definido e avaliem se a infraestrutura atual é capaz de sustentar esse tipo de automação antes da implementação. Isso não significa que agentes de IA sejam uma promessa vazia. A própria consultoria projeta que, até 2028, uma parcela crescente das decisões operacionais será tomada por agentes autônomos. O potencial existe, mas depende diretamente da qualidade da base sobre a qual esses sistemas trabalham. Leia também por que o próximo bug não é no software e sim a "falta de comida" para a máquina. {{WHATSAPP_CHANNEL}}

*Por Z Lima A previs o da Gartner, de mais de 40% dos projetos de IA ag ntica serem cancelados at o fim de 2027, chama aten o porque parece contradizer o entusiasmo em torno dos agentes de IA. Afinal, se essa uma das principais apostas da tecnologia para os pr ximos anos, por que tantos projetos devem ser abandonados? A explica o passa menos pela tecnologia do que pela forma como ela est sendo implementada nas empresas. Segundo a Gartner, os cancelamentos n o acontecem porque os agentes deixam de funcionar, mas sim porque muitas organiza es tentam colocar uma camada de intelig ncia sobre processos e bases de dados que j apresentavam problemas muito antes da IA ser implementada. O aumento dos custos, a dificuldade de demonstrar valor para o neg cio e controles de risco insuficientes acabam sendo consequ ncia dessa escolha de come ar pelo fim. Entre os milhares de fornecedores que hoje se apresentam como plataformas de IA ag ntica, apenas cerca de 130 realmente oferecem tecnologias que se enquadram nessa categoria. O restante resultado do chamado agente washing, pr tica em que assistentes de IA, chatbots e automa es tradicionais s o reposicionados como agentes inteligentes para acompanhar o momento do mercado. Esse movimento ajuda a explicar o ritmo acelerado de ado o da IA nos ltimos anos. Em muitas empresas, a conversa come ou pela escolha da ferramenta, quando deveria come ar pelos dados. A pergunta mais importante n o deveria ser qual agente utilizar, mas sobre quais informa es ele vai operar. comum encontrar opera es que acumulam informa es h anos em planilhas, ERPs, CRMs e sistemas que nunca foram integrados. Existem registros duplicados, bases desatualizadas, indicadores inconsistentes e processos diferentes produzindo respostas diferentes para a mesma pergunta. Quando um agente passa a operar sobre esse ambiente, ele n o resolve essas inconsist ncias e apenas automatiza decis es baseadas nelas. Antes do agente de IA, preciso arrumar a casa O desafio est na qualidade da informa o dispon vel, na governan a dos dados e na capacidade de transformar registros dispersos em uma base consistente. A pr pria Gartner recomenda que organiza es priorizem casos de uso com retorno claramente definido e avaliem se a infraestrutura atual capaz de sustentar esse tipo de automa o antes da implementa o. Isso n o significa que agentes de IA sejam uma promessa vazia. A pr pria consultoria projeta que, at 2028, uma parcela crescente das decis es operacionais ser tomada por agentes aut nomos. O potencial existe, mas depende diretamente da qualidade da base sobre a qual esses sistemas trabalham. Leia tamb m por que o pr ximo bug n o no software e sim a "falta de comida" para a m quina. {{WHATSAPP_CHANNEL}}