Agente de IA na empresa: como passar dos testes iniciais para o uso no dia a dia

Em uma empresa, as pessoas podem começar a usar inteligência artificial por iniciativa própria: alguém pede ajuda para escrever um texto, resumir um documento ou analisar uma planilha. A pessoa conduz a tarefa, escolhe o que aproveitar e confere o resultado.

Outro contexto aparece quando a empresa incorpora agentes de IA a um processo de vendas, compras ou atendimento. Nesse caso, o agente pode consultar informações, escolher ferramentas e executar etapas dentro de condições definidas. Seu trabalho passa a fazer parte de uma rotina da qual outras pessoas dependem.

Esses usos podem se combinar. A diferença que importa aqui é a responsabilidade sobre o processo: quando um agente passa a participar do trabalho da empresa, é preciso definir o que ele pode fazer e como sua atuação será acompanhada.

É nesse acompanhamento que o ARGUS pode ajudar, com coordenação, rastreabilidade e visibilidade sobre o consumo dos agentes integrados. Ao final do artigo, mostramos como esse apoio funciona na prática, usando a comparação com um time de futebol.

A pesquisa global da McKinsey publicada em agosto de 2026 ajuda a dimensionar essa transição. Enquanto 80% dos participantes relataram melhora na produtividade individual com IA, 37% atribuíram algum impacto positivo ao lucro operacional de suas organizações. São medidas diferentes, mas o contraste mostra por que ganhos pessoais e resultados empresariais precisam ser avaliados separadamente.[1]

O levantamento ouviu 1.719 participantes em 97 países, entre maio e junho de 2026. Os números representam as respostas dessa amostra, não uma estimativa específica para empresas brasileiras ou de médio porte.[1]

Para uma empresa média, o caminho pode começar com um fluxo delimitado e uma equipe enxuta. O essencial é conseguir verificar a entrega e lidar com problemas.

Definir o trabalho antes de liberar o agente

Imagine uma empresa fictícia que testou um agente para preparar propostas comerciais. Ele consulta documentos, organiza informações e entrega um rascunho que reduz o trabalho de preparação da equipe.

Depois dos primeiros testes, surge a ideia de incorporá-lo à rotina. Mas algumas situações ainda precisam ser resolvidas. Qual tabela de preços deve ser consultada? O agente pode acessar contratos de qualquer cliente? E, se faltar uma informação, deve interromper a tarefa ou preparar uma proposta parcial?

Para passar dos testes ao uso no dia a dia, o primeiro passo é delimitar sua tarefa.

Ele poderá consultar um catálogo autorizado e preparar o documento para revisão. Conceder descontos, assumir compromissos contratuais ou enviar a proposta ao cliente podem continuar dependendo de aprovação humana.

Também é necessário definir o que será considerado uma entrega aceitável. “Gerar uma proposta” diz pouco se o documento exigir tantas correções que a equipe prefira começar novamente. Vale avaliar a consistência dos itens, o uso de condições vigentes e o esforço de revisão.

A orientação da Microsoft para adoção de agentes recomenda identificar um responsável de negócio e estabelecer resultados mensuráveis para cada iniciativa.[2]

No exemplo, alguém da área comercial precisa responder pela aceitação da entrega e pela atualização das regras. Quem mantém a integração responde pelo funcionamento técnico. Em uma empresa média, uma mesma pessoa pode acumular algumas atribuições, mas elas precisam estar claras, inclusive quando houver divergência sobre a qualidade de uma proposta.

Ter um agente funcionando é o início da avaliação. O resultado precisa aparecer no processo que ele ajuda a executar.

Conceder os acessos necessários à tarefa

Depois de definir o trabalho, é preciso verificar se os acessos correspondem ao que foi autorizado.

O agente pode precisar consultar o catálogo de serviços e uma tabela de preços vigente. Isso não significa que deva acessar todas as propostas anteriores ou condições especiais negociadas pela empresa.

A documentação de governança de agentes da Microsoft recomenda restringir o acesso às fontes necessárias à função e aplicar controles de identidade e permissões. Também trata do cuidado com dados armazenados em memória e registros de execução.[3]

No fluxo comercial, isso se traduz em decisões concretas: quais documentos podem ser consultados, quem mantém suas versões, quais informações podem ser enviadas ao modelo e onde a proposta gerada será armazenada.

As restrições precisam ser aplicadas pelos sistemas, ferramentas e integrações responsáveis. Uma instrução escrita na configuração do agente não substitui o controle de acesso.

Assim como um jogador precisa conhecer sua função e respeitar as regras do jogo, cada agente precisa atuar dentro das permissões recebidas. O ARGUS apoia a aplicação desses limites nos agentes e fluxos integrados, conforme as políticas e os controles configurados pela empresa.

Antes de liberar o uso, vale testar também o limite: se o agente tentar consultar um documento fora do seu escopo, o acesso será impedido?

Testar as situações que aparecem no dia a dia

Os primeiros testes costumam usar solicitações organizadas e documentos selecionados. Na rotina, chegam informações incompletas, arquivos antigos e orientações contraditórias.

A avaliação precisa representar essas condições. O NIST AI Risk Management Framework recomenda documentar testes e métricas e demonstrar o desempenho em condições semelhantes às do ambiente de implantação.[4]

Para o agente de propostas, vale verificar como ele se comporta diante de um serviço fora do catálogo, uma tabela vencida ou um pedido que exige uma condição ainda não aprovada.

Em alguns casos, a entrega aceitável será uma proposta parcial com a indicação do que falta. Em outros, o comportamento esperado será encaminhar a solicitação para uma pessoa.

Esses critérios devem ser combinados antes da avaliação. Assim, a equipe consegue distinguir uma falha de uma interrupção correta: um agente que reconhece a falta de autorização pode estar cumprindo sua função.

Também convém registrar quais versões do modelo, das instruções e das fontes foram avaliadas. Uma mudança relevante em qualquer desses componentes pode exigir novos testes antes de continuar o uso.

Preparar a equipe para revisar e intervir

A revisão humana precisa ter lugar definido no processo. Quem recebe o rascunho deve saber o que conferir, como rejeitar a entrega e para onde encaminhar uma inconsistência.

Se essa pessoa estiver indisponível, o fluxo precisa ter um destino previsto. A ausência de revisão não pode se transformar, por acidente, em autorização para enviar a proposta.

Também é necessário combinar quem pode suspender o agente, como a equipe continuará o trabalho e quais registros permitirão identificar as entregas afetadas.

O NIST inclui na gestão de riscos de IA responsabilidades e mecanismos para desativar sistemas com resultados incompatíveis com o uso previsto, além de monitoramento, resposta a incidentes e recuperação.[4]

Suspender novas execuções não corrige automaticamente uma informação já enviada. Por isso, a resposta deve considerar tanto o agente quanto os efeitos de suas ações.

O acompanhamento começa junto com o uso real. A Microsoft recomenda que os primeiros agentes entrem em produção com monitoramento ativo desde o início.[2] Nesse exemplo, a equipe pode acompanhar propostas aceitas, correções necessárias, falhas de consulta, tempo de execução e consumo.

Nesse acompanhamento, o ARGUS ajuda a reunir evidências das execuções, das ferramentas utilizadas e do consumo dos modelos integrados. Essas informações permitem investigar falhas e orientar ajustes, enquanto a equipe avalia a qualidade das entregas e os resultados para o negócio.

O consumo merece atenção: na pesquisa da McKinsey de 2026, cerca de 20% dos participantes disseram que os custos operacionais de IA, incluindo tokens, limitaram seu uso nas organizações.[1] Isso reforça a importância de observar consumo e qualidade em conjunto. Uma entrega rápida pode perder utilidade se exigir sucessivas tentativas e muito retrabalho.

Decidir o que está pronto para entrar na rotina

Antes de liberar o agente, a empresa deve conseguir reunir algumas respostas:

• Qual tarefa está autorizada e quais ações exigem aprovação?
• Quem responde pela entrega e pelo funcionamento técnico?
• Quais fontes, ferramentas e permissões foram liberadas?
• O que foi testado e quais limitações permanecem?
• Como tratar exceções, suspender o fluxo e continuar o trabalho?
• Quem acompanhará resultados, qualidade e consumo?

Esse registro pode ser simples e proporcional ao processo. Seu valor está em permitir que as pessoas envolvidas entendam o que foi autorizado e tenham condições de agir.

A atenção a esses critérios também aparece nas projeções de mercado. Em junho de 2025, o Gartner previu que mais de 40% dos projetos de IA agêntica seriam cancelados até o fim de 2027, apontando custos crescentes, valor de negócio pouco claro ou controles de risco inadequados como motivos.[5] Trata-se de uma previsão, não de uma taxa de cancelamento já observada.

Para quem está começando, a implicação prática é avaliar a utilidade do agente junto com as condições para mantê-lo funcionando.

Se os testes mostrarem que ele prepara um rascunho útil, mas ainda não atende às condições para envio, a autorização pode ficar limitada à preparação. O trabalho liberado deve corresponder ao que a empresa conseguiu avaliar e está preparada para acompanhar.

Essa é uma aplicação concreta da governança de IA agêntica: definir em quais condições uma tarefa pode ser delegada e manter capacidade de intervenção.

A passagem dos testes para o dia a dia acontece quando a empresa consegue usar a entrega com critérios claros, reconhecer suas limitações e responder pelo funcionamento do processo.

Da visão à prática: ARGUS

Pense em um time de futebol. Goleiro, zagueiros e atacantes têm funções e habilidades diferentes. O técnico coordena o trabalho, e cada jogador precisa conhecer seu papel e os limites da sua atuação. Em um processo com vários agentes de IA, também pode haver especialistas e um agente coordenador.

Nessa analogia, o ARGUS ajuda a organizar o ambiente em que o time atua: conecta agentes e ferramentas, apoia a aplicação das regras definidas pela empresa e dá visibilidade ao que acontece durante as execuções. A empresa estabelece os objetivos e as autorizações; a plataforma oferece recursos para coordenar e acompanhar o trabalho integrado.

Na preparação de propostas comerciais, por exemplo, um agente poderia consultar o catálogo e outro preparar o rascunho, com coordenação entre as etapas e revisão humana antes do envio. Essa divisão é ilustrativa: um fluxo mais simples pode trabalhar com um único agente. O desenho depende da necessidade do processo.

O ARGUS apoia o monitoramento e a rastreabilidade dos agentes e fluxos integrados. A equipe pode acompanhar execuções, chamadas de ferramentas, erros e tempo de resposta. Se uma proposta vier inadequada, esses registros ajudam a investigar o caminho percorrido e localizar etapas que precisam de ajuste.

O AI Gateway do ARGUS acrescenta visibilidade sobre chamadas, tokens e custos dos modelos integrados, além de políticas de roteamento. Isso ajuda a relacionar o consumo ao trabalho executado e fornece informações para revisar o uso dos modelos. Não representa garantia de economia nem controle automático de toda a conta de IA da empresa.

Políticas, permissões e supervisão humana apoiam a aplicação dos limites de atuação, conforme as integrações e a configuração adotadas. O benefício para a gestão é reunir elementos para decidir com mais clareza: onde o agente está sendo útil, quais falhas se repetem e o que precisa mudar antes de ampliar sua participação.

Esse trabalho de coordenação, monitoramento e governança é chamado de AgentOps, ou operação de agentes de IA. Já AIOps, aplicação de inteligência artificial às operações de TI, pode acrescentar contexto operacional como recurso complementar. O uso do ARGUS também alcança processos de outras áreas do negócio, respeitando o escopo integrado e as responsabilidades da empresa.

Para avaliar essa passagem na sua empresa, converse com a equipe sobre um fluxo específico e os controles necessários para incorporá-lo ao dia a dia.

Conheça o ARGUS e veja como funciona na prática.

Sobre a Target Solutions

A Target Solutions atua há mais de 15 anos apoiando organizações na evolução de suas operações de infraestrutura, monitoramento, observabilidade, automação e inteligência operacional. Ao longo dessa trajetória, participou de projetos em ambientes complexos de Telecom, Tecnologia, Governo, Energia e grandes empresas, contribuindo para aumentar a eficiência operacional e a confiabilidade dos serviços. Essa experiência inclui governança, observabilidade e operação de agentes de IA em ambientes críticos, complementando monitoramento, AIOps e automação já presentes na infraestrutura.

Sobre o autor

Paulo Florêncio de Menezes é sócio e CoFounder da Target Solutions e atua há mais de 15 anos em projetos relacionados a infraestrutura, monitoramento, observabilidade, automação e operações de TI e Telecom.

É graduado em Processamento de Dados pela Universidade Federal do Amazonas (UFAM), possui MBA em Gestão Empresarial pela Fundação Dom Cabral (FDC) e Mestrado Profissional em Economia pela Fundação Getulio Vargas (FGV).

Em sua pesquisa de Mestrado, desenvolveu o IBEOP-IA (Índice Brasileiro de Exposição Ocupacional Potencial à Inteligência Artificial), investigando a exposição potencial das ocupações brasileiras às capacidades da IA por meio da combinação de dados ocupacionais, patentes de inteligência artificial e técnicas de processamento de linguagem natural.

Referências

[1] McKinsey & Company. The state of AI in 2026: On the road to ROI. Publicado em 25/08/2026. Pesquisa com 1.719 participantes em 97 países, realizada de 04/05 a 08/06/2026.

[2] Microsoft Learn. Your next steps for agentic transformation. Consultado em 29/10/2026.

[3] Microsoft Learn. Govern and secure AI agents. Consultado em 29/10/2026.

[4] National Institute of Standards and Technology (NIST). AI Risk Management Framework: AI RMF Core. Seções Measure e Manage. Consultado em 29/10/2026.

[5] Gartner. Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. Comunicado de 25/06/2025.