300 funcionários da K2Tech trabalham com agentes de IA: faltam conectores e são necessárias regras do jogo

Até pouco tempo atrás, bastava que a IA escrevesse um e-mail. Agora o que irrita é outra coisa: ela não sabe a quem enviá-lo, não registra os resultados da reunião nos documentos e não atualiza a tarefa no tracker. O elo entre e-mail, chats e tracker continua sendo uma pessoa. Vladimir Sergeev, da K2Tech, onde cerca de 300 pessoas trabalham diariamente com agentes corporativos, descreveu como essa lacuna se apresenta por dentro. O texto foi escrito por um integrador e, em alguns trechos, promove a stack da própria empresa, mas as conclusões de engenharia não perdem a validade por isso.

O resumo não cura a sobrecarga

A ideia de «tudo em uma única janela» não resolveu o essencial: o contexto das tarefas continua na cabeça do funcionário. A janela não indica qual decisão já foi aprovada nem onde estão registrados os prazos atuais. Segundo uma pesquisa da K2Tech e da VK Tech (mais de 800 representantes de grandes empresas russas), 56% esperam o surgimento de um ecossistema completo «tudo em um» nos próximos três a cinco anos. Só que uma única janela não basta.

Além disso, a IA acelera a produção de textos, mas quem precisa analisá-los são os colegas. Pesquisadores da BetterUp e do Stanford Social Media Lab chamam esse resultado de workslop: o texto parece convincente, mas o destinatário precisa descobrir por conta própria o que o autor quis dizer. Mesmo um bom resumo não alivia a carga: o texto fica mais curto, mas há mais decisões por parágrafo, e cada uma precisa ser verificada.

Os números confirmam o ceticismo. No experimento com o Microsoft 365 Copilot (7137 funcionários de 66 empresas), as pessoas passaram cerca de duas horas a menos por semana com e-mail, mas os pesquisadores não encontraram mudanças significativas na quantidade e na composição das tarefas concluídas. Já a observação da Berkeley Haas em uma empresa de tecnologia mostrou outra coisa: o tempo liberado é preenchido por novos processos, e a pessoa passa o dia inteiro alternando entre os resultados do trabalho dos assistentes.

O agente precisa de contexto, não só de acesso

Imagine uma reunião em que se discutiram opções por meia hora e, no fim, alguém disse: «Tudo bem, por enquanto fazemos como antes». Uma pessoa que conhece a história do projeto entenderá que a decisão não mudou. O agente precisa distinguir sozinho uma decisão tomada de uma proposta em aberto. Por isso, nas reuniões, Sergeev agora diz em voz alta: «Aqui vai uma nota para o agente». As pessoas se adaptam ao bot, e não o contrário.

O cenário-alvo é assim: o agente de videoconferência (VKS) extrai os acordos, o agente do tracker cria tarefas com responsáveis e prazos, o agente do CRM encontra o cadastro do cliente. A pessoa confirma e só então as alterações chegam aos sistemas. Mas, para cada processo, o cenário precisa ser montado e testado separadamente. O agente deve encontrar o projeto certo, verificar o responsável e não criar duplicatas ao reprocessar a gravação. São justamente esses detalhes que determinam se a automação funciona.

O MCP eliminou parte da dor: em vez de uma profusão de conectores artesanais, surgiu um protocolo único de conexão. Mas ele não explica o significado dos dados. Um negócio ganho no CRM não significa projeto concluído, e o status «fechado» pode exigir verificação de documentos. As relações entre registros e as fontes para diferentes perguntas precisam ser explicadas ao agente de forma explícita.

A segunda prática da K2Tech: as competências-chave são escritas como plugins com sequência rígida. Primeiro ler o e-mail, depois consultar o CRM, conferir com o cadastro do projeto e só então responder. Se você apenas pedir ao modelo que prepare uma resposta, ele pode ignorar uma fonte importante.

Limites da autonomia

O grau de delegação é definido pelo custo do erro. Um rascunho de e-mail é fácil de corrigir, mas recuperar dinheiro após uma transação errada é mais difícil. Por isso, os agentes têm três modos: somente leitura, rascunho para aprovação e gravação na base após confirmação do operador. Importa não apenas a confiabilidade do modelo, mas também o quanto o erro é visível e reversível.

Os acessos são resolvidos por personificação: o bot age em nome do funcionário, com seus tokens e funções, via SSO e diretório. Mas o direito de alterar dados não significa que qualquer alteração deva ser feita automaticamente, por isso o conjunto de ações é limitado conforme a tarefa. A plataforma SamurAI, da AIDA tech, sobre a qual tudo foi construído, oferece mais de 100 ferramentas integradas, 580 habilidades prontas, registro de ações e suporte a mais de 10 provedores de LLM, inclusive locais. Os funcionários conversam com ela pelo mensageiro corporativo eXpress.

As limitações do mercado, porém, são reais: parte dos fornecedores nacionais não tem conectores MCP próprios, e às vezes nem sequer uma API documentada. Um conector artesanal pode quebrar após a atualização do produto. Às vezes a IA no produto é uma função fechada: é possível obter resumos, mas não conectar o próprio modelo ou a própria base de conhecimento.

O que fazer na prática

Ao escolher uma plataforma de comunicação, observe a API, a possibilidade de conectar o próprio modelo, o RAG sobre dados corporativos, a implantação local, a preservação de permissões e a auditoria. O autor cita como candidatos VK WorkSpace, CommuniGate Pro e eXpress, ressalvando que a presença das funções necessárias deve ser verificada para a versão específica.

A regra principal: primeiro entenda quem responde pela decisão, quais ações exigem aprovação e por quais critérios a tarefa é considerada concluída. Se o processo já tem aprovações desnecessárias, o agente simplesmente as reproduzirá. No piloto, calcule quanto da busca e da transferência manual de dados desapareceu, se as reaprovações diminuíram e quanto tempo se gasta verificando o resultado. Se, em vez de um e-mail, a pessoa recebe cinco notificações de agentes, a implantação ainda não se pagou.