Directum: por que os negócios discutem ativamente agentes de IA mas hesitam em implementá-los nos processos

As empresas já não estão satisfeitas com chatbots que respondem perguntas e escrevem e-mails: as companhias precisam de sistemas de IA capazes de completar tarefas de forma autônoma dentro dos processos corporativos. Mas é justamente onde a autonomia parece mais valiosa que surgem as principais limitações — infraestrutura cara, erros ao trabalhar com múltiplos sistemas e falta de clareza sobre responsabilidade pelas decisões do agente. A Directum propõe distinguir entre assistentes e agentes.

Um assistente é essencialmente um assistente de conversa avançado: ele responde a solicitações, ajuda com texto, busca ou sugestões, mas não gerencia o processo por si só. Um agente funciona diferentemente: decompõe objetivos em etapas, seleciona ferramentas, alterna entre sistemas e retorna o resultado para um humano. Em um ambiente corporativo, isso pode significar um ciclo de trabalho completo com um documento, solicitação ou tarefa — desde a classificação até a entrega ao funcionário responsável.

Na opinião da empresa, o aumento do interesse em agentes não é por acaso. Após a onda de pilotos em 2024, os negócios deixaram de perguntar se a IA pode escrever um e-mail ou resumir uma reunião, e passaram para o próximo nível: pode-se confiar em um modelo uma parte do processo que exige coletar dados de vários sistemas e tomar uma decisão útil. Paralelamente, os próprios LLMs se tornaram mais fortes em planejamento e execução de tarefas em múltiplas etapas, e padrões como function calling e MCP simplificaram a conexão de ferramentas externas — desde ERP e CRM até ECM, calendários e cenários RPA.

O primeiro fator limitante é a infraestrutura. Grandes e médias empresas querem executar essas soluções dentro de seu próprio perímetro seguro, porque se trata de finanças, dados pessoais e segredos comerciais. Mas a implantação local de modelos de médio porte requer investimento significativo em GPUs, e ainda há problemas com fornecimento, preço e disponibilidade desse tipo de hardware na Rússia.

Uma alternativa como aluguel de poder computacional de data centers é tecnicamente possível, mas frequentemente levanta questões dos serviços de segurança da informação. Como resultado, muitas empresas chegam ao estágio de interesse, mas não ao estágio de implantação industrial. A segunda limitação está relacionada à qualidade do desempenho do agente conforme o número de integrações cresce.

Teoricamente, ele deveria ser capaz de trabalhar com ERP, sistemas de gestão de documentos, CRM, e-mail, bases de conhecimento e calendários simultaneamente. Na prática, cada nova conexão adiciona risco: o modelo pode selecionar a ferramenta errada, confundir parâmetros de chamada ou até inventar uma API inexistente. Segundo observações da Directum, após aproximadamente 15 ferramentas, a probabilidade de tais falhas aumenta notavelmente, então hoje é mais seguro limitar um agente a um domínio restrito ou a um conjunto de 5–7 sistemas verificados.

A escalabilidade para todo o panorama de TI de uma empresa continua sendo uma tarefa de engenharia complexa. A terceira barreira é a responsabilidade. Mesmo que um agente possa executar uma sequência de ações independentemente, a decisão final em cenários sensíveis ainda permanece com um humano.

Nenhum executivo está disposto a entregar incondicionalmente a um modelo o direito de assinar um contrato importante, aprovar uma operação arriscada ou transferir dinheiro sem supervisão. E não se trata apenas de desconfiança na tecnologia: o marco legal ainda não acompanhou o nível de automação. Se um agente comete um erro, não está claro quem é responsável pelas consequências — o fornecedor, o integrador, o proprietário do processo ou o funcionário que configurou o cenário.

Até que esta questão seja resolvida, a autonomia permanecerá limitada. Isso leva a uma conclusão bastante sóbria: o mercado está se movendo não para a substituição completa de funcionários por agentes, mas para um modelo intermediário onde a IA assume segmentos de processo bem descritos sob supervisão humana. É precisamente por isso que os agentes de workflow atualmente parecem mais promissores — soluções com limites claros, um conjunto limitado de ações e ROI previsível.

Para os negócios, isso não é uma rejeição da abordagem de agentes, mas uma forma de implementá-la sem risco desnecessário: comece com casos de uso restritos, verifique a confiabilidade e apenas então expanda o perímetro de automação.