Agentes de IA: o que são e onde eles funcionam na PME

Agentes de IA são o assunto que mais chega à minha mesa este ano, e quase sempre pela mesma porta: alguém viu uma demonstração, achou impressionante e quer saber onde encaixar aquilo na empresa. A pergunta certa, porém, não é onde encaixar. É onde a evidência mostra ganho, e onde ela mostra perda.

Porque ela mostra perda. E o padrão de onde a perda aparece é a coisa mais útil que li sobre o tema.

O que é um agente de IA, e o que ele não é

A palavra virou guarda-chuva e atrapalha a decisão de compra. Uso três categorias na conversa com o dono, e elas resolvem quase toda confusão.

Categoria	Como funciona	Quem executa
Automação de regra	Fluxo fixo. Se chegou o pedido, então gera a etiqueta	O sistema, sem decidir nada
Assistente	Você pergunta, ele devolve texto ou uma sugestão	Você, depois de ler
Agente	Recebe um objetivo, escolhe os passos, chama sistemas e age	Ele mesmo, sem aprovação a cada passo

A diferença que pesa no bolso está na última coluna. Automação e assistente não tomam decisão sozinhos, então o erro deles aparece antes de virar consequência. O agente age. É por isso que a escolha da tarefa importa ainda mais nele.

O achado que o mercado não usa nas apresentações

Vaccaro, Almaatouq e Malone (2024) publicaram na Nature Human Behaviour uma revisão sistemática com meta-análise de 106 estudos experimentais, reunindo 370 tamanhos de efeito. A pergunta era direta: juntar pessoa e IA produz um resultado melhor do que o melhor dos dois isolados?

O resumo do estudo relata que, na média, as combinações tiveram desempenho significativamente pior do que o melhor entre a pessoa sozinha e a IA sozinha. Não pior que as duas. Pior que a melhor das duas.

Isso é o oposto do slide que abre boa parte das apresentações de fornecedor que chegam à minha mesa, e é a razão de este artigo existir. Mas a média, sozinha, também engana. O valor está no que os autores encontram quando separam os casos.

A regra é comparativa, não absoluta

O resumo relata dois padrões, cada um com dois casos, que na nossa leitura dão um critério de decisão utilizável numa PME.

1. A sua pessoa é melhor que a IA nessa tarefa

   Os autores relatam que a combinação superou as duas isoladas, com tamanho de efeito g de 0,46, que eles descrevem como médio

2. A IA é melhor que a sua pessoa nessa tarefa

   Os autores relatam que apareceram perdas na combinação

3. A tarefa é de decisão

   Perdas de desempenho relatadas nessa categoria

4. A tarefa é de criar conteúdo

   Ganhos relatados nessa categoria, ao contrário do que se vê nas tarefas de decisão

Note o desconforto do segundo quadro. O que ele diz é mais estreito e mais incômodo do que parece: quando a IA sozinha superava a pessoa sozinha, a combinação das duas registrou perdas. O resumo não explica por quê, e não informa que esse arranjo, uma pessoa revisando a saída da IA, tenha sido medido separadamente. A leitura da CGLC é que isso serve de alerta contra a revisão de fachada.

Isso não é licença para tirar gente do circuito onde há risco jurídico, financeiro ou de segurança. A revisão de fachada é aquela em que alguém aprova cem itens por hora sem olhar de fato.

Onde o ganho aparece de verdade

Duas outras fontes ajudam a localizar a tarefa certa, e cada uma mede uma coisa. Em Noy e Zhang o ganho aparece em tarefas de escrita. Em Brynjolfsson e colegas, em atendimento de suporte.

Noy e Zhang (2023) publicaram na Science um experimento com 453 profissionais com formação superior, em tarefas de escrita específicas de cada ocupação, com metade exposta ao ChatGPT. O resumo relata queda de 40% no tempo médio e alta de 18% na qualidade da entrega. E relata que quem tinha as habilidades mais fracas se beneficiou mais, com queda da desigualdade entre os participantes.

Brynjolfsson, Li e Raymond (2025) publicaram na Quarterly Journal of Economics um estudo de campo com 5.172 atendentes de suporte ao cliente, acompanhando a entrada escalonada de um assistente conversacional. O resumo relata alta de 15% em chamados resolvidos por hora, na média, com heterogeneidade substancial entre trabalhadores.

Fonte	O que foi medido	O que foi relatado
Vaccaro e colegas (2024)	Meta-análise de 106 estudos experimentais	Combinação pior que o melhor isolado, na média. Ganho quando a pessoa supera a IA, com tamanho de efeito g de 0,46, que os autores descrevem como médio
Noy e Zhang (2023)	Experimento com 453 profissionais, tarefas de escrita	Tempo médio 40% menor, qualidade 18% maior, maior benefício para quem tinha habilidade mais fraca
Brynjolfsson e colegas (2025)	Campo, 5.172 atendentes de suporte	15% a mais de chamados resolvidos por hora, na média, com diferença grande de um trabalhador para outro

As três medem coisas diferentes, em métricas que não se somam, e por isso não existe gráfico neste artigo. Juntando o que cada uma relata, a CGLC lê um mesmo formato de tarefa como candidato: volume, repetição, produção de texto, e alguém cuja habilidade na tarefa ainda não é a mais forte da casa. Essa síntese é nossa, e não está em nenhuma das três.

O critério para escolher a primeira tarefa

Junte os três achados e sai um filtro que cabe numa conversa de quinze minutos com o dono. A ordenação abaixo é leitura da CGLC. A primeira e a terceira linhas traduzem para a rotina o que as fontes relatam, uma sobre tipo de tarefa e outra sobre habilidade. As outras três vêm da nossa experiência de implantação, não da literatura citada.

Pergunte	Se a resposta for	Então
A tarefa é produzir alguma coisa ou decidir alguma coisa?	Produzir	Candidata forte
Ela se repete quantas vezes por semana?	Dezenas	Candidata forte
Quem faz hoje já é quem faz melhor na casa?	Sim	Deixe para depois
Um erro aqui aparece rápido ou demora a aparecer?	Demora	Não comece por aqui
Existe padrão escrito do que é uma entrega boa?	Não	Escreva o padrão antes

A última linha é a que mais trava projeto na prática, e ela não vem da literatura citada aqui: vem da nossa experiência de implantação. Sem uma definição escrita do que é uma entrega aceitável, não há como saber se o agente melhorou ou piorou, e a discussão vira opinião.

Onde eu não colocaria um agente hoje

Tarefa	Por quê
Decidir concessão de crédito ou desconto	É decisão, e a meta-análise relata perdas na categoria de tarefas de decisão que estudou. Ler isso como alerta para crédito e desconto é leitura da CGLC, e aqui o erro ainda demora a aparecer
Falar com o cliente em conflito aberto	O custo de um erro é a relação, e relação quebrada não volta com pedido de desculpas automático
Selecionar candidato em processo seletivo	Decisão, com risco jurídico e de discriminação. Precisa de responsável com nome
Fechar número contábil ou fiscal	Erro silencioso que só aparece meses depois, e a responsabilidade continua sendo da empresa
Qualquer coisa cujo padrão de qualidade ninguém escreveu	Sem critério, não dá para medir se melhorou

Isso não quer dizer que IA não entre nessas áreas. Quer dizer que ela entra como assistente, com a decisão ficando com uma pessoa, e não como agente que executa sozinho. A distinção do começo do artigo é toda a diferença.

Por onde começar, na ordem

A sequência abaixo é a que usamos em implantação, e não vem dos estudos citados.

• Escolha uma tarefa só, de produção, repetitiva, e que hoje ocupa alguém cuja habilidade na tarefa ainda não é a mais forte da casa.
• Escreva o padrão de entrega boa antes de qualquer ferramenta. Meia página basta.
• Meça o hoje: quantas por semana, quanto tempo cada uma, quantas voltam para refazer.
• Rode como assistente primeiro, com a pessoa executando, por duas ou três semanas.
• Só então dê autonomia, e comece pelo pedaço em que o erro aparece no mesmo dia.
• Combine quem responde pelo resultado do agente. A responsabilidade continua tendo nome.

Esse caminho conversa com o que já escrevi sobre automação com inteligência artificial e com as aplicações que levantei em IA para pequenas empresas. O panorama mais amplo está no guia de inteligência artificial para empresas.

Nota de método

Fonte	Até onde foi verificada
Vaccaro, Almaatouq e Malone (2024)	Somente o resumo. Só se afirma aqui o que o resumo declara
Noy e Zhang (2023)	Somente o resumo. Idem
Brynjolfsson, Li e Raymond (2025)	Somente o resumo da versão publicada. O PDF do periódico não abriu

• A ressalva mais importante deste artigo. Nenhuma das três fontes mediu agente autônomo no sentido de 2026. Todas mediram pessoa e IA trabalhando juntas, com a pessoa no circuito. A ponte entre esses achados e a decisão sobre agentes é leitura da CGLC, e serve para orientar conversa, não para prever resultado.
• Sem gráfico, de propósito. As três fontes usam métricas que não se comparam: tamanho de efeito padronizado numa meta-análise, variação percentual de tempo e de qualidade num experimento, e chamados por hora num estudo de campo. Plotar as três juntas sugeriria uma comparação que não existe.
• Um número que ficou de fora. Circula atribuído a Brynjolfsson e colegas um ganho expressivo concentrado em trabalhadores novatos. Esse número não está no resumo da versão publicada e não consegui conferir a origem. Por isso ele não aparece aqui.
• Limite de generalização. Nenhum dos três estudos tem recorte de PME nem dado brasileiro. Os contextos são tarefas de escrita com profissionais de formação superior, suporte ao cliente em escala, e estudos experimentais, cujo ambiente o resumo não detalha.
• Associação e média. Onde as fontes relatam média, está escrito média. O resumo da meta-análise relata desempenho, na média, significativamente pior que o melhor isolado, e relata resultados opostos conforme a comparação e o tipo de tarefa. É por isso que a regra prática deste texto é comparativa, e não uma recomendação geral a favor ou contra.

Perguntas frequentes

O que são agentes de IA?

São softwares que recebem um objetivo, decidem sozinhos os passos para alcançá-lo e executam ações nos sistemas da empresa, sem alguém aprovando cada passo. A diferença para um assistente é essa: o assistente devolve uma sugestão e você executa. O agente executa. E a diferença para uma automação comum é que a automação segue um fluxo fixo, enquanto o agente escolhe o caminho.

Juntar pessoa e IA sempre melhora o resultado?

Não. O resumo da meta-análise de Vaccaro, Almaatouq e Malone (2024) relata que, na média, as combinações de pessoa mais IA tiveram desempenho significativamente pior do que o melhor entre a pessoa sozinha e a IA sozinha. Quando a pessoa sozinha superava a IA, a combinação superou as duas, com tamanho de efeito g de 0,46, que os autores descrevem como médio. Quando a IA superava a pessoa, apareceram perdas.

Qual tarefa entregar primeiro a um agente?

Uma tarefa de produção, repetitiva, cujo erro apareça no mesmo dia, e que hoje seja feita por alguém cuja habilidade na tarefa ainda não é a mais forte da casa. Vaccaro e colegas relatam ganhos maiores em criação de conteúdo e perdas em tarefas de decisão; Noy e Zhang relatam benefício maior para quem tem habilidade mais fraca na tarefa. Nenhum dos dois mediu agente autônomo: a ponte para a decisão sobre agentes é leitura da CGLC, assim como traduzir habilidade para posição na equipe.

Agente de IA substitui funcionário na PME?

Os estudos citados aqui não medem substituição, medem desempenho em tarefas. Noy e Zhang relatam que quem tinha as habilidades mais fracas se beneficiou mais, com queda da desigualdade entre os participantes, o que aponta para aproximação de nível entre eles. Sobre eliminação de posto o estudo não diz nada. Na nossa experiência, o efeito prático numa PME costuma ser mudar o que a pessoa faz com as horas liberadas, e essa é uma decisão de gestão, não de tecnologia.

Quanto tempo até um agente dar retorno?

Não há resposta na literatura citada para esse recorte, e desconfie de quem der uma. O que dá para dizer é que sem medida de partida não existe resposta possível, porque não haverá com o que comparar. A recomendação da CGLC é medir a tarefa por duas semanas antes de ligar qualquer coisa.

Preciso de time de tecnologia para usar agentes?

Para experimentar em uma tarefa, não. Boa parte das ferramentas que vejo em uso hoje nas PMEs permite montar fluxos sem programação. O que a empresa precisa ter é outra coisa: o padrão escrito do que é uma entrega boa, a medição da situação atual e uma pessoa com nome respondendo pelo resultado do agente. Sem isso, o time de tecnologia também não resolve.

Outros artigos relacionados

• Inteligência artificial para empresas: guia prático
• Automação com IA: por onde começar na sua operação
• IA para pequenas empresas: 10 aplicações acessíveis

Fontes e referências

• Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293-2303. https://doi.org/10.1038/s41562-024-02024-1
• Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192. https://doi.org/10.1126/science.adh2586
• Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044

A CGLC (Centro de Gestão e Liderança Contemporânea) é um laboratório de cocriação de soluções que apoia empresas e líderes no desenvolvimento de lideranças, cultura de inovação e gestão de pessoas.