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

Agentes de IA são sistemas que recebem um objetivo, decidem sozinhos os passos para chegar lá e executam esses passos, acionando ferramentas e sistemas por conta própria. É isso que os separa da automação, que segue uma regra fixa, e do assistente, que responde e devolve a decisão para a pessoa.

Este texto explica o que o termo significa, o que a evidência mostra sobre onde o ganho aparece e onde aparece perda, o critério para escolher a primeira tarefa a delegar e por onde começar. Onde houver leitura da CGLC, e não achado de fonte, isso vem escrito.

Na nossa prática: Agentes de IA são o assunto que mais chega à nossa mesa este ano, e quase sempre pela mesma porta: alguém viu uma demonstração, achou impressionante e quer saber onde encaixar aquilo na empresa.

Vaccaro, Almaatouq e Malone (2024) relatam ganho em parte das tarefas e perda em outra parte. Leitura da CGLC: A pergunta certa não é onde encaixar, e sim onde cada um dos dois aparece. O padrão da perda é a parte mais útil da literatura sobre o tema.

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

Na nossa prática: A palavra virou guarda-chuva e atrapalha a decisão de compra. Usamos 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

Leitura da CGLC: 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?

Um aviso que vale para o artigo inteiro. Os três estudos citados aqui mediram pessoa e IA trabalhando juntas, com a pessoa no circuito, e nenhum deles mediu agente autônomo nem teve amostra brasileira ou de PME. O que eles entregam é o critério de onde a combinação ganha e onde perde, e é esse critério que se transporta para a decisão sobre agentes.

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.

Na nossa prática: Isso é o oposto do slide que abre boa parte das apresentações de fornecedor que chegam à nossa 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 não colocaríamos 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

Leitura da CGLC: 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 escrevemos sobre automação com inteligência artificial e com as aplicações que levantamos em IA para pequenas empresas. O panorama mais amplo está no guia de inteligência artificial para empresas.

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 vemos 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

• IA para empresas: o que é, onde aplicar e por onde começar
• 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.