Se você já leu sobre as quatros tensões criadas pela natureza dual da IA agêntica, já deve intuir que elas vão exigir de você uma resposta estratégica que vai além do ajuste incremental. Diferentemente de outras tecnologias que podem ser geridas dentro dos silos funcionais tradicionais, a IA agêntica ultrapassa os limites internos da organização.
O que a adoção de agentes de IA requer?
Podemos listar: expertise em TI para implantação técnica, estruturas semelhantes a recursos humanos para gestão de desempenho da IA, modelos financeiros para investimento híbrido, supervisão jurídica para tomada de decisões autônomas e coordenação de unidades de negócios para integração de fluxos de trabalho. Não é possível resolver nenhuma das quatro tensõesvde maneira isolada. Cada uma das tensões exige novas formas de colaboração.
As tensões expõem desafios operacionais e questões estratégicas. Os executivos devem se perguntar:
- estão pensando na IA agêntica apenas para reduzir custos ou
- querem que ela seja também fonte de inovação, diferenciação e aprendizado organizacional.
A resposta a essa pergunta determinará como se projetam processos, estruturas, governança e estratégias de força de trabalho. Depois que os executivos definirem o que desejam da IA agêntica, eles precisam abordar cinco implicações interligadas. Vamos a elas:.
1. Redesenhar o trabalho: deve-se ir além do incrementalismo
A ascensão da IA agêntica vai remodelar tarefas isoladas e fluxos de trabalho inteiros. Líderes deverão combinar o julgamento humano e a autonomia das máquinas de maneiras que processos tradicionais nunca acomodaram.
Os executivos devem refletir sobre a dimensão dessa mudança. Se uma organização tem 500 processos, quantos serão reimaginados – 50? 200? 400?
Empresas com ampla adoção de IA agêntica sugerem que a resposta está muito mais próxima do topo. Nossa pesquisa mostra que 66% das organizações com grande adoção de IA agêntica esperam mudanças em seu modelo operacional, em comparação com 42% daquelas que não têm planos de adotar (veja a figura abaixo).
Essa estatística esconde uma realidade mais complexa: organizações bem-sucedidas não resolvem as tensões de escopo e flexibilidade. Elas projetam fluxos de trabalho que podem oscilar entre eficiência e adaptabilidade sem sofrer rupturas.
Naomi Lariviere, vice-presidente de gestão de produtos e diretora de produto da ADP, empresa americana de soluções de RH, oferece um exemplo dessa abordagem. Em vez de escolher entre adaptar tarefas de folha de pagamento ou redesenhar todo o processo, a ADP construiu sua própria “plataforma de construção de agentes” que possibilita os dois caminhos simultaneamente.
Tarefas individuais de folha de pagamento podem ser otimizadas para eficiência (atendendo a necessidades de escalabilidade), enquanto a arquitetura da plataforma permite a rápida implantação de novas capacidades à medida que as regras tributárias mudam em centenas de localidades (atendendo às necessidades de adaptabilidade). A plataforma não elimina a tensão entre eficiência e flexibilidade. Ela cria infraestrutura para gerir ambas as demandas.
As pessoas acreditam que a IA fará o dobro do trabalho delas em três anos. Atualmente, elas sentem que a IA realiza 23% mais tarefas em seus empregos em comparação com um ano atrás. Em três anos, esperam que a IA consiga realizar 46% das tarefas. Os processos precisarão mudar.
Da mesma forma, a experiência da Goodwill revela como as organizações podem se preparar para a escalada do escopo, em vez de tentar evitá-la. Com o tempo, a IA de triagem têxtil pode levar a uma grande reengenharia da cadeia de fornecimento. Ainda assim, a Goodwill está focada em melhorias incrementais para otimizar a ordenação, enquanto busca um processo mais transformador com IA.
Quase todas as organizações que adotam IA agêntica esperam redesenho significativo dos processos, e as mais avançadas na adoção da tecnologia têm mais probabilidade (66%) de ter mudanças do tipo do que as que estão começando a adotá-la (42%).
Considerando o quanto todas as empresas estão no começo da adoção da IA agêntica, essa diferença é importante. Em última análise, o uso de IA agêntica está permitindo que as organizações criem novas formas de trabalhar, em vez de apenas adicionar IA às rotinas antigas.
Como gerir as demandas concorrentes
- Construa processos que contenham opções. A plataforma de construção de agentes da ADP permite eficiência padronizada e personalização rápida em centenas de locais. As empresas devem projetar fluxos de trabalho que possam alternar entre modos de eficiência e adaptabilidade, em vez de otimizar para uma única abordagem.
- Planeje a escalada do escopo. A IA de triagem têxtil da Goodwill revelou a necessidade de uma reengenharia completa da cadeia de fornecimento. As organizações devem estabelecer processos claros para determinar quando melhorias incrementais em IA devem desencadear discussões mais amplas sobre redesenhos, em vez de tratar a expansão do escopo como uma falha de projeto.
- Monte as equipes com especialistas e orquestradores. Nossa pesquisa mostra que 43% daqueles que adotam IA agêntica esperam contratar generalistas em vez de especialistas e que 45% esperam uma redução nos níveis de gestão intermediária. Logo, as empresas deveriam designar equipes que incluam tanto especialistas em otimização de eficiência quanto generalistas em redesenho de processos.
2. Governança e alçada: tomada de decisões e estabelecimento de regras
A IA agêntica cria um dilema de governança diferente de qualquer tecnologia anterior. Simples ferramentas são próprias e previsíveis. Já as pessoas são autônomas e precisam ser supervisionadas.
Sistemas agênticos ficam em um lugar intermediário: são adquiridos como ativos, mas agem de maneiras que exigem supervisão. Nossos dados mostram que 58% das principais organizações que usam IA agêntica esperam mudanças na estrutura de governança em três anos, com expectativas de que os sistemas de IA terão autoridade de decisão crescendo 250% (veja a Figura 3 na pág. xx e a figura 1A do apêndice).
Essas organizações não estão resolvendo o dilema supervisão versus autonomia. Elas estão criando estruturas de governança que podem lidar com ambiguidades permanentes sobre quem ou o que é responsável por tomar decisões.
A tensão de controle se manifesta mais claramente na forma como uma empresa implementa abordagens contraditórias. Chandra Kapireddy cita a implantação tanto de sistemas “human in the loop” (que têm supervisão humana) quanto “human out of the loop” (que não têm supervisão humana) no Truist Bank, do qual era o líder de IA generativa, aprendizado de máquina e analytics do banco. Não se trata de uma escolha estratégica entre abordagens, mas do reconhecimento de que sistemas de IA agêntica exigem simultaneamente ambas as filosofias de gestão.
Para fornecer uma supervisão adequada, as organizações precisam tratar os agentes de IA como trabalhadores que precisam de treinamento e orientação. Vibhor Rastogi, diretor geral da Citi Ventures, braço de venture capital do Citigroup, deixa isso claro. “Quando olhamos para startups no setor, ainda sentimos que esses agentes de IA devem ser tratados como colegas que precisam de treino, orientação, supervisão”, diz.
No entanto, as organizações também implantam essa IA justamente porque ela pode funcionar de maneira autônoma. Isso leva a uma contradição: sistemas que precisam ser supervisionados como funcionários, mas adquiridos como equipamentos.
Os executivos devem projetar uma governança que possa exercer diferentes graus de controle, dependendo dos riscos, da demanda e do contexto. Isso é menos sobre encontrar equilíbrio estável e mais sobre construir capacidades de governança que possam se adaptar continuamente.
Como gerir as demandas concorrentes
- Esclarecer alçadas de decisão. As organizações devem criar estruturas de governança que acomodem tanto a supervisão quanto a autonomia. Elas precisam estabelecer processos formais em que TI, RH e unidades de negócio analisem regularmente os limites da autoridade de IA. Essa abordagem evita tratar as alçadas de decisão como estáticas e reconhece que os níveis de autonomia irão variar conforme os fluxos de trabalho.
- Estabeleça uma infraestrutura centralizada de governança antes de implantar agentes autônomos. Como se espera um crescimento de 250% na alçada de decisão de IA, as organizações devem seguir o modelo da SAP de criar hubs de governança com proteções em toda a empresa antes de implantar sistemas autônomos em várias unidades de negócio.
3. Estrutura organizacional e planejamento estratégico da força de trabalho: redefinir papéis, não apenas habilidades
O design organizacional tradicional foi construído em torno de pessoas. Domínios de controle, camadas de gestão e planos de carreira, todos focados no esforço humano.
Sistemas agênticos invertem essa lógica. A questão para os executivos não é mais apenas “De quais habilidades precisamos?”, mas “Como deve ser a estrutura da nossa organização quando humanos e agentes de IA trabalham lado a lado?”.
Os dados de nossa pesquisa apontam para o início de mudanças estruturais. Como dissemos, entre organizações com ampla adoção de IA agêntica, 45% esperam reduções nas camadas de gestão intermediária.
Não se trata de uma mera adaptação da força de trabalho: isso implica um redesenho organizacional mais amplo. Se os agentes coordenarem fluxos de trabalho, as amplitudes de controle tradicionais aumentam e o número de camadas hierárquicas diminui. O efeito líquido são organizações mais planas, em que menos pessoas gerem mais trabalhadores, com gestores humanos cada vez mais responsáveis por orquestrar equipes híbridas de humanos e IA.
A adoção da IA agêntica também remodela a composição da força de trabalho. Quando os agentes aprendem e se adaptam entre funções, a demanda por generalistas que podem abranger domínios e trabalhar entre sistemas aumenta de tamanho.
Quando os agentes assumem tarefas rotineiras, as organizações precisam de menos funcionários iniciantes. Isso não é otimização tradicional da força de trabalho. É um reconhecimento de que as empresas agora administram tanto pessoas quanto colaboradores não humanos, exigindo uma recalibração de contratações, cargos e trajetórias profissionais.
Essa evolução de papel não resolve a questão de saber se a IA é um trabalhador ou uma ferramenta. Ela multiplica as categorias que as organizações precisam gerir simultaneamente.
Esses desenvolvimentos vão desafiar as noções existentes de progressão na carreira. Sistemas de promoção e remuneração baseados em análises ou coordenação rotineiras podem se tornar obsoletos, forçando as organizações a recompensar novas capacidades: orquestrar equipes híbridas, administrar exceções e exercer supervisão ética, por exemplo.
Em tal cenário, “generalista” não significa “júnior” ou “inexperiente”; descreve líderes capazes de abranger domínios, lidar com ambiguidades e supervisionar a colaboração humano-IA em larga escala.
Em organizações com ampla adoção de IA agêntica, 95% dos entrevistados indicam que a tecnologia impactou positivamente sua satisfação no trabalho. Isso sugere que abraçar essa confusão de identidade gera melhores resultados do que tentar categorizar a IA de maneira restrita.
Como gerir as demandas concorrentes
- Remodele as estruturas organizacionais. Das organizações com ampla adoção de IA agêntica, 45% esperam uma redução nas camadas de gestão intermediária em três anos. As mudanças organizacionais previstas apontam para a necessidade de planejar hierarquias mais horizontais, além de redefinir os papéis e focar menos na intermediação de informações e mais na orquestração de equipes híbridas humano-IA.
- Crie trajetórias de carreira duplas. Das empresas com ampla adoção de IA, 43% planejam contratar mais generalistas e 29% esperam menos cargos de nível inicial. Isso sugere que as organizações devem estabelecer caminhos distintos de desenvolvimento tanto para especialistas em IA quanto para orquestradores de IA, reconhecendo que ambos os papéis são essenciais.
- Planeje o papel em evolução da IA nas equipes. As corporações esperam que a IA atue cada vez mais como coach ou mentor. Para se preparar, elas podem construir modelos de força de trabalho e programas de desenvolvimento de liderança que antecipem essas mudanças de papéis, garantindo que os humanos estejam prontos para colaborar com agentes de IA.
Se o design organizacional girava em torno de pessoas, sistemas agênticos invertem essa lógica
4. Desenvolvendo capacidade humana e de agentes de IA
O uso da IA agêntica modifica a forma como as organizações devem pensar sobre aprendizado e desenvolvimento em duas frentes. Primeiro, os funcionários precisam de aprimoramento, não apenas no uso técnico de sistemas de IA, mas também na supervisão e orquestração deles. Segundo, os próprios agentes precisam ter seu ciclo de vida gerido (integração, treinamento, requalificação e eventual aposentadoria) se quiserem permanecer confiáveis e valiosos.
No lado humano, a requalificação tradicional tem se concentrado em ensinar as pessoas a operar ferramentas. Mas trabalhar ao lado dos agentes de IA exige capacidades mais amplas: os funcionários precisam saber quando confiar nos resultados, quando desafiá-los e como integrá-los aos fluxos de trabalho da equipe.
No lado da IA, esses sistemas podem se tornar mais valiosos com a experiência. As organizações precisam tratar os agentes não como ferramentas estáticas, mas como participantes dinâmicos com ciclos de vida próprios, que exigem suporte estruturado semelhante àquele oferecido aos funcionários humanos.
Ferramenta e trabalhador em um só sistema
Walter Sun, VP sênior e líder global de IA da SAP, vê a IA agêntica desenvolvendo uma expertise que apresenta um nível de trabalho humano para lidar com tarefas complexas. “Se você pudesse escolher entre acessar uma enciclopédia muito grande ou ter uma pessoa especialista em uma tarefa específica, qual escolheria? Sentimos que, para muitas das funções do nosso negócio, precisamos desse especialista”, explica. “É por isso que sentimos que, ao podermos ajustar e criar esses modelos de linguagem menores, conseguimos a expertise incorporada a um agente de IA.”
O modelo inicial (a enciclopédia) é um ativo fixo depreciável. Mas, por meio do processo contínuo de ajuste fino, ele se torna um “especialista” mais valioso e flexível.
Para ampliar a expertise dos empreendedores para além de seus pontos fortes, a gigante chinesa do e-commerce Alibaba desenvolveu um sistema de quatro agentes (lista de produtos, comunicação, marketing e gestão de riscos) para pequenas empresas. Mas os agentes não estão presos a um modo fixo de trabalhar.
“Cada um dos agentes pode bater 90% dos humanos fazendo esse trabalho. Quanto mais você trabalha com o agente, mais ele entende seu negócio”, explica o presidente do Alibaba.com, Kuo Zhang. O desenvolvimento, no início, exigiu design semelhante ao de uma ferramenta, mas manteve benefícios normalmente associados a trabalhadores humanos.
Com a experiência crescente, os agentes estão aprendendo cada vez mais sobre situações específicas. Como resultado, pequenos empreendedores podem usar cada vez mais esses agentes para lidar com problemas em seus próprios contextos.
Na Chevron, a diretora de dados e análises Margery Connor observa que as atualizações de modelo chegam “a cada dois meses”. Ela ressalta a necessidade de atenção permanente para manter os sistemas atualizados.
No Capital One, Prem Natarajan, vice-presidente executivo, cientista-chefe e líder de IA corporativa, aponta para um reinvestimento contínuo em ajustes finos para garantir que os agentes não se desviem do rumo. Se as organizações não cuidarem da IA agêntica, os sistemas rapidamente se tornarão desatualizados, imprecisos ou até arriscados.
Assim como as equipes de RH recrutam, integram, treinam, avaliam e, eventualmente, aposentam funcionários, empresas que adotam IA agêntica precisam de funções de suporte paralelas para sua força de trabalho não humana. Isso inclui processos de integração, avaliações de desempenho e retreinamento.
Algumas empresas estão experimentando atribuir responsabilidade explícita por isso. A farmacêutica Moderna, por exemplo, fundiu seus departamentos de tecnologia e RH, deixando claro que os agentes devem ser geridos como parte da força de trabalho, não apenas da infraestrutura de TI.
Como gerir essas demandas concorrentes
- Capacite os humanos para orquestrar, não apenas para operar. As organizações precisam treinar os funcionários para supervisionar, redirecionar e criticar o trabalho dos agentes.
- Redesenhe a integração de novos contratados. Os agentes devem estar inseridos em programas de treinamento para que os novos funcionários aprendam a trabalhar com eles desde o primeiro dia.
- Crie um “RH para IA agêntica”. As organizações devem atribuir a responsabilidade pelo recrutamento, integração, avaliação, requalificação e aposentadoria de agentes de IA.
5. Previsão orçamentária para a incerteza permanente
Em estruturas tradicionais de investimento, as organizações podem escolher entre abordagens concorrentes: despesas de capital versus operacionais, retornos de curto prazo versus longo prazo, gastos centralizados versus distribuídos. Mas, como os investimentos em IA agêntica cruzam essas categorias, as empresas precisam de arquiteturas financeiras que acomodem múltiplas abordagens de investimento.
A rápida evolução da IA agêntica exige adaptabilidade. Com o surgimento de novos modelos e recursos, as decisões de investimento devem antecipar custos de mudança. Os modelos financeiros precisam ser flexíveis o suficiente para prever atualizações rápidas, requalificações e substituições, sem prender o negócio a cronogramas de depreciação estáticos.
À medida que os gestores ajustam os agentes, os expõem a mais dados e os incorporam nos fluxos de trabalho, os sistemas podem se tornar mais eficazes. A maioria das tecnologias sofre com estagnação ou perde utilidade ao longo do tempo, mas a IA agêntica pode melhorar conforme é usada, apesar de possíveis desvios do modelo ou mudanças tecnológicas. Essa valorização exige uma ruptura estratégica com a lógica tradicional de investimento.
Empresas devem supervisionar a IA agêntica como supervisionam funcionários humanos
A questão não é apenas como financiar a IA, mas definir o que ela deverá entregar – seja eficiência de custos, inovação mais rápida ou engajamento mais profundo do cliente. Nossa pesquisa mostra que organizações mais avançadas na adoção têm muito mais probabilidade de esperar mudanças fundamentais na forma como elas se diferenciam competitivamente. Isso exige que as escolhas de investimento estejam atreladas a objetivos estratégicos, em vez de dispersas por um mosaico de projetos desconectados.
Como gerir essas demandas concorrentes
- Construa para ser adaptável. Haverá rápidas mudanças tecnológicas, então as empresas devem projetar orçamentos e sistemas que possam incorporar custos de mudança e sustentar o retreinamento contínuo.
- Crie processos de revisão de investimentos que acomodem divergências funcionais/alinhamento conjunto entre negócios. As organizações devem estabelecer ciclos mensais de revisão, em que TI, finanças, RH e unidades de negócio possam defender abordagens de investimento divergentes sem exigir consenso.
- Desenvolva métricas que acompanhem a valorização e a depreciação ao mesmo tempo. As organizações devem medir sistemas de IA como ativos que se valorizam (capacidades de aprendizado, aplicações ampliadas) e como ferramentas que se depreciam (desvio do modelo, obsolescência tecnológica) simultaneamente, e aceitar que tais métricas às vezes apontam em direções opostas.
LEIA TAMBÉM >>>
A chegada da empresa agêntica
As quatro tensões da IA agêntica
