*Por Everton Behenck
Vendem o agente de IA como um gênio da lâmpada, onde a empresa faz três prompts, aperta enviar e a tecnologia realiza todos os desejos. Instala, integra, conecta às bases, e pronto, é só esperar a revolução. Depois de quase uma década criando agentes, posso adiantar: a realidade não é assim.
Comecei a trabalhar com agentes determinísticos em 2017, aqueles que seguem regras, fazem exatamente o que mandam, tem limitações claras e previsíveis. Em 2022, tivemos o protagonismo dos agentes generativos, e foi como se alguém tivesse virado o tabuleiro de cabeça para baixo. Mudou tudo, desde a forma de orçar, montar cronograma, absorver um briefing e imaginar a solução. E foi nesse processo que cheguei à conclusão que criar um agente de IA tem muito mais a ver com treinar um novo membro do time do que com implantar um sistema.
Parece sutil, mas não é. Muda tudo.
Um sistema você implanta. O TI instala, conecta, configura, e a expectativa é que os processos acelerem sozinhos. Um colaborador, não. Um colaborador você treina. Ele chega sem saber nada da sua empresa, precisa entender a própria função, acessar o conhecimento interno, receber supervisão e evoluir com o tempo. Dessa forma, um colaborador digital é formado pela empresa, já um agente é entregue pelo TI.
A raiz da confusão é técnica. Durante décadas, toda tecnologia que conhecemos foi determinística: mesma entrada, mesma saída, todas as vezes, afinal softwares seguem regras. A IA generativa rompe com isso. Ela não segue regra, ela aprende padrões a partir de bilhões de exemplos. A resposta não é calculada, é prevista: cada palavra que sai é uma probabilidade escolhida entre milhares. Pergunte duas vezes “como está o tempo hoje?” e você pode ouvir “está ensolarado e quente” numa e “o dia está claro, temperatura agradável” na outra. Não é defeito, é natureza da tecnologia. Um sistema é determinístico; um colaborador é probabilístico. E com colaborador a régua é outra, você nunca tem 100% de certeza do que ele vai responder. Não se treina alguém esperando que a pessoa vá acertar sempre, se treina pra que erre cada vez menos.
Há ainda uma diferença que quase ninguém considera, o sistema não lê como a gente lê. Quando consultamos um documento, lemos o todo, já a IA recupera pedaços, trechos isolados que ela costura na hora de responder. Se os pedaços são ruins, confusos ou contraditórios, a resposta é ruim. Por isso que, acima de tudo, um colaborador digital precisa de uma base de conhecimento bem cuidada. É central, mas é justamente o que mais se negligencia.
Porque instalar um agente é simples: um modelo, um RAG, uma pilha de documentos, um punhado de instruções e pronto, isso na teoria, porque na prática pode dar tudo errado. Quando você solta esse agente sobre uma base bagunçada, ele deixa de ser inteligência e vira desorganização automatizada e potencializada. Dados que se contradizem, processos vagos, informação desatualizada, tudo isso vaza direto pra respostas. Na maioria das empresas, a mesma política interna mora em três lugares diferentes: uma apresentação antiga, uma planilha solta, um documento que outra área escreveu. Quando a IA consulta tudo ao mesmo tempo, ela não resolve a contradição. Ela multiplica. A IA não corrige a sua desorganização; ela escala.
Não é especulação. O estudo da Harvard Business School com o Boston Consulting Group, que acompanhou 758 consultores em tarefas reais, mediu os dois lados disso. Quando a IA foi usada fora da sua zona de competência, sem o preparo adequado, a precisão das respostas caiu cerca de 19%. IA mal preparada não é neutra: ela custa caro. E quase ninguém está se preparando. Segundo a Jobs for the Future, apenas 36% dos trabalhadores dizem ter o treinamento e os recursos de que precisam para usar IA, e esse número caiu em relação ao ano anterior. A Pew Research mostra o tamanho do buraco por outro ângulo: entre os que fizeram algum treinamento no trabalho no último ano, só uma fração teve a ver com IA. É a contradição do momento: a adoção dispara, o preparo encolhe. Muita gente usando. Pouca gente sabendo usar.
Agora veja o outro lado da régua, quando a coisa é feita direito. O mesmo estudo de Harvard mostrou que os consultores assistidos por IA entregaram tarefas 25% mais rápido e com mais de 40% de ganho na qualidade, e os maiores saltos vieram justamente de quem rendia menos. Treinar um colaborador digital é um processo mais profundo do que instalar um agente. É recuperação de informação que escolhe o pedaço certo entre milhares. É curadoria que decide o que vale, o que está desatualizado, o que se contradiz. É um system prompt que cria um colaborador, não um agente. Quando isso é bem feito, os dados passam a ter valor real, os processos aceleram e as decisões ganham profundidade. Uma empresa funciona melhor com IA, porque o trabalho das pessoas melhora quando elas trabalham junto com uma IA bem treinada.
É por isso que o futuro não será de quem criou mais agentes. Será de quem soube treinar melhor seus colaboradores digitais. Antes de contratar a ferramenta, então, vale parar diante do espelho e olhar para os próprios processos e documentos, não como um desafio de TI, mas como a chance rara de a empresa se ver por dentro e responder a uma única pergunta: o que eu quero ensinar pra esse novo membro da equipe?
*Everton Behenck – Diretor de criação da WideLabs, fábrica de IA soberana com atuação no Brasil e em projetos na América Latina.