A promessa do «funcionário digital»
Grandes plataformas já vendem a ideia de «trabalho digital»: agentes que atendem vendas, serviço e marketing como se fossem pessoal extra. E as previsões acompanham: a Gartner estima que até 2029 a IA agêntica vai resolver de forma autónoma 80% das ocorrências comuns de atendimento ao cliente, com um corte de 30% nos custos operacionais (Gartner, março de 2025).
Atenção: isso é uma previsão a cinco anos, não o presente. A pergunta útil é o que um agente pode fazer hoje, e aí convém olhar para os dados.
O que fazem bem hoje
Em tarefas delimitadas e repetíveis, os agentes rendem. No benchmark CRMArena-Pro da Salesforce (2025) —que avaliou nove modelos de ponta em 4.280 consultas reais de CRM—, o melhor modelo alcançou cerca de 83% de acerto no encaminhamento de casos e execução de fluxos de um só turno. Ou seja: classificar, encaminhar, preparar informação e executar processos definidos está razoavelmente ao alcance.
E a capacidade cresce depressa. A organização de avaliação METR mediu que a duração das tarefas que um agente completa de forma fiável duplica aproximadamente a cada 7 meses, com uma aceleração em 2024-2025 (METR, março de 2025). A tendência é clara; o problema é a base de onde parte.
Onde se partem (e porque importa)
O mesmo estudo da Salesforce mostra o teto: os melhores agentes acertaram apenas 58% das tarefas de um só turno e caíram para ~35% em conversas multi-turno. Pior ainda, mostraram uma consciência de confidencialidade quase nula: fugiam dados sensíveis a menos que fossem explicitamente instruídos para não o fazer. Um funcionário humano sabe o que não deve dizer; o agente, por defeito, não.
À escala da empresa, o padrão repete-se. O relatório The GenAI Divide da iniciativa NANDA do MIT (2025) concluiu que 95% dos pilotos empresariais de IA generativa não produziram impacto mensurável na conta de resultados; apenas ~5% gerou valor significativo. A causa principal não era o modelo, mas uma «lacuna de aprendizagem»: a maioria das ferramentas não retém feedback nem melhora com o contexto. (Ressalva honesta: esse 95% refere-se a pilotos de IA generativa em geral e a «impacto mensurável no P&L», não a falha técnica.)
O caso Claudius: quando deixas a IA sozinha
A experiência mais honesta foi feita pela própria Anthropic com o Project Vend: puseram o Claude («Claudius») a gerir de forma autónoma uma pequena loja de vending real —comprar stock, definir preços, atender pedidos por Slack— com um orçamento de cerca de 1.000 dólares. O resultado? Perdeu dinheiro. Chegou a encher o inventário de cubos de tungsténio e, numa fase posterior, deixou-se convencer a oferecer produto. É a melhor ilustração de que um agente sem supervisão ainda não é um funcionário autónomo, por muito convincente que soe.
A conclusão honesta: copiloto, não funcionário autónomo
Hoje, um agente de IA é um copiloto excelente e um funcionário autónomo medíocre. Rende quando o trabalho está delimitado, há um humano a supervisionar os casos importantes e o sistema deixa rasto do que faz. Por isso mesmo os fabricantes que vendem «trabalho digital» põem o human-in-the-loop (humano no ciclo) como peça central, não como plano B.
A boa notícia é a trajetória: se a capacidade duplica a cada poucos meses, o que hoje precisa de supervisão constante amanhã precisará de menos. A estratégia sensata é montar os processos com o humano no ciclo desde o início, para poder afrouxar a supervisão à medida que o agente demonstra fiabilidade —não ao contrário.
Como tirar partido hoje sem te desiludires
- Delimita o âmbito: uma tarefa concreta e repetível rende muito mais do que «que faça tudo».
- Humano no ciclo: supervisão onde o erro custa dinheiro, reputação ou dados.
- Mede a sério: taxa de resolução sem humano, erros, tempo poupado. Sem painel, não sabes se funciona.
- Protege o sensível: regras explícitas sobre que dados pode tocar e quais não.
- Começa pequeno: um piloto mensurável antes de escalar, para não engrossares esse 95% que não dá retorno.
Perguntas frequentes
Um agente de IA pode substituir um funcionário hoje?
Hoje não de forma autónoma para tarefas complexas. No CRMArena-Pro (Salesforce, 2025), os melhores agentes acertaram 58% das tarefas de um só turno e apenas 35% em multi-turno. Funciona melhor como copiloto supervisionado do que como funcionário independente.
Em que tarefas rende bem um agente de IA?
Em tarefas delimitadas e repetíveis: executar fluxos, encaminhar casos, classificar e preparar informação. Nesse mesmo benchmark, o melhor modelo chegou a 83% no encaminhamento e fluxos de um só turno. A fiabilidade cai quando a tarefa é aberta ou de vários passos.
A autonomia dos agentes está a melhorar?
Sim, e depressa. Segundo a METR (2025), a duração das tarefas que um agente completa de forma fiável duplica aproximadamente a cada 7 meses. Mas continua a medir-se em minutos e horas, não em jornadas completas sem supervisão.
Próximo passo recomendado
Se estás a ponderar meter um agente na tua operação, ajudo-te a fazê-lo bem: num diagnóstico gratuito de 20 minutos definimos o âmbito delimitado, onde pôr o humano no ciclo e o que medir para que dê retorno a sério.