Francisco Larez (*)
O mercado corporativo viveu nos últimos anos um verdadeiro frenesi em torno da inteligência artificial.
Fomos bombardeados por promessas de automação total que faziam parecer que o futuro dos negócios seria operado por robôs autônomos já no dia seguinte. Agora, esse entusiasmo começa a dar lugar a uma discussão muito mais pragmática. O chamado “teatro da IA” começa a perder o público e os conselhos administrativos e investidores querem respostas a respeito do retorno sobre o investimento.
Essa mudança de perspectiva aparece também nas pesquisas. Segundo o estudo The State of AI 2025, da McKinsey, 88% das organizações já utilizam inteligência artificial em pelo menos uma função de negócio. No entanto, quase dois terços ainda permanecem nas fases de experimentação ou pilotos. O dado mais revelador mostra que apenas 39% das empresas relatam algum impacto da IA sobre o EBIT (Earnings Before Interest and Taxes, ou lucro antes de juros e tributos, em tradução livre). Ou seja, o mercado descobriu aquilo que a engenharia já sabia: existe um enorme abismo entre uma demonstração convincente e uma solução capaz de operar com segurança, governança e escala.
As demonstrações de IA ilustram bem o Princípio de Pareto: em um ambiente controlado, é surpreendentemente fácil obter 80% do valor com apenas 20% do esforço. O verdadeiro obstáculo está nos 20% finais, que exigem 80% do trabalho para transformar um protótipo em uma solução robusta, confiável e escalável.
O desafio está na infraestrutura que conecta os grandes modelos de linguagem ao conhecimento da empresa. Historicamente, as empresas investiram fortunas tentando construir uma visão de 360° do negócio a partir de bancos de dados, planilhas e sistemas transacionais. O paradoxo é que grande parte do conhecimento corporativo nunca esteve ali, mas em dados não estruturados, como apresentações, contratos, e-mails, transcrições de reuniões, vídeos, documentos técnicos e anotações. Passamos décadas organizando tabelas enquanto deixávamos o conhecimento operacional disperso em arquivos praticamente invisíveis para as ferramentas tradicionais.
É nesse cenário que o RAG Agêntico (Agentic Retrieval-Augmented Generation) representa uma mudança importante. Em vez de simplesmente recuperar documentos para complementar uma resposta, agentes inteligentes conseguem compreender a intenção do usuário, selecionar fontes confiáveis, aplicar regras de acesso, conectar informações relacionadas e construir respostas contextualizadas. Na prática, deixam de atuar como mecanismos de busca sofisticados para funcionar como orquestradores do conhecimento corporativo.
Esse desafio pode ser traduzido na frase atribuída a Lew Platt, ex-CEO da Hewlett-Packard: “Se ao menos soubéssemos o que já sabemos”. Hoje, a tecnologia finalmente permite transformar esse conhecimento perdido em um ativo estratégico acessível por meio de linguagem natural.
Mas essa nova capacidade traz uma responsabilidade proporcional. À medida que agentes deixam de apenas responder perguntas e passam a executar tarefas, interagir com aplicações e apoiar decisões de negócio, a governança deixa de ser um tema exclusivo da TI para se tornar uma preocupação do conselho de administração.
Um modelo de IA que não permite confiar em suas respostas não gera valor corporativo – gera vulnerabilidade. Sem mecanismos de rastreamento, auditoria e governança, a tecnologia deixa de ser uma aliada e se torna uma fonte de riscos operacionais, regulatórios e de imagem. Isso porque esses modelos são inerentemente imprevisíveis: eles evoluem, se desviam ao longo do tempo e dependem diretamente da qualidade da base de dados que os alimenta. Por isso, confiança não é uma característica do modelo. É uma disciplina de engenharia construída por meio de observabilidade, políticas de acesso, monitoramento contínuo e validação humana.
Sem a devida compreensão das decisões do modelo, uma iniciativa corporativa de IA não passa de um passivo — não um ativo. Sem rastreabilidade, auditoria e mecanismos de governança bem definidos, a tecnologia deixa de ser controlada e passa a gerar exposição a riscos operacionais, regulatórios e de imagem. Modelos de linguagem, por sua natureza probabilística, estão sujeitos a deriva, alteram seu comportamento com o tempo e dependem fortemente da qualidade dos dados fornecidos.”
É também por isso que o conceito de human in the loop não representa uma etapa temporária até que a IA amadureça. Trata-se de um princípio permanente de arquitetura. Quando uma organização coloca agentes para atuar em processos críticos, ela não terceiriza responsabilidade. Ela amplia sua capacidade de decisão mantendo a supervisão humana onde ela realmente importa.
Tudo isso nos leva ao componente mais subestimado da estratégia de IA: a infraestrutura que movimenta os dados. Sistemas agênticos são extraordinariamente eficientes para amplificar produtividade, mas também amplificam erros. Em ambientes compostos por múltiplos agentes, uma informação incompleta ou desatualizada pode ser propagada sucessivamente, produzindo um efeito semelhante ao de um telefone sem fio: a resposta final já não guarda relação com a intenção original.
É por isso que componentes tradicionalmente vistos como infraestrutura de bastidores, como integração de aplicações, gerenciamento de fluxos e transferência segura de arquivos (Managed File Transfer – MFT), passaram a ocupar posição estratégica nas arquiteturas modernas de IA. Antes invisíveis, eles se tornaram essenciais para que a inteligência produzida seja confiável desde a origem.
Se a primeira onda da IA generativa foi marcada pela proliferação de assistentes isolados, a próxima será definida pela capacidade de orquestrar múltiplos agentes trabalhando em conjunto. A vantagem competitiva estará na arquitetura que conecta inteligência artificial ao ativo mais valioso de qualquer organização: seu conhecimento. E, no fim do dia, a pergunta que realmente importa já não é “qual modelo de IA estamos usando?”, mas sim: “podemos confiar nas respostas que ele produz e nas decisões que ele ajuda a tomar?”.
(*) Vice-presidente da Progress Software para América Latina e Caribe.
