Brasil avança em IA agêntica, mas enfrenta barreiras de sistemas legados

O Brasil se destaca globalmente na implementação de Inteligência Artificial (IA) agêntica, com um alto percentual de empresas levando seus projetos para produção. No entanto, essa rápida adoção expõe um paradoxo: a infraestrutura de Tecnologia da Informação (TI), marcada por sistemas legados e dados fragmentados, representa um obstáculo significativo para a escalabilidade e a obtenção de resultados transformadores.

Um relatório da OutSystems, intitulado State of AI Development 2026, aponta que o país está em um nível intermediário de maturidade em IA agêntica. Apesar de avançar na conversão de experimentação em aplicações concretas, a integração com sistemas construídos ao longo de décadas é apontada como a principal barreira. Globalmente, 48% dos entrevistados citam a integração com sistemas legados como a capacidade mais importante para expandir o uso da IA, e 38% a consideram a principal razão para o fracasso de projetos.

O paradoxo da escala e a infraestrutura legada

Enquanto países como a França ainda enfrentam barreiras iniciais e a Alemanha discute governança antes da implementação, a Índia avança rapidamente em adoção. O Brasil, por sua vez, está na fase mais desafiadora: a da escala. Os sistemas de IA agêntica já implementados no país interagem com fluxos de trabalho e dados acumulados por anos, levantando a questão sobre a capacidade da arquitetura empresarial de sustentar essa ambição.

A velocidade com que projetos de IA agêntica chegam à produção no Brasil está, paradoxalmente, expondo lacunas estruturais que podem limitar seu alcance. A armadilha da expansão reside justamente em não ter a base tecnológica adequada para suportar o crescimento.

ROI concentrado e a próxima fronteira da IA

Atualmente, o retorno sobre o investimento (ROI) em IA agêntica está concentrado em departamentos de TI, que se beneficiam da produtividade no desenvolvimento (40% do ROI), operações de TI (55%) e análise de dados (52%). Isso ocorre porque esses departamentos estão mais próximos das ferramentas e possuem as competências necessárias para gerenciar a complexidade dos agentes de IA.

A próxima fronteira, onde residem os resultados verdadeiramente transformadores, é a expansão da IA agêntica para funções críticas do negócio, como finanças, operações, experiência do cliente e cadeia de suprimentos. É nesse ponto que a fragmentação dos sistemas legados se torna um teto para o crescimento, impedindo o impacto sobre a receita.

Governança como arquitetura estratégica

A governança de IA, muitas vezes vista como uma restrição, é defendida como uma capacidade estratégica. Apenas 36% das organizações globais adotam uma abordagem centralizada para a governança de IA, enquanto a maioria depende de regras por projeto ou caso a caso. A ausência de uma camada de governança coerente gera não apenas riscos de compliance, mas também instabilidade arquitetural, especialmente com sistemas multiagentes.

Especialistas como João Pedro Brasileiro, professor da Fundação Dom Cabral, ressaltam a necessidade de estrutura, responsabilidades definidas e controles ativos. Ele lista sete boas práticas, incluindo mapear o uso, criar capacitação e cultura, definir orientações desde o desenho, registrar agentes e nomear responsáveis humanos, manter um painel de governança acessível, medir resultados e proteger os agentes com mecanismos como guardrails.

A previsão do Gartner indica que 40% das empresas reduzirão a autonomia de agentes autônomos de IA até 2027 devido a lacunas de governança. Agir proativamente é essencial. A liderança de mercado em IA não será definida por quem lançou agentes primeiro, mas por quem construiu a arquitetura necessária para que eles ganhem escala de forma sustentável.