Como avaliar agências de automação de IA para empresas de médio porte: o que separa quem constrói de quem vende apresentação

A maioria dos projetos de IA corporativa não chega à produção. A McKinsey estima que menos da metade dos pilotos de IA são efetivamente escalados para operação real. A Deloitte aponta dados semelhantes. Para quem está do lado da contratação, essa estatística traduz uma realidade concreta: existe um mercado enorme de agências que sabem apresentar brilhantemente o que pretendem construir, mas que raramente completam o que foi contratado. E a empresa de médio porte, que não tem um time de engenharia de IA interno para fiscalizar, é o alvo mais exposto desse mercado.

Avaliar AI automation agencies for mid-market companies exige um framework diferente do que uma grande corporação usaria. Grandes empresas têm CDOs, times de dados e verba para absorver projetos que falham silenciosamente. Médias empresas não têm nenhum desses amortecedores. Cada projeto de IA precisa funcionar dentro dos sistemas que já existem, com a equipe que já está lá, e precisa produzir resultado mensurável antes de exaurir o orçamento. O critério não é saber se a agência é boa em IA. O critério é saber se ela entrega sistemas em produção em contextos como o seu.

O que diferencia uma agência que constrói de uma que revende estratégia

O mercado de automação de IA se fragmentou rapidamente em dois tipos de fornecedor que parecem idênticos no primeiro contato. O primeiro é o estúdio de construção: tem engenheiros que escrevem código de produção, experiência em integração com sistemas legados, e entrega software que opera de forma autônoma depois que o projeto fecha. O segundo é a consultoria de estratégia de IA: tem consultores que fazem boas apresentações, roadmaps bem formatados, e provas de conceito que funcionam em ambientes controlados, mas raramente em produção.

A diferença mais fácil de detectar: pergunte quem vai escrever o código. Se a resposta envolve parceiros de implementação, times de desenvolvimento terceiros ou uma série de ferramentas no-code que serão configuradas por analistas, você está contratando um intermediário. Estúdios reais têm engenheiros próprios que ficam responsáveis pelo que é entregue, e isso aparece na conversa antes mesmo da proposta comercial.

Piloto que não vira produção é custo, não investimento. O critério de avaliação de uma agência começa depois que o projeto fecha: o sistema ainda está rodando?

Por que o médio porte tem critérios próprios, e ignorar isso sai caro

Empresas de médio porte operam com ERP consolidado, CRM estabelecido, processos que o time conhece de cor. Trocar qualquer dessas peças para implementar IA não é apenas caro: é um risco operacional sem precedente para uma empresa que não tem a redundância de uma enterprise. O critério central para esse perfil de empresa é integração, nunca substituição.

Agências que chegam com propostas de modernização de stack ou migração para plataforma nativa de IA como condição para implementar automação merecem atenção redobrada. Em contextos de médio porte, a IA funcional é aquela que entra nos sistemas existentes: lê, escreve, decide e atua dentro do Protheus, dentro do Salesforce, dentro do sistema de logística que já está em produção há dez anos. Não ao lado deles. Dentro deles.

Empresas que ignoram esse critério frequentemente se veem em projetos de dois anos de preparação de infraestrutura antes de qualquer automação real. O resultado é previsível segundo qualquer análise de maturidade de IA: mudança de prioridades, mudança de gestão, e mais um piloto arquivado que virou legado antes de virar produto.

A pergunta mais importante: a IA roda dentro dos seus sistemas ou exige trocá-los?

Essa é a pergunta que separa mais rápido do que qualquer due diligence elaborada. Apresente à agência o sistema central que sua operação usa, seja Protheus, SAP, Oracle ou qualquer outro, e pergunte diretamente: seus agentes de IA integram com esse sistema em produção, ou você recomenda substituir primeiro? A resposta revela a filosofia técnica da agência e sua capacidade real de entrega.

Integrar com sistemas legados é difícil. Exige engenheiros que conhecem APIs não documentadas, comportamentos inesperados de ERP, e a diferença entre uma integração que funciona na demo e uma que sobrevive a uma sexta-feira de fechamento contábil. Agências que evitam essa conversa geralmente evitam porque não têm essa capacidade.

Num projeto com cliente em mineração, sob NDA, a integração com o Protheus para automação do processo de compras reduziu o tempo por pedido de 30 para 5 minutos, chegando a zero erros no ERP, com o mesmo time operando 6 vezes mais pedidos. O sistema não substituiu nada. Rodou dentro do que já existia, usando a infraestrutura que o cliente já tinha e conhecia.

IA que exige trocar seu ERP primeiro vai consumir dois anos antes de qualquer automação real. A integração com o que já existe é capacidade técnica, não concessão.

Como avaliar o que uma agência realmente entregou

Portfólio de agências de IA é notoriamente difícil de verificar. Projetos sob NDA, demos que não refletem a produção, estudos de caso escritos pela agência sobre si mesma. Há formas mais confiáveis de avaliar do que ler materiais de marketing.

Primeiro: peça referências de clientes com perfil parecido com o seu, não o maior cliente que eles já tiveram. A capacidade de entregar para uma enterprise com time de engenharia interno diz pouco sobre a capacidade de entregar para uma empresa de médio porte onde o sistema vai operar sem supervisão técnica constante.

Segundo: pergunte sobre falhas. Qualquer agência que nunca falhou ou nunca teve que redefinir escopo não tem projetos suficientes no currículo. Falha bem gerenciada e documentada é sinal de maturidade operacional, não de fraqueza comercial.

Terceiro: avalie a qualidade das perguntas que fazem a você. Agências que entregam sistemas reais chegam nas reuniões querendo entender os detalhes da sua operação: fluxo de dados, sistemas em uso, volumes de transação, tolerância a latência. Agências que vendem estratégia chegam querendo entender seu orçamento.

As perguntas certas para fazer antes de assinar qualquer contrato

Mais do que saber o que perguntar, importa entender o que as respostas revelam. Algumas perguntas que cortam pela retórica de qualquer pitch de IA:

Qual o tempo médio entre o início do projeto e o primeiro agente em produção real? A resposta honesta está em semanas ou dois a três meses, não em trimestres. Se a resposta vier condicionada a uma fase de descoberta de quatro meses, você está comprando processo, não software.

Quem é o engenheiro responsável pelo sistema depois que o projeto fechar? Se não houver um nome ou uma estrutura clara de suporte pós-entrega, o sistema vai degradar sem manutenção, e você vai precisar contratar de novo para consertar o que foi entregue.

Como vocês tratam falhas do agente em produção? Sistemas de IA em produção falham. O que diferencia sistemas confiáveis de sistemas que viram problema é como as falhas são detectadas, contidas e corrigidas. Agências sem resposta clara para essa pergunta nunca tiveram sistemas suficientes em produção para desenvolvê-la.

O que faz um sistema de agentes de IA chegar à produção e permanecer lá

A diferença entre piloto e produção é uma questão de arquitetura de decisão, não de tecnologia. Sistemas que chegam à produção foram desenhados para operar sem supervisão constante, lidar com exceções de forma previsível, e integrar com os processos humanos que existem ao redor deles. Não foram desenhados para impressionar em demos, mas para funcionar em uma segunda-feira comum, com volume real e variação real.

Isso exige que a agência entenda o processo antes de escrever qualquer código. Automação de IA que acelera um processo ruim apenas escala o problema. A reconstrução do processo tem que acontecer antes da automação, como parte do mesmo projeto, não como uma fase separada cobrada à parte.

Na nossa fábrica de agentes, usamos infraestrutura própria para acelerar o desenvolvimento sem comprometer o controle, e entregamos sistemas que o cliente pode operar e entender. Autonomia do cliente depois da entrega é um critério de qualidade do que foi construído, não um risco comercial a ser evitado.

Para médias empresas avaliando o mercado agora: o filtro mais eficiente não é o pitch, não é o case de sucesso da apresentação, e não é o número de ferramentas de IA que a agência nomeia. É uma pergunta direta: essa agência já colocou um sistema de agentes de IA em produção dentro de um sistema como o meu, e esse sistema ainda está rodando seis meses depois?

O melhor indicador de que um sistema de IA vai funcionar na sua operação é que já funcionou em uma operação parecida com a sua, com os mesmos sistemas, a mesma escala e o mesmo nível de supervisão técnica.

Quer ler a sua operação a fundo?