Quem constrói agentes de IA sob medida para operações no Brasil

A maioria das empresas brasileiras que contratou IA para operações nos últimos dois anos, na prática, contratou consultoria. Boa parte do que circula no mercado é análise de maturidade digital, roadmap de adoção ou configuração de ferramentas SaaS já prontas. Isso tem valor, mas não é o mesmo que construir um agente que opera dentro do ERP da empresa, entende o fluxo de compras de uma mineradora e fecha um pedido sem intervenção humana. A distinção parece técnica. O impacto é estratégico: quem confunde os dois perfis acaba com slides onde precisava de software.

Por que a maioria dos pilotos de IA corporativa não chega à produção

Relatórios recentes da McKinsey e da Deloitte apontam para um padrão consistente: a grande maioria dos projetos de IA em empresas não consegue escalar além do piloto. O diagnóstico varia conforme o setor e o porte da organização, mas uma causa se repete com frequência. O projeto foi construído sobre ferramentas genéricas que não conversam com os sistemas reais da operação. O agente funcionou no sandbox da demonstração, respondeu bem às perguntas do comitê de inovação e passou pela prova de conceito. Na hora de conectar ao ERP de manufatura, ao processo de aprovação de fornecedores ou ao legado de gestão de estoques, apareceu o gap. Quem constrói agentes sob medida para operações sabe que esse gap não é um obstáculo técnico secundário. Ele é o produto. É exatamente ali que o trabalho real acontece, e é ali que a maioria dos fornecedores de IA para o mercado corporativo simplesmente não opera.

O que separa quem constrói de quem reconfigura ferramentas prontas

Reconfigurar é pegar uma plataforma de automação, um orquestrador de modelos de linguagem ou uma ferramenta vertical de IA e encaixar o processo do cliente dentro das possibilidades que a ferramenta já oferece. Construir é o inverso: partir do processo real, entender onde a operação trava e arquitetar um sistema de agentes que se adapta à lógica de negócio, não o contrário. A diferença aparece com clareza na conversa técnica. Quem reconfigura fala em 'workflows', 'no-code' e 'integrações nativas'. Quem constrói fala em latência de integração, gestão de estado entre agentes, tratamento de erro em transações de ERP, controle de concorrência e observabilidade em ambiente de produção. As duas competências têm mercado. Entregar uma quando o cliente precisa da outra é onde os projetos morrem. E no Brasil de 2024 e 2025, a esmagadora maioria do que se vendeu como 'agentes para operações' foi, na prática, reconfiguração de plataforma com consultoria de processo.

Quem constrói agentes para operações fala em latência de integração e gestão de estado entre agentes. Quem reconfigura ferramentas fala em workflows e conectores nativos. São competências diferentes com mercados diferentes, e confundi-las é o principal motivo pelo qual pilotos de IA não chegam à produção.

Por que ERPs como o Protheus impõem um desafio real de engenharia

O TOTVS Protheus é o ERP mais disseminado na indústria brasileira de médio porte. Ele não foi desenhado para ser consumido por agentes de IA. A API REST tem comportamentos específicos de timeout e bloqueio que variam conforme a versão de patch e o perfil de configuração do ambiente. Os objetos de negócio seguem uma lógica própria de validação que não está inteiramente coberta pela documentação oficial. O ambiente de homologação costuma ser isolado do de produção de formas que criam surpresas na virada, especialmente em processos que envolvem múltiplos módulos. Um agente que vai operar dentro do Protheus, aprovando ordens de compra, alimentando cadastros de fornecedores ou registrando entradas de nota fiscal, precisa ter sido construído com conhecimento de como o sistema se comporta em produção real. Esse conhecimento não se adquire configurando uma plataforma sobre a API. É experiência acumulada em projetos que completaram o ciclo inteiro: desenvolvimento, integração em homologação, virada para produção e operação continuada com incidentes reais e ajustes de comportamento ao longo do tempo.

As perguntas que revelam quem realmente constrói agentes para operações

A maioria dos compradores faz as perguntas erradas na hora de avaliar um fornecedor. Pergunta sobre casos de uso, sobre nomes de clientes no portfólio, sobre o tempo estimado de projeto. As perguntas que revelam competência real de construção são outras. Primeira: 'Qual foi o erro mais difícil que vocês encontraram em uma integração com ERP e como resolveram?' Quem construiu tem uma história específica para contar, com causa raiz identificada e solução implementada. Quem apenas reconfigurou vai generalizar ou desviar para o caso de uso, não para o problema técnico. Segunda: 'Como o agente se comporta quando uma transação falha no meio do processo?' Isso testa se existe arquitetura de resiliência, compensação de estado e rastreabilidade de erro, ou se o agente simplesmente para e espera intervenção humana. Terceira: 'Qual é a infraestrutura de observabilidade que vocês usam em produção?' Um agente operacional sem observabilidade é um agente que nenhum time de operações vai conseguir sustentar após o go-live. Quem entrega em produção real tem resposta específica para as três. Quem entrega demonstrações não tem.

A pergunta certa não é 'vocês já fizeram algo parecido?'. A pergunta certa é: 'qual foi o erro mais difícil numa integração com ERP e como vocês resolveram?' A qualidade e a especificidade da história que vem depois revelam, em dois minutos, se o fornecedor constrói ou reconfigura.

Como o mercado brasileiro de IA para operações está estruturado hoje

O mercado se organiza, na prática, em três perfis com propostas de valor distintas. O primeiro é o das consultorias estratégicas: mapeiam oportunidades, produzem diagnósticos de maturidade, recomendam roadmaps e, eventualmente, coordenam implantações de produtos de terceiros. O segundo é o dos integradores e parceiros de plataforma: operam sobre ferramentas prontas de automação ou orquestração de agentes e configuram esses produtos para o contexto do cliente, com capacidade de customização limitada ao que a plataforma permite. O terceiro, significativamente menor em número de players, é o dos estúdios e times que constroem agentes de raiz: definem arquitetura própria, desenvolvem integrações customizadas, operam em produção e mantêm o desempenho do sistema ao longo do tempo com responsabilidade técnica continuada. No Brasil, esse terceiro perfil é raro. A escassez não vem de ausência de engenheiros qualificados, mas de que construir agentes para operações industriais reais exige uma combinação de engenharia de software distribuído, conhecimento de processo operacional e familiaridade profunda com sistemas legados que demora anos para se acumular dentro de um mesmo time. A maioria dos projetos de IA no mercado brasileiro contrata o primeiro ou o segundo perfil esperando o resultado do terceiro.

O que resultados reais de agentes operacionais parecem na prática

Projetos de agentes construídos para processos específicos têm uma característica que os distingue desde a primeira reunião de revisão de resultados: são medidos em métricas operacionais, não em métricas de adoção de tecnologia. Não se fala em 'usuários que interagiram com o sistema' ou em 'horas de IA consumidas'. Fala-se em tempo médio por transação, volume processado sem intervenção humana, taxa de erro no sistema de registro e capacidade liberada no time. Em projetos de compras industriais com integração direta ao Protheus, a redução de 30 para 5 minutos por pedido não vem de o modelo de linguagem ser mais veloz que um analista em leitura de documentos. Vem de o agente operar continuamente, tratar exceções de forma autônoma, nunca pular uma etapa de validação por sobrecarga e escrever no ERP com zero erros de consistência de dados. O resultado prático é que o mesmo time passa a operar com seis vezes mais capacidade sem aumento de headcount. Esse é o padrão de entrega de quem constrói com arquitetura adequada ao processo. Um piloto que não gera esse tipo de número em produção, com métricas operacionais mensuráveis, não é um projeto de agentes para operações: é um projeto de IA que ficou na camada de interface.

Agentes operacionais de verdade são medidos em tempo por transação e volume processado sem intervenção humana, não em 'usuários ativos do mês'. Essa distinção de métricas é o filtro mais rápido para separar construção real de vitrine de produto.

Quer ler a sua operação a fundo?