Agentes de IA nas empresas: o que os dados de adoção mostram

Na reunião de orçamento, alguém projeta um slide com um número de adoção de agentes e pede verba para não ficar para trás. O número veio de um relatório, o relatório veio de um fornecedor, e ninguém na sala leu a metodologia.

Fiz esse exercício com os três relatórios mais citados sobre agentes de IA nas empresas: o da Databricks, o da McKinsey e a previsão do Gartner. Cada um mede uma coisa diferente. Misturar os números produz conclusões que nenhum deles sustenta.

Quando você separa o que cada fonte mede, sobra um retrato menos animador que o slide, e mais útil para quem decide onde colocar dinheiro.

Os dados de adoção de agentes apontam o mesmo gargalo por caminhos diferentes: quem governa e avalia os dados que o agente lê leva projeto para produção, e quem só troca de modelo continua no piloto.

O que cada relatório mede, antes de citar o número

O erro mais comum ao citar dados sobre agentes de IA nas empresas é tratar os três relatórios como se fossem a mesma régua. Um mede uso numa plataforma, outro mede o que executivos respondem num questionário, e o terceiro é uma projeção. A tabela abaixo é a que eu gostaria de ver no rodapé de todo slide sobre o tema.

A coluna da direita é a que importa. Nenhum dos três mede quanto um agente devolveu em dinheiro para quem o implantou.

Agentes de IA nas empresas, segundo a telemetria da Databricks

O relatório 2026 State of AI Agents foi publicado em janeiro de 2026. A Databricks diz que ele se baseia em mais de 20 mil organizações que usam a sua plataforma, entre elas mais de 60% das empresas da Fortune 500. Segundo a cobertura da Intelligent CIO, a base é telemetria agregada e anonimizada.

Isso muda a natureza do dado. Ninguém respondeu a um questionário: o número vem do que rodou.

Os quatro achados mais citados são estes:

• o uso de sistemas multiagente cresceu 327% em menos de quatro meses, entre junho e outubro de 2025;
• mais de 80% dos bancos de dados na plataforma são criados por agentes de IA;
• clientes que usam ferramentas de avaliação colocam quase 6 vezes mais projetos de IA em produção;
• para quem usa governança de IA, a diferença passa de 12 vezes.

Os dois últimos são os que interessam a quem decide o orçamento de agentes de IA nas empresas. Avaliar a resposta do agente e governar o dado que ele acessa são exatamente as etapas que o piloto costuma pular.

O limite também precisa estar claro. É um fornecedor medindo os próprios clientes, e o 12 vezes é associação. Empresas maduras tendem a ter governança e, por outros motivos, mais projetos. A própria página admite que só uma pequena parcela das empresas tem agentes em produção.

O que a McKinsey ouviu de 1.719 executivos

O relatório The state of AI in 2026: On the road to ROI saiu em 25 de agosto de 2026. A pesquisa ficou aberta de 4 de maio a 8 de junho e reuniu 1.719 respondentes em 97 países.

O número sobre agentes de IA nas empresas divide o mercado em dois. Entre os respondentes de grandes organizações, 40% dizem escalar agentes em pelo menos uma função, contra 27% no ano anterior. Nas menores, a parcela ficou parada em 22%. As funções em que os agentes mais escalam são TI, gestão do conhecimento e engenharia de software.

O dado financeiro é o que o slide costuma omitir. Só 37% atribuem algum impacto no EBIT ao uso de IA, praticamente a mesma parcela do ano anterior. Os chamados high performers, com pelo menos 5% do EBIT vindo de IA, são cerca de 6%.

E o que esse grupo faz de diferente tem pouco a ver com o modelo. Quase três quartos deles dizem ter redesenhado processos por causa da IA, contra 55% no ano anterior. Eles também têm duas vezes mais chance de ter processo definido para medir o impacto das iniciativas.

Pesquisa de opinião tem um viés conhecido. Quem responde é executivo, e executivo tende a descrever a empresa como ela deveria estar. Use o número como sinal de direção, nunca como medida de uso.

A previsão do Gartner: 40% de cancelamento até 2027

Em 25 de junho de 2025, o Gartner previu que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027. Os motivos citados são custo crescente, valor de negócio pouco claro e controle de risco insuficiente.

O mesmo comunicado traz uma enquete de janeiro de 2025 com 3.412 participantes de um webinar. Nela, 19% disseram que a organização fez investimento significativo em IA agêntica, 42% fizeram investimento conservador e 31% estavam esperando para ver ou não sabiam.

Para quem vai comprar, o trecho mais útil é outro. O Gartner chama de agent washing a prática de rebatizar assistente, RPA e chatbot como agente sem capacidade agêntica real. A estimativa da consultoria é que só cerca de 130 dos milhares de fornecedores que se dizem agênticos sejam de fato.

Uma previsão de analista vale como lista de motivos de fracasso. Para quem planeja agentes de IA nas empresas, o detalhe é que os três motivos citados dependem de decisões de quem implanta.

Por que governança aparece em todos os relatórios

Leia os três relatórios de novo procurando o que se repete. A Databricks associa governança e avaliação a mais projetos em produção. A McKinsey associa medição de impacto e redesenho de processo aos poucos que ganham dinheiro. O Gartner aponta controle de risco e valor pouco claro como causas de cancelamento. Nenhum dos três coloca a qualidade do modelo entre os motivos.

O motivo é simples. Um agente age a partir do que lê: o cadastro, o contrato, o chamado, a planilha. Se o dado está desatualizado, duplicado ou sem dono, o agente erra com confiança, e muitas vezes sem avisar, problema que detalhei em falha silenciosa de agentes.

Avaliação resolve a outra metade. Sem um conjunto de casos com resposta esperada, ninguém consegue dizer se o agente melhorou depois de uma mudança. O piloto vira uma demonstração que funciona na apresentação e que ninguém sabe medir na segunda-feira seguinte, quando o primeiro usuário real faz uma pergunta fora do roteiro.

Quem ainda está entendendo o conceito básico encontra a definição em o que são agentes de IA. Aqui o assunto é outro: por que a maioria dos agentes de IA nas empresas não passa do piloto.

O que fazer antes de aprovar o próximo agente

Os relatórios não dizem qual agente comprar. Eles mostram onde os projetos param, e isso basta para montar uma lista de verificação. Cada item abaixo responde a um ponto em que os três relatórios convergem sobre agentes de IA nas empresas, e nenhum depende de escolher fornecedor.

1. Pergunte de onde vem o número. Antes de usar um dado de adoção num slide, identifique se é telemetria, pesquisa ou previsão, e qual amostra está por trás.
2. Nomeie o dono dos dados que o agente vai ler. Uma pessoa, com nome, que responde por atualização e permissão de cada fonte. O caminho técnico para conectar essas fontes está em como conectar IA aos dados da empresa.
3. Monte a avaliação antes do piloto. De 30 a 50 casos reais com a resposta esperada, rodados a cada mudança de prompt, modelo ou fonte.
4. Defina o que o agente não pode tocar. Dado pessoal, financeiro e de cliente precisa de regra escrita, e a mesma lógica de dados da empresa no ChatGPT vale para agentes.
5. Desconfie do rótulo. Se o fornecedor chama de agente algo que só segue um fluxo fixo, você está pagando preço de agente por automação.
6. Meça em dinheiro ou em horas desde o primeiro mês. A McKinsey mostra que medir impacto é o que separa os poucos que capturam valor.

O ponto que fica

Os relatórios sobre agentes de IA nas empresas concordam em pouca coisa, porque medem coisas diferentes. Onde concordam, apontam para dados, avaliação e governança como as etapas em que o projeto avança ou para.

O número mais honesto dos três é também o menos citado: na pesquisa da McKinsey de 2026, a parcela que atribui algum impacto no EBIT à IA ficou em 37%, a mesma do ano anterior.