Os agentes de IA estão deixando de ser apenas ferramentas de apoio para assumir um papel mais ativo na rotina corporativa. Capazes de resumir pesquisas, elaborar relatórios, analisar documentos e apoiar decisões, esses sistemas começam a ocupar funções antes associadas a equipes juniores e colocam uma nova questão no centro da gestão: como liderar um ambiente de trabalho em que humanos e agentes digitais dividem responsabilidades.
A mudança não é apenas tecnológica. Ela é também organizacional. À medida que esses sistemas se tornam parte dos fluxos centrais de operação, empresas precisam rever critérios de supervisão, desempenho, confiabilidade e prestação de contas. O debate já não se limita ao potencial da IA para automatizar tarefas, mas avança para o impacto dessa presença na estrutura de liderança e na forma como o trabalho é distribuído.
“Os gerentes precisarão de um plano para gerenciar o desempenho e tomar decisões com base nas ações da IA e dos humanos”, Mindy Shoss, professora de psicologia da Universidade da Flórida Central, disse ao IBM Think em uma entrevista.
Na prática, esse cenário já está em desenvolvimento. Em operações corporativas, agentes de IA vêm sendo usados para comparar currículos com descrições de vagas, gerar listas de seleção para contratação, analisar contratos, classificar fornecedores e apontar riscos de conformidade. A decisão final continua sob responsabilidade humana, mas parte significativa do trabalho operacional já acontece nos bastidores, com apoio automatizado.
O avanço é ainda mais visível em projetos de alta complexidade documental. Em um experimento relatado no conteúdo, milhares de documentos regulatórios foram analisados por equipes de agentes para extrair cláusulas e comparar exigências entre jurisdições diferentes. O resultado foi a entrega de uma matriz para avaliação humana, comprimindo em horas um trabalho que antes consumia semanas.
“Os agentes de IA nos ajudarão a construir mais rapidamente, trabalhar com equipes menores e dar vida a mais ideias”, disse Kunal Sawarkar, um engenheiro distinto da IBM, ao IBM Think em uma entrevista. “Eles tiram o trabalho pesado de nossos ombros para que possamos nos concentrar no que é valioso. É uma mudança poderosa onde todos podem se tornar criadores, não somente executores.”
Apesar dos ganhos em produtividade, a adoção desses agentes ainda esbarra em um ponto decisivo: a confiança. Quando um sistema interpreta mal uma solicitação, ignora variáveis relevantes ou produz uma recomendação equivocada, a responsabilidade não desaparece. Ela muda de lugar. Isso exige das empresas novos modelos de governança para garantir que a automação não avance sem critérios claros de supervisão.
Stephen Casper, pesquisador do MIT especializado na confiabilidade da IA, vê esse momento como uma etapa de transição, marcada por experimentação e ajustes sucessivos.
“Se os sistemas de IA forem confiáveis o suficiente para permitir isso, isso poderá ser uma grande oportunidade, mas também um grande passivo”, disse ele ao IBM Think em uma entrevista. “Tornar algo assim realidade seria um longo processo de adoção gradual, tentativa e erro.”
Na avaliação do pesquisador, mesmo com a evolução dos sistemas, a atuação humana seguirá central, sobretudo nas camadas mais críticas da tomada de decisão. Isso porque a autonomia plena ainda esbarra em limites técnicos e operacionais que não podem ser ignorados.
“Algumas das aplicações mais impactantes da IA autônoma, como dirigir ou codificação, acontecem em uma configuração onde um humano está no controle, mas pode delegar tarefas ao sistema de IA”, disse ele.
Casper também chama atenção para um ponto que deve moldar o futuro dessa relação entre pessoas e agentes: a parte mais difícil do trabalho tende a continuar nas mãos humanas.
“Mesmo que seja possível para os sistemas de IA fazer 90% do trabalho que os humanos fazem em alguns trabalhos”, acrescentou ele, “esses últimos 10% serão de longe os mais difíceis de automatizar”.
Esse equilíbrio entre delegação e supervisão ajuda a explicar por que os agentes de IA devem se consolidar mais como estruturas de apoio inteligente do que como substitutos absolutos. Em setores como logística, por exemplo, esses sistemas já analisam dados de trânsito, clima e frota em tempo real, sugerindo redirecionamentos e reatribuições antes mesmo de a equipe operacional identificar o problema. Ainda assim, a decisão final permanece com uma pessoa.
Esse novo desenho exige que líderes empresariais desenvolvam uma mentalidade mais adaptativa. O desafio não está apenas em adotar agentes de IA, mas em criar fluxos de trabalho nos quais humanos e sistemas colaborem com clareza de papéis, critérios de desempenho e metas de valor.
“Os líderes devem adotar uma mentalidade de via dupla: ser cautelosos na implementação de mudanças operacionais importantes para evitar disrupções, mas agressivos na experimentação para explorar rapidamente o potencial dos agentes de IA”, disse Tianyi Peng, professor de Negócios da Universidade de Columbia, em uma entrevista com o IBM Think. “O objetivo não é uma substituição em massa”, acrescentou. “É uma integração progressiva.”
A ideia de integração progressiva ganha força porque o retorno sobre investimento desses sistemas depende menos de entusiasmo e mais de desenho estratégico. Isso inclui escolher o modelo adequado para cada tarefa, medir custo-benefício, acompanhar escalabilidade e garantir que a automação entregue valor real, não apenas velocidade.
“Gerenciar uma equipe híbrida significa orquestrar fluxos de trabalho onde humanos e agentes colaboram”, ele disse. Isso significa conhecer os recursos, rotear tarefas de forma estratégica e saber quando substituir ou retreinar.
Ao olhar para os próximos anos, a principal conclusão é que o organograma corporativo tende a ficar mais complexo. Não porque agentes de IA se tornem funcionários no sentido tradicional, mas porque passarão a influenciar resultados, processos e indicadores de desempenho de maneira cada vez mais direta. Nesse contexto, liderar bem dependerá não só de entender pessoas, mas também de saber desenhar sistemas confiáveis, supervisionáveis e alinhados aos objetivos do negócio.
“Todos estão esperando por um playbook”, disse Peng. “Mas, na verdade, estamos escrevendo enquanto avançamos.”
fonte: IBM Think
Acesse as verticais Revna a seguir, para obter mais detalhes:
Serviços: Data Science / Implementação
Soluções: Inteligência Artificial / RPA
