Agente de IA em produção: o que fechar antes do go-live

O que significa ter um agente de IA em produção?

Um agente de IA em produção é um sistema que lê dados reais, toma ou prepara decisões dentro de um processo da empresa e grava o resultado no sistema de registro, como o ERP ou o CRM, sem alguém copiando e colando a saída. Ele roda todos os dias, tem um dono que responde pelo efeito no P&L e um custo mensal no orçamento. A demo de reunião fica longe disso: usa dados extraídos à mão, não trata exceção e não deixa rastro auditável. A diferença entre os dois estágios mora quase toda fora do modelo: no processo, na integração e na operação depois do primeiro dia.

Essa definição muda a pergunta que o comitê faz. Em vez de "o agente funciona?", a pergunta passa a ser "quem opera o agente amanhã, com que dado e a que custo?".

Por que tão poucos agentes de IA chegam à produção?

Poucos agentes chegam à produção porque a empresa trata o go-live como etapa técnica e deixa o desenho da operação para depois. O relatório Rise of agentic AI, do Capgemini Research Institute, registra que apenas 2% das organizações implantaram agentes de IA em escala e 12% em escala parcial. A maioria ainda está em piloto ou em exploração. O mesmo estudo projeta que 15% dos processos de negócio devem chegar a autonomia parcial ou total nos 12 meses seguintes, o que dá a medida da distância entre a intenção e a operação.

A Bain, no relatório State of the Art of Agentic AI Transformation, de setembro de 2025, aponta a causa estrutural. A maior parte do trabalho acontece entre vários sistemas e áreas, com contexto e processos informais que nenhum documento descreve. Um agente desenhado em cima de uma tarefa isolada esbarra nessa realidade no primeiro mês.

Vemos o mesmo padrão nos pilotos que travam no mid-market brasileiro, e detalhamos as quatro causas mais comuns em pilotos de IA que morrem antes da produção. O go-live é o ponto em que essas causas cobram a conta.

O que precisa estar fechado no go-live de um agente de IA?

O go-live de um agente de IA precisa fechar seis itens antes da primeira execução real, e cada item tem um responsável e uma evidência. A lista abaixo é a que usamos para decidir se um agente sobe ou volta para ajuste:

Item	Pergunta que fecha	Evidência no go-live
Dono de negócio	Quem responde e pode pausar?	Nome e autoridade registrados
Métrica e linha de base	Que número do P&L muda?	Valor medido antes da entrada
Integração	De onde lê e onde grava?	Teste no sistema real
Limites de autonomia	O que decide sozinho?	Regra de escalonamento escrita
Monitoramento e incidente	Quem percebe o erro e age?	Painel ativo e rito combinado
Custo de operação	Quanto custa por mês?	Modelo, infraestrutura e revisão humana somados

Dos seis itens, a integração é o que mais atrasa. Um agente que lê planilha no teste e precisa ler o ERP na produção muda de escopo, de prazo e de risco. Por isso a leitura e a escrita no sistema real precisam ser provadas antes da data marcada, com o volume e as exceções do dia a dia.

O segundo item mais esquecido é a linha de base. Sem medir o processo antes do agente, ninguém consegue provar o ganho depois. A régua que o CFO pode usar para isso está em ROI de projetos de IA.

Quanta autonomia dar a um agente de IA no primeiro dia?

Um agente de IA deve começar com autonomia estreita e ganhar espaço conforme o histórico de acerto, com a regra de escalonamento escrita antes do go-live. Segundo o Capgemini Research Institute, a confiança em agentes totalmente autônomos caiu de 43% para 27% em um ano. A Bain, no relatório citado acima, recomenda manter supervisão humana no circuito por enquanto. A decisão prática é separar as ações do agente em três grupos: o que ele faz sozinho, o que ele prepara para uma pessoa aprovar e o que ele nunca faz.

Na prática, o primeiro grupo costuma reunir tarefas reversíveis e de baixo valor, como classificar um documento ou montar um rascunho. O segundo reúne o que mexe em caixa, cliente ou obrigação fiscal. O terceiro reúne o que a empresa decidiu proteger, como alterar cadastro de fornecedor ou conceder crédito.

A autonomia sobe por evidência. Quando a taxa de aprovação sem ajuste se mantém alta por um período combinado, o dono pode mover uma ação do segundo grupo para o primeiro. A decisão fica registrada, com data e critério, e entra na rotina de governança de IA na empresa.

Como saber, depois do go-live, se o agente de IA deve continuar?

A empresa sabe se o agente deve continuar comparando, em ritmo fixo, a métrica de negócio com a linha de base e o custo de operação com o ganho medido. O artigo Making AI Agents Safe for the World, do BCG, de outubro de 2025, descreve os controles que sustentam essa leitura: monitoramento contínuo das entradas, do comportamento e das saídas do agente, detecção de desvio com alarme, pontos de validação humana dentro do fluxo e revisão formal de incidentes. Com esses controles, o dono leva ao comitê três números: o ganho no P&L, o custo mensal e a taxa de erro.

O retorno de quem faz isso bem é concreto. A Bain relata que as empresas líderes saíram do piloto para o lucro e registram ganhos de 10% a 25% no EBITDA ao escalar IA nos fluxos centrais. O mesmo relatório recomenda redesenhar fluxos inteiros, em vez de atividades isoladas.

Por isso a revisão pós go-live tem três saídas possíveis, todas legítimas: ampliar o escopo do agente, ajustar e medir de novo, ou desligar. Na Jornada AI, a fase de Construção termina com agentes em produção que têm dono e ROI medido, e a Sustentação mantém custo e governança sob controle depois disso.

Perguntas frequentes

Quanto tempo leva para colocar um agente de IA em produção?

O prazo depende mais da integração e da clareza do processo do que do modelo. Um agente que lê e grava em sistemas com acesso já liberado sobe mais rápido do que um que depende de liberação de dados, ajuste no ERP ou aprovação jurídica. Por isso vale mapear as integrações e o dono antes de prometer data ao conselho.

Quem deve ser o dono de um agente de IA depois do go-live?

O dono deve ser o gestor da área cujo número o agente mexe, como o diretor financeiro num agente de conciliação ou o gestor de suprimentos num agente de cotação. A TI cuida da infraestrutura e da segurança. O dono de negócio responde pelo resultado, aprova mudanças de autonomia e decide pausar o agente quando algo sai do esperado.

Qual é a diferença entre piloto e agente de IA em produção?

O piloto prova que a tarefa é possível com dados controlados e volume pequeno. O agente em produção roda todos os dias no sistema real, trata exceções, deixa rastro auditável e tem custo no orçamento. A passagem de um para o outro exige integração testada, regra de escalonamento, monitoramento e um dono com autoridade para pausar.

O que fazer quando um agente de IA em produção erra?

O erro segue o rito de incidente combinado no go-live. O dono avalia o impacto, decide se pausa o agente e registra a causa. A correção pode estar no dado, na regra de escalonamento ou no próprio processo. Depois, o controle ajustado entra no playbook, e a taxa de erro volta a ser acompanhada na revisão seguinte.

Se a sua empresa tem um piloto parado na porta da produção, conheça como colocamos agentes em produção com dono, integração e custo medido desde o primeiro dia.