Agentes de IA: Porque é que a Maioria dos Pilotos Não Chega à Produção

Só 25% dos líderes inquiridos pela Deloitte levaram 40% ou mais dos pilotos de IA para produção, e a Gartner prevê o cancelamento de mais de 40% dos projetos agênticos. Veja porque falham e como evitar.

Muitas empresas já testaram agentes de IA. Poucas conseguem levá-los à produção. No inquérito State of AI in the Enterprise da Deloitte (3.235 líderes de 24 países, entre agosto e setembro de 2025), apenas 25% dos inquiridos passaram 40% ou mais dos seus pilotos de IA para produção, e só 21% das empresas que planeiam usar agentes dizem ter um modelo maduro de governação para os controlar. A Gartner previu, em junho de 2025, que mais de 40% dos projetos de IA agêntica serão cancelados até ao final de 2027, por custos a subir, valor pouco claro ou controlos de risco insuficientes.

Para uma PME, isto não é motivo para travar. É motivo para escolher bem o primeiro projeto. Neste artigo explicamos porque é que os pilotos ficam pelo caminho e como evitar o mesmo, com um plano de 90 dias que pode aplicar já.

O que é um agente de IA (e o que não é)

Um chatbot responde. Um agente de IA age: consulta sistemas, marca reuniões, atualiza registos e decide o passo seguinte para cumprir um objetivo, sempre dentro de limites definidos por si. É essa capacidade de executar tarefas que cria valor, e é também o que exige mais cuidado na implementação.

Atenção ao agent washing: a Gartner estima que apenas cerca de 130 dos milhares de fornecedores que se apresentam como "agênticos" oferecem de facto essa capacidade. Muitos limitam-se a rebatizar chatbots e automatismos que já existiam.

Porque é que tantos pilotos de IA não chegam à produção

1. Sem objetivo mensurável. O piloto foi aprovado para "experimentar IA", não para melhorar um número concreto (chamadas perdidas, tempo de resposta, marcações). Sem linha de base, não há como provar valor.
2. Sistemas que não estão ligados. Um agente que não consegue ler a agenda, o CRM ou o ERP é uma demonstração, não uma solução. A integração é, quase sempre, a parte mais demorada.
3. Governação inexistente. Quem define o que o agente pode fazer sozinho? Quando passa para uma pessoa? Quem revê as conversas? É aqui que a maioria das empresas que planeiam usar agentes ainda não está preparada: segundo a Deloitte, só 21% têm um modelo maduro de governação.
4. Equipa fora do projeto. Quem está na linha da frente tem de confiar na ferramenta. O caso Starbucks mostra como uma tecnologia competente falha quando ignora o contexto real de trabalho.
5. Fornecedor escolhido pela demonstração. Uma demonstração controlada não revela como o sistema se comporta com os seus dados, os seus clientes e o ruído do dia a dia. Peça sempre um teste com casos reais.

Checklist: o seu piloto está pronto para produção?

Antes de escalar, responda a estas seis perguntas. Se alguma ficar em branco, o piloto ainda não está pronto.

• Métrica: qual o número que vai melhorar e qual o valor atual?
• Integrações: que sistemas tem de ler e escrever, e já estão acessíveis?
• Limites: o que é que o agente nunca pode fazer sozinho (preços, reembolsos, informação sensível)?
• Transferência para humano: quando e como passa a conversa, com todo o contexto?
• Supervisão: quem revê os registos e com que frequência?
• Custo e critério de paragem: quanto custa por contacto ou tarefa em condições reais, e a partir de que resultados decide parar ou ajustar?

Porque o atendimento por voz é um bom primeiro projeto

Para muitas PMEs portuguesas, o telefone continua a ser o canal principal. O atendimento por voz reúne as características de um bom primeiro agente: processo repetitivo, perímetro pequeno e métricas óbvias, como chamadas perdidas, tempo de resposta e marcações feitas.

Melhor para: clínicas, imobiliárias, escritórios de advocacia, oficinas e empresas de serviços com muitas chamadas fora de horas.

Veja como funciona no nosso agente de voz com IA e, para o enquadramento geral, em Agentes de IA no Atendimento ao Cliente.

Plano de 90 dias: do piloto à produção

Dias 1 a 15: linha de base e perímetro. Meça a situação atual, escolha um único processo e defina o que o agente pode e não pode fazer.

Dias 16 a 45: piloto em paralelo. Ative o agente ao lado do atendimento humano, compare resultados e corrija as falhas mais frequentes.

Dias 46 a 75: produção limitada. Abra a um subconjunto real de contactos (por exemplo, fora do horário), com supervisão semanal e transferência para humano sempre disponível.

Dias 76 a 90: revisão e escala. Compare com a linha de base, calcule o retorno (veja como em ROI da Inteligência Artificial nas PMEs) e decida se escala, ajusta ou pára.

Perguntas frequentes

Quanto tempo demora a passar um agente de IA de piloto a produção?

Num caso delimitado, como o atendimento telefónico, falamos tipicamente de 3 a 6 semanas, dependendo das integrações necessárias. O que mais atrasa não é a tecnologia, é não ter objetivo e linha de base definidos à partida.

Preciso de um agente autónomo ou chega um fluxo automatizado?

Se o processo tem regras fixas, um fluxo automatizado é mais barato e previsível. Reserve agentes para tarefas com variação e linguagem natural. Explicamos a diferença em Automatização vs. Inteligência Artificial.

Como evito o agent washing ao escolher um fornecedor?

Peça uma demonstração com os seus dados e sistemas, não com um cenário preparado. Pergunte o que o agente faz sozinho, como se escala para uma pessoa e que registos ficam disponíveis para auditoria.

Os clientes devem saber que estão a falar com IA?

Recomendamos sempre transparência: identifique o assistente como IA e ofereça a transferência para uma pessoa. É boa prática e acompanha a direção da regulação. Veja também RGPD e Inteligência Artificial.

Conclusão: comece pequeno, meça e só depois escale

Na nossa leitura, os números da Deloitte e da Gartner mostram que o obstáculo raramente é a tecnologia: é o método, a governação e a clareza do valor. As PMEs têm uma vantagem real, porque podem escolher um processo, medir e decidir depressa, sem os ciclos longos das grandes organizações.

Na TecLab, ajudamos PMEs portuguesas a passar de pilotos a agentes em produção, do desenho do caso de uso à medição de resultados.