Seu agente de IA é tão bom quanto seu sistema de arquivamento

Em 30 de dezembro de 2025, o serviço postal da Dinamarca entregou a última carta em sua história de 401 anos. As 1.500 caixas de correio restantes foram retiradas das ruas durante esse ano. Enquanto isso, em julho de 2026 o gabinete federal alemão aprovou o GeDIG, a lei de dados de saúde e inovação digital, que elimina o fax dos consultórios médicos até o outono de 2029 e torna as referências eletrônicas obrigatórias.

Então, como é que um país pode implementar tais mudanças enquanto outro ainda está eliminando sua dependência de máquinas de fax neste século? Considerando o uso de IA nos negócios em cada país, 42% das empresas dinamarquesas usaram ao menos uma tecnologia de IA em 2025, a maior participação na Europa. A Alemanha ficou em 26%, acima da média da UE, mas dezesseis pontos atrás da Dinamarca.

Para mim, o contraste nos incita a revisitar nossas crenças sobre a adoção de IA. Particularmente a crença de que a escolha do modelo é o ponto de partida da adoção de IA, ignorando a condição dos sistemas ao redor do modelo. Ambos os países têm acesso aos mesmos modelos e provedores de nuvem, mas a diferença está em se os processos empresariais e públicos já produzem registros digitais confiáveis. Como um agente de IA não trabalha diretamente com a realidade, mas com a versão da realidade disponível em um sistema, isso naturalmente impõe algumas restrições.

A Primeira Restrição: A Informação Nunca Foi Digitalizada

Um agente não pode recuperar um documento que nunca entrou no sistema. A forma do fluxo de informação da organização determina o que um agente pode sequer perceber como uma tarefa.

Em nível nacional, dados da Eurostat mostram que a adoção de IA nas empresas correlaciona-se com a digitalização dos processos administrativos. Mas o mecanismo principal é que países onde os cidadãos já recebem documentos oficiais digitalmente têm menos interações fora do sistema para as empresas reconciliarem, reduzindo a quantidade de trabalho de interpretação necessário antes que a IA possa ser usada com segurança nas operações.

Em nível de empresa, um estudo da IZA de 2026 sobre 1.907 empresas dinamarquesas constata que um aumento de um desvio padrão na digitalização está associado a uma probabilidade 8 a 10 pontos percentuais maior de adoção de sistemas de IA centrais. Isso sugere que a adoção de IA depende de se as operações internas da empresa já estão organizadas de forma digitalmente estruturada e legível por máquinas. Se os processos são fragmentados, há pouca informação estável para os sistemas ou agentes de IA atuarem.

Isso também pode ajudar a explicar por que a digitalização impulsionada por políticas não se traduz automaticamente em prontidão para IA. A faturação eletrônica B2B obrigatória da Itália criou um canal totalmente digital, mas a adoção geral de IA permanece abaixo da média da UE. Digitalizar um único passo não elimina o sistema analógico circundante.

A Segunda Restrição: A Informação Existe Apenas na Cabeça de Alguém

Os humanos conduzem as operações, o que significa que na maioria das vezes eles sabem detalhes que a IA não conhece. Um administrador financeiro sabe que um inquilino pagou em dinheiro, mas o pagamento nunca foi registrado no sistema contábil. Como resultado, os registros bancários e o sistema não conciliam. O administrador entende o motivo, enquanto a IA vê apenas dados inconsistentes. Um gestor de propriedades lembra que um proprietário pediu para não ser contatado por duas semanas. Uma equipe conhece a solução alternativa para um prédio ou cliente, mas ninguém a documentou.

ClarEval testou tarefas com metas ausentes, premissas faltantes e terminologia ambígua. O desempenho do modelo caiu de cerca de 89% após a clarificação para aproximadamente 9% quando a ambiguidade permaneceu não resolvida. Enquanto isso, Ambig-SWE descobriu que permitir que um modelo questione um usuário que possui a informação faltante recuperou até 74% do desempenho perdido. Isso implica que os engenheiros devem construir um sistema capaz de solicitar esclarecimentos desde o início.

A Terceira Restrição: A Informação Existe, Mas Não Pode Ser Transmitida

Alguns dados estão disponíveis dentro da empresa e ainda assim não podem chegar ao modelo devido a regras de privacidade, controles de segurança, contratos ou políticas internas.

Um estudo baseado em sete anos de dados de nuvem constatou que o GDPR — a principal lei de privacidade de dados da UE — reduziu o armazenamento de dados em 26% e o processamento em 15% entre empresas da UE em relação a empresas comparáveis dos EUA. Em outras palavras, a regulamentação de privacidade tornou as empresas menos intensivas em dados ao limitar a quantidade de informação que poderiam reter e processar para análises e IA. A adoção de IA generativa foi quase igual, com 37% das empresas da UE e 36% das empresas dos EUA. Mas a diferença na profundidade da adoção de IA é enorme, com 81% das empresas dos EUA usando IA em pelo menos dois processos internos, comparado a 55% na UE. Uma possível razão é que a informação que já existe dentro das organizações costuma ser mais difícil de reutilizar para IA na Europa. As conversas de suporte ao cliente, por exemplo, frequentemente contêm dados pessoais coletados para resolver problemas dos clientes. Sob o princípio de limitação de finalidade do GDPR (Artigo 5(1)(b)), esses dados não podem ser simplesmente reutilizados para treinamento de IA sem uma base legal válida. As empresas dos EUA geralmente enfrentam menos restrições federais equivalentes ao reutilizar esses dados.

Como Construir o Sistema Correto

A recuperação só funciona quando a resposta existe no sistema. Os agentes devem perguntar quando a informação está ausente, nunca adivinhar, e transformar chamadas ou decisões informais em registros estruturados. As empresas também devem eliminar fluxos de trabalho paralelos em papel, pois se uma tarefa pode acontecer fora do sistema, parte do contexto permanecerá invisível.

Cada empresa deve reconhecer suas próprias lacunas. Meça se um fato necessário para agir corretamente estava dentro do sistema ou não. Teste os fluxos de trabalho com e sem os campos de revisão de privacidade excluídos. Por fim, para o fluxo de trabalho que pode ser concluído em papel, esse é o agente a ser construído por último.

Os agentes podem melhorar a produção humana, mas não repararam o que está faltando.