Lavagem de Agentes: Por que alguns operadores de restaurantes desconfiam da IA supervalorizada

Para quem atua na indústria de restaurantes, parece que as implantações de IA encontraram um caminho cheio de obstáculos.

Na primavera, a Starbucks desligou um sistema de visão computacional para contagem de estoque antes que completasse um ano. No mesmo mês, os maiores franqueados da Pizza Hut processaram a rede por US$ 100 milhões, alegando que uma plataforma de IA obrigatória falhou em mais de 110 restaurantes. Ler essas manchetes pode levar a uma conclusão: a IA não está pronta para esse negócio.

Não ajuda que a outra IA que um operador encontra seja, em sua maioria, hype. Na National Restaurant Association Show deste ano, o salão estava repleto de promessas de IA, inclusive um fornecedor que vendia um serviço de desengorduramento de capuzes que, de alguma forma, funcionava com inteligência artificial. Khara Mangiduyos, proprietária da Kalei’s Kitchenette em San Diego, não comprou a ideia. “Quem vai raspar esse óleo?” ela perguntou a um repórter da Restaurant Business. “Não é um bot. Não é IA.”

Both the vendor tactic and the failure headlines build a reasonable double-layered distrust of the technology itself. But if you dig deeper, the AI success currently scaling the industry looks nothing like either the big-name flops or the AI-washed items.

Getting It Wrong Is Part of Shipping. Buying the Wrong Thing Isn’t

The systems that fail most visibly are usually the ambitious ones, aimed at the hardest and least predictable jobs. Often building new technology means putting it into the world, watching it stumble, and fixing it.

Taco Bell é um exemplo recente. A rede recentemente expandiu um sistema de pedidos por voz com IA para mais de 890 drive‑throughs, cerca de dois anos após uma versão anterior viralizar ao aceitar um pedido de 18.000 copos de água. Mas esses lançamentos fracassados podem acarretar um preço elevado que, em sua maioria, empresas de grande porte estão equipadas para cobrir. É um risco que nem todos podem absorver.

Ocasionalmente, a lacuna entre a alegação e a realidade não é um tropeço, mas uma fabricação. Em janeiro de 2025, a SEC acusou a empresa de voz para drive‑through Presto Automation de declarações de que seu sistema havia “eliminado a necessidade de tomada de pedidos por humanos”. Na verdade, os reguladores descobriram que a empresa dependia de trabalhadores nas Filipinas e na Índia para concluir a maioria dos pedidos.

A Presto é um caso extremo do mesmo instinto por trás do problema crescente conhecido como lavagem de agentes. Nesse caso, a “IA” era parcialmente composta por pessoas. Lavagem de agentes significa especificamente comercializar algo como um agente de IA autônomo quando não o é.

O engano reside no nível de capacidade da IA. Esse é o ambiente que a Gartner alerta os compradores a navegarem, em um mercado onde a palavra “agente” é vendida como a melhor nova ferramenta de IA disponível. Argumentavelmente, com um preço ainda mais elevado.

“Os líderes de SCP devem se preparar para um futuro de IA agente, mas precisam separar a capacidade significativa do ruído do mercado”, disse Jan Snoeckx, analista sênior de diretoria na prática de cadeia de suprimentos da Gartner. “A prioridade hoje não é a autonomia total, mas construir a disciplina operacional, flexibilidade arquitetônica e estruturas de decisão que permitam que a IA agente escale à medida que a tecnologia amadurece.”

O problema não é que IA ambiciosa às vezes falhe; é que essas falhas moldam a percepção pública de toda a categoria, incluindo as ferramentas modestas que nunca tentaram fazer algo difícil desde o início.

É aqui que a lavagem de agentes se transforma no que costuma ser chamado de “pular o tubarão”, o ponto em que uma tendência empurra um truque tão longe que o público deixa de acreditar. Quando fornecedores suficientes colocam “IA” em produtos suficientes, o rótulo inflaciona até cair em algo absurdo, como um desengordurante.

A Gartner orienta os compradores a não aceitar a palavra do fornecedor de que uma ferramenta é autônoma. Muito do que é vendido como agente não pode realmente funcionar por conta própria. Ele segue um script e chama isso de inteligência.

Instead, use plain automation for repetitive work, save the agents for high-volume jobs where a mistake is cheap, and don’t hand full autonomy hard problems just yet.

The AI That Often Works Isn’t That Glamorous

The tools quietly delivering for restaurants are the ones aimed at a single, bounded job.

Mariano Jurich, líder sênior de produto na Making Sense que assessora empresas de médio porte e respaldadas por private equity sobre qual IA realmente comprar, diz que o problema começa com a própria palavra em um setor que nunca concordou sobre o que é um “agente”.

“Se você pode descrever o que a ferramenta faz em uma frase do tipo se‑então‑faça, então provavelmente não é 100 % agente”, diz ele. Isso não é uma crítica às ferramentas mais simples. Para a maioria das necessidades de algumas equipes, ele acrescenta, “agente provavelmente é exagero”. Se o trabalho é repetitivo e baseado em regras, a automação o executa sem o custo ou risco de liberar uma máquina para decidir por conta própria.

O risco existe ao introduzir um modelo agente para gerenciar consultas de clientes ou decisões financeiras, sem a devida supervisão humana quando isso importa. Ele frequentemente improvisa, o que é a última coisa que se deseja perto de um cliente ou de uma conta.

A cafeteria de Estocolmo que deixou uma IA administrar o back‑office é uma boa ilustração de como isso funciona em um experimento. Na primavera, o laboratório de pesquisa Andon Labs entregou a um agente alimentado por Gemini chamado Mona o controle de tudo, exceto a máquina de espresso, pedidos, permissões, contratações, contratos de fornecedores, e permitiu que ele tomasse suas próprias decisões. Ele comprou 3.000 luvas de borracha e 6.000 guardanapos para um pequeno café, estocou tomates enlatados que nada no cardápio usa, e enviou mensagens aos baristas no Slack após o expediente. O laboratório atribuiu os erros à curta memória do agente.

James Tice trabalhou em pisos de restaurantes antes de migrar para a tecnologia e, agora, como chefe de crescimento na Tab Commerce, uma plataforma financeira usada por algumas das maiores marcas do setor de restaurantes, ele dedica seu tempo a se conectar com operadores para entender o que funciona e o que não funciona, ainda.

“‘Manter um humano no circuito’ tem sido dito tantas vezes em relação à IA, em tantas indústrias, que começou a soar como um filler”, diz Tice, que acredita que muitas empresas de tecnologia têm dificuldade em compreender como os operadores trabalham.

A IA que atinge esse patamar, ele afirma, é o tipo que ninguém escreve: reconciliar uma fatura, detectar um sobrecobro de fornecedor, fechar os livros mais rápido. “Os operadores se importam especificamente com as finanças. Eles precisam que o trabalho burocrático desapareça para que possam voltar ao piso.”

Ele acrescenta que a eficiência não é o objetivo; é o que a eficiência proporciona. “Trata‑se de aumentar o tempo humano”, diz Tice. “Não se trata de eliminar os clientes ou a experiência. Trata‑se de enfatizar demais a experiência.”

É por isso que ele acha que o Vale do Silício costuma medir a tecnologia de forma equivocada. “Não existe economia de tempo em um restaurante. Existe apenas alocação de tempo.”

Uma ferramenta que devolve ao operador trinta minutos só cumpriu metade da tarefa se não puder responder à próxima pergunta: “De que estamos efetivamente tirando tempo e onde estamos efetivamente investindo tempo?” Uma boa ferramenta, acrescenta, “precisa retirar $1 de tempo e devolver $10 de tempo. Mas também precisa encontrar os $10 de tempo, assim como precisa encontrar os $1 de tempo.”

Para Tice, todo esse tempo recuperado aponta para algo específico, e é a única coisa que ele afirma que nenhum software deve tocar. O que o cliente compra nunca foi realmente a comida. “Você gasta 50 dólares em um prato, não está comprando $50 de comida, está comprando $50 de experiência”, diz ele.

Ele argumenta que um ambiente onde outra pessoa lhe serve só se torna mais valioso, “a importância do restaurante continua a mesma.” As ferramentas que tentam eliminar a pessoa disso, em sua visão, interpretam mal todo o negócio. “Sempre que a IA tenta tirar isso, diz que não entende nossa indústria.”

Nem Jurich nem Tice estão argumentando contra a IA, apenas buscando entender onde cada IA se encaixa.

“A IA é apenas mais uma ferramenta que você tem na caixa de ferramentas para resolver um problema”, diz Jurich. “E é por isso que deve ser tratada assim.”