Opinião

Seus Melhores Pilotos de IA Estão Consolidando o Processo que Você Queria Eliminar

mm
Adicione Unite.AI às suas fontes preferidas no Google

A McKinsey publicou um artigo em 4 de agosto de 2026 sobre a construção de uma função de RH em torno de agentes, e enterrado no setup está a frase mais útil que alguém escreveu sobre IA empresarial neste trimestre. Descrevendo o que acontece quando as equipes constroem agentes sem um plano, os autores escrevem que “cada agente não governado endurece um fragmento do antigo modelo operacional em código.”

Eles chamam o resultado de armadilha do piloto: velocidade no nível da tarefa, deriva no nível do design.

Essa frase vale mais do que o quadro que ela apresenta, e se aplica muito além do RH, a muitas empresas que estão executando pilotos de agentes agora e não podem ver o resultado, porque os pilotos estão funcionando.

A armadilha é o piloto que tem sucesso

Aqui está o mecanismo. Um especialista em pagamento ou um recrutador, o artigo observa, pode agora configurar um agente funcional em uma tarde usando ferramentas de baixo código, as plataformas de construção por configuração que colocam a maior parte do trabalho em clicar e escrever instruções em vez de escrever código. Não é um protótipo. É um agente funcional, conectado a um fluxo de trabalho real, produzindo saída real.

Isso significa que a sequência que todos aprenderam, começar pequeno, aprender e expandir, não é mais a opção cautelosa. A McKinsey afirma explicitamente: o instinto de “começar pequeno e aprender” não é mais conservador. Quando qualquer especialista pode criar um agente em uma tarde, começar pequeno acontece independentemente de a liderança sancioná-lo ou não.

Vale a pena ser preciso sobre onde o artigo para e a extrapolação começa. A armadilha do piloto da McKinsey é principalmente um argumento sobre esforço desperdiçado — equipes aperfeiçoando etapas que uma redesign adequada eliminaria. A versão abaixo é a mais difícil, e é minha: o esforço desperdiçado é recuperável, e o bloqueio não é.

Os pilotos que falham estão bem. Um piloto que falha é desligado e esquecido e custa algumas semanas. Os perigosos são os que funcionam, porque um agente funcional imediatamente se torna carregado. Alguém depende dele na terça-feira. Ele é defendido na reunião de orçamento. E qualquer processo que ele automatizou, incluindo todas as etapas que existem apenas porque de um sistema que você substituiu há quatro anos ou uma política que ninguém leu desde então, agora está codificado, executando e muito mais difícil de argumentar do que era quando vivia em um documento.

Essa é a armadilha. Você não automatizou um fluxo de trabalho. Você ratificou um. O que é a versão desconfortável do achado cada vez mais comum de que os resultados da IA dependem mais da forma do fluxo de trabalho do que das ferramentas apontadas para ele. Se o fluxo de trabalho é a variável que importa, então endurecer um ruim é a coisa mais cara que um piloto bem-sucedido pode fazer.

O número que eles enterraram

A figura de destaque no artigo é que aproximadamente dois terços das atividades de RH de hoje podem ser totalmente automatizadas ou totalmente automatizadas na entrega até 2030. Esse número será citado em todos os lugares esta semana e é a coisa menos interessante no artigo.

O número interessante está no gráfico de alocação de tempo. No estado de destino que a McKinsey descreve, aproximadamente 20 por cento do tempo humano vai para o que eles chamam de gerenciamento de capacidade agente: configurar agentes, escrever e revisar a lógica que esses agentes seguem, testá-los antes do lançamento, monitorar seu desempenho e deriva, e aposentá-los quando o fluxo de trabalho muda. O artigo não define deriva; leia como a lenta escorregada onde a saída de um agente permanece plausível enquanto silenciosamente para de ser certa.

Um quinto do tempo humano de uma função é gasto cuidando das máquinas. O artigo é explícito que isso não é uma categoria de arredondamento, e está correto. É o mesmo supervisão de sobrecarga que continua surgindo como o maior custo oculto na IA empresarial, agora dado um percentual. Mas o artigo não diz se esse 20 por cento é um custo de transição que cai à medida que a prática amadurece, ou o preço real de executar agentes em escala. Esse é o número que decide se um programa de agente é uma redução de custos ou uma troca de custos, e está faltando. Se você está modelando economias de automação e não colocou uma linha no modelo para as pessoas que mantêm a automação, seu modelo está errado por cerca de um quinto da equipe afetada.

A mesma lacuna aparece no detalhe do caso. Uma organização no artigo implementou 50 casos de uso e “identificou economias anuais significativas, juntamente com melhorias significativas nos níveis de serviço de RH.” Significativo está fazendo muito trabalho lá. Mais ao ponto: o artigo avisa, no parágrafo logo após, que em alguns casos as organizações melhoram a eficiência de processos que um redesenho posterior elimina ou absorve em fluxos de trabalho completamente diferentes. Então, quantos desses 50 sobreviveram? Esse único número decidiria se a rota de baixo para cima é um atalho ou um desvio caro, e não está lá.

A metade do conselho que uma empresa normal pode realmente usar

A prescrição da McKinsey é definir seu modelo operacional humano-agente de 2030 primeiro e trabalhar de trás para frente a partir dele. Defina o destino, então sequencie a implementação, os investimentos de capacidade, a governança.

O artigo é honesto sobre quem pode fazer isso. O próprio organograma de destino, afirma, requer “musculatura de gerenciamento de produtos que a maioria das funções de RH não tem hoje, uma base de dados forte o suficiente para executar um gráfico de habilidades e um CHRO com um mandato real de design de força de trabalho da empresa.” Então: “menos organizações podem começar aqui.”

Para todos os demais, incluindo muitas empresas que já têm agentes em execução, o Norte é não a metade ação. É o diagnóstico. Se os agentes não governados codificam o processo antigo, então a exposição que você tem hoje é proporcional ao número de agentes que já existem que ninguém aprovou, e você quase certamente não sabe esse número.

Então, o primeiro movimento não é um plano 2030. É um inventário.

Descubra o que realmente está em execução. Não o que foi aprovado. O que existe. Cada automação que alguém construiu em uma ferramenta de baixo código, cada trabalho agendado conectado a uma caixa de entrada compartilhada, cada assistente configurado contra um sistema de registro real. Para cada um, três fatos: quem o construiu, o que ele pode tocar e o que quebra se ele parar. Esse inventário leva uma tarde por departamento e é a única versão de “governança” que uma empresa sem um escritório de transformação pode executar na segunda-feira.

A quinta pergunta do CHRO do artigo é a que você deve roubar, e é a mais afiada das cinco: quais escolhas iniciais são fundamentais, quais se acumulam ao longo do tempo e quais podem ser seguramente desfeitas. Classifique seu inventário dessa forma. Os agentes que podem ser seguramente desfeitos são seus experimentos e você deve executar mais deles. Os que não podem são sua arquitetura, independentemente de alguém ter decidido isso. Também é uma correção útil para o instinto que impulsiona a maioria dos primeiros pilotos, que é apontar agentes para o processo mais visível em vez de um interno mais silencioso.

Quem realmente paga por isso

O partido que perde aqui não é a empresa que nunca começou. É a que está dois anos adiante com uma saudável contagem de pilotos e uma apresentação mostrando adoção em ascensão.

A contagem de pilotos é a métrica que parece progresso e mede o oposto. Cada piloto adicional construído contra o processo atual aumenta o custo de mudar esse processo posteriormente, porque agora há ferramentas no caminho e uma pessoa que o possui e um número em uma apresentação que diz que está funcionando. A empresa com dezenas de agentes funcionais não está à frente da empresa com três. Está mais comprometida.

Essa é a reestruturação digna de ser tirada desse artigo. A pergunta a fazer sobre seu programa de agente não é quantos estão em execução ou quão precisos eles são. É quanto do seu modelo operacional atual você teria que desenrolar para mudar de ideia — e se alguém poderia dizer isso hoje.

Alex McFarland é um jornalista e escritor de IA que explora os últimos desenvolvimentos em inteligência artificial. Ele colaborou com inúmeras startups de IA e publicações em todo o mundo.