Em 2024, a Klarna se tornou um dos grandes exemplos globais do avanço da inteligência artificial nas empresas. A companhia anunciou que seu agente de IA era capaz de realizar o trabalho equivalente ao de 700 atendentes humanos, reduzindo de forma expressiva o tempo de resolução e processando milhões de conversas.

O caso rapidamente virou referência internacional sobre automação no atendimento. Porém, em 2025, a própria empresa mudou o tom. O CEO Sebastian Siemiatkowski reconheceu que a Klarna havia avançado demais na substituição de processos humanos por automação. A busca intensa por corte de custos acabou afetando a qualidade do atendimento, dificultando a solução de casos mais complexos e prejudicando a experiência do cliente.

O problema, segundo especialistas, não está na inteligência artificial em si, mas na ausência de método para sua implementação.

Agentes de IA não devem ser tratados como colaboradores

O episódio da Klarna trouxe à tona uma discussão importante no mercado: a ideia de que agentes de IA seriam “novos colegas de trabalho”. Embora a expressão funcione bem em apresentações, campanhas e manchetes, ela pode criar uma percepção equivocada dentro das organizações.

“Colegas possuem responsabilidade legal, julgamento e accountability. Agentes não. Eles são softwares capazes de executar tarefas com autonomia, mas continuam sendo softwares”, explica Victoria Luz, autora do best seller “Além do Hype: Implementando IA com Propósito e Impacto” e membro da Google AI Community Brasil.

Quando uma empresa passa a tratar agentes de IA como colaboradores, corre o risco de delegar decisões críticas a sistemas que não têm responsabilidade jurídica, discernimento humano ou capacidade real de responder por suas ações.

Falta de governança em IA gera riscos para empresas

Na prática, esse erro aparece em três frentes principais: desperdício financeiro, perda de governança e insegurança entre os funcionários. Em muitos casos, os profissionais passam a atuar em ambientes onde não está claro quem decide, quem revisa e quem responde por cada etapa do processo.

“Os números mostram que o problema já é concreto. Segundo o MIT NANDA, 95% dos pilotos de IA generativa ainda não geram retorno financeiro mensurável. A IBM identificou que apenas 16% dos projetos conseguem ser escalados para toda a empresa e só um em cada quatro entrega o ROI prometido. O dado mais revelador talvez seja outro: 64% dos CEOs admitem investir em IA antes mesmo de entender claramente o valor da tecnologia, movidos pelo medo de ficar para trás”, diz Victoria.

Esses dados reforçam que a adoção de inteligência artificial sem planejamento pode gerar mais frustração do que resultado. A corrida pela inovação, quando não é acompanhada de estratégia, tende a ampliar gargalos já existentes.

Casos de sucesso em inteligência artificial têm pontos em comum

Apesar dos desafios, há exemplos relevantes de uso bem-sucedido de IA. O Bradesco obteve altos índices de resolução com a BIA. O Itaú Unibanco desenvolveu uma operação robusta, com centenas de modelos de IA e uma forte camada de governança. O Wells Fargo, por sua vez, reportou centenas de milhões de interações resolvidas sem necessidade de escalonamento humano.

“No Brasil, a Enter talvez represente um dos exemplos mais interessantes: em vez de apostar em agentes generalistas, criou agentes verticais especializados em tarefas específicas do setor jurídico. O foco estreito virou vantagem competitiva”, afirma a especialista.

Segundo Victoria, o que aproxima esses casos não é apenas a tecnologia utilizada, mas a combinação de quatro fatores: escopo claro, dados organizados, supervisão humana e métricas honestas.

Fracassos mostram os limites da automação sem método

Os casos problemáticos também ajudam a entender onde muitas empresas erram. O teste do McDonald’s com IA no drive-thru foi encerrado depois que erros passaram a viralizar nas redes sociais. Já a Air Canada foi responsabilizada judicialmente após seu chatbot criar uma política de reembolso inexistente.

“A decisão da Justiça canadense foi direta: se o agente fala em nome da empresa, a responsabilidade continua sendo da empresa”, lembra Victoria.

Essa é uma das principais lições para organizações que pretendem automatizar processos. A pergunta central não deve ser “onde colocar IA”, mas sim “qual fluxo de trabalho realmente faz sentido automatizar”. Empresas mais maduras começam pela dor operacional, não pela tecnologia.

Qualidade dos dados define a qualidade da inteligência artificial

Outro ponto frequentemente negligenciado é a qualidade da base de dados. Empresas com informações desorganizadas, planilhas conflitantes e sistemas desatualizados dificilmente conseguirão bons resultados com agentes de IA.

A inteligência artificial pode ampliar a eficiência, mas também pode ampliar a desordem. Quando os dados são ruins, incompletos ou inconsistentes, os agentes tendem a reproduzir e escalar esses problemas.

“Além disso, há um novo risco financeiro: agentes autônomos podem operar em loop, consumir recursos excessivos e gerar custos invisíveis sem monitoramento adequado. Governança deixou de ser burocracia e passou a ser vantagem competitiva”, diz Victoria.

Profissionais precisam aprender a supervisionar a IA

A mudança também afeta diretamente os profissionais. Competir com agentes de IA tende a ser uma estratégia limitada. O diferencial passa a estar na capacidade de supervisionar a tecnologia, compreendendo o que pode ser delegado, o que precisa ser revisado e o que não deve ser automatizado.

Quem antes produzia relatórios, por exemplo, agora pode passar a revisar relatórios gerados por IA. Isso exige mais senso crítico, discernimento e responsabilidade. Afinal, o erro cometido por um agente pode rapidamente se tornar o erro de quem aprovou sua entrega sem a devida análise.

Maturidade operacional é o verdadeiro diferencial

No fim, a diferença entre empresas que conseguem escalar IA com sucesso e aquelas que precisam recuar não está apenas no modelo ou na ferramenta escolhida. Klarna e Wells Fargo tiveram acesso a tecnologias semelhantes. O que mudou foi o nível de maturidade operacional, governança e clareza sobre o papel da inteligência artificial dentro do negócio.

“Agente de IA não é colega de trabalho. É uma ferramenta poderosa que exige método, supervisão e governança. Quem entender isso cedo terá vantagem competitiva. Já quem tratar IA apenas como corrida por eficiência provavelmente descobrirá o custo tarde demais”, conclui a especialista.

Leia também: Plantas para Presentear: Ideias Criativas e Cheias de Significado