Expansão dos agentes de IA amplia possibilidades de automação, mas pesquisas apontam dificuldades na mensuração de retorno e na estruturação da governança, especialmente no mercado de seguros.
A inteligência artificial começa a ocupar um espaço cada vez mais estratégico nas empresas. Depois de uma primeira fase marcada pela experimentação de ferramentas generativas, a tecnologia avança para a execução de tarefas, a integração de sistemas e a automação de fluxos de trabalho por meio de agentes capazes de realizar operações com diferentes níveis de autonomia. O movimento, porém, traz um novo desafio, na avaliação de Raphael Luna, diretor executivo de TI e Dados da MDS Brasil: transformar a adoção da tecnologia em ganhos concretos de produtividade, crescimento e qualidade operacional.
Um levantamento da Wharton School, da Universidade da Pensilvânia, em parceria com a GBK Collective, publicado em outubro de 2026, ajuda a dimensionar essa diferença. Embora 80% dos líderes empresariais entrevistados relatem algum retorno positivo sobre os investimentos em inteligência artificial, apenas 28% classificam os resultados como muito positivos. A pesquisa também identificou que, entre os departamentos que acompanhavam ao menos um indicador de crescimento, 35% relataram retorno muito positivo, ante 13% daqueles que monitoravam apenas indicadores de eficiência. Os dados apontam uma associação, mas não estabelecem uma relação de causa e efeito.
A pesquisa também mostra que a utilização de agentes de inteligência artificial já alcança 67% das empresas consultadas, mas a incorporação da tecnologia aos processos centrais dos negócios ainda é limitada: apenas 28% afirmam ter alcançado esse estágio. O cenário indica que ampliar o uso das ferramentas não significa, necessariamente, transformar a operação ou obter resultados proporcionais ao investimento.
“Implementar inteligência artificial não é, por si só, um indicador de sucesso. O que importa é saber se a solução resolve um problema real, melhora a operação e produz resultados que possam ser medidos”, afirma Raphael Luna, diretor executivo de TI e Dados da MDS Brasil.
No mercado de seguros, a discussão ganha relevância, segundo o executivo, diante das possibilidades de aplicação da tecnologia em atividades como análise de riscos, subscrição, processamento de sinistros, identificação de fraudes e atendimento ao cliente. Nessas operações, a capacidade de analisar grandes volumes de informações pode contribuir para decisões mais ágeis e precisas. Entretanto, a qualidade dos dados, a integração entre sistemas e a consistência dos processos são fatores determinantes para que esses avanços se convertam em valor para o negócio.
Um estudo global da KPMG, divulgado em setembro de 2026, evidencia parte desse desafio no setor: apenas 11% das seguradoras entrevistadas afirmaram ter clareza muito elevada sobre o retorno dos investimentos em inteligência artificial. O mesmo percentual declarou contar com estruturas robustas de dados e governança para ampliar a utilização da tecnologia. A fragmentação das informações, a qualidade dos dados e a presença de sistemas legados aparecem entre os obstáculos à expansão dessas iniciativas. O portal já tratou de bases de dados e governança para o uso de IA em seguradoras.
Para avaliar os resultados, as empresas precisam estabelecer indicadores antes da implementação e comparar o desempenho da operação ao longo do tempo, argumenta Luna. Entre as métricas possíveis estão o tempo de execução, a taxa de erros e retrabalho, o custo por operação e a qualidade das entregas. Conforme a finalidade do projeto, também podem ser considerados indicadores de receita, conversão de vendas e satisfação dos clientes. O cálculo deve incluir ainda os custos de implantação, infraestrutura, utilização dos modelos e supervisão humana.
A mensuração, porém, não substitui a avaliação dos processos que serão automatizados. “Se um processo tem falhas, aplicar inteligência artificial não significa corrigi-las. Um agente pode executar esse processo com mais velocidade e escala, ampliando os efeitos de decisões ou etapas mal estruturadas. Por isso, a avaliação precisa começar antes da implementação”, afirma Raphael.
A expansão dos agentes de IA também aumenta a importância de estabelecer limites para sua atuação, segundo o executivo. Definir quais tarefas podem ser executadas autonomamente, quais informações podem ser acessadas e em que situações é necessária a intervenção humana são medidas fundamentais para reduzir riscos operacionais e preservar a confiabilidade das decisões. Nesse contexto, a governança deixa de ser apenas uma etapa de controle e passa a integrar a própria estratégia de adoção da tecnologia.
O desafio das empresas, portanto, não está apenas em acompanhar a evolução da inteligência artificial, mas em identificar onde sua aplicação efetivamente melhora os negócios, conclui Luna. Mais do que ampliar a automação, o avanço da tecnologia exige processos estruturados, indicadores consistentes e responsabilidade sobre os resultados.
