Do piloto à produção: o que 1,46 milhão de chamadas de agentes mostram

De onde vem este texto

O uso cresceu 70 vezes em oito meses

As chamadas por mês passaram de 7.400 em setembro para 521 mil em abril. Parte disso é mais gente chegando, mas a outra parte é quem já estava usando fazer cada vez mais. A atividade se acumula: quem começou cedo está abrindo distância.

E a distância é grande. A mediana dos usuários fez 19 operações no período. O 1% do topo fez 1.658. Quase 90 vezes mais.

O mais interessante: os do topo usam as mesmas ferramentas e as mesmas ações que todo mundo. O que muda é a organização em volta deles.

A pessoa com maior intensidade de uso de toda a base, aliás, não era engenheira. Era uma profissional de marketing de conteúdo usando IA conversacional.

Oito semanas, se as condições estiverem no lugar

Os times que viraram operação de verdade fizeram isso em cerca de oito semanas, numa sequência que se repete:

1. Semanas 1 e 2, inventário. O agente lê o conteúdo e mapeia como ele está organizado antes de mudar qualquer coisa. Três em cada quatro times já deixam o agente escrever nessa fase.
2. Semanas 3 e 4, teste. As sessões ficam mais longas e aparecem as primeiras operações em lote. Cada saída é conferida.
3. Semanas 5 e 6, rotina. O teste vira fluxo que se repete, e jurídico, compliance e diretoria assinam embaixo.
4. Semanas 7 e 8, operação. Publicação agendada e processos recorrentes rodando com pouca revisão humana.

A primeira semana desses times foi igual à de todo mundo. A diferença apareceu depois, quando faltava alguma das quatro condições: contexto (o agente entender como o conteúdo está organizado), confiança (o time aceitar a saída), aval interno (alguém com autoridade dizer que pode) e conteúdo pronto (estrutura limpa o bastante para operar em lote).

O funil mostra onde cada um trava. De 9.472 usuários que começam mapeando, 45% não chegam a escrever, 60% dos que escrevem não viram rotina e 64% dos que viram rotina não chegam à operação contínua. Só 758 pessoas, cerca de 8%, chegam ao fim. Elas fazem 68% de toda a atividade.

Três coisas que tecnologia nenhuma resolve

Nas entrevistas, os times que chegaram à operação tinham três coisas em comum. Nenhuma delas se compra:

• Regra escrita. 11 de 12 empresas grandes não tinham política de uso de IA. A sugestão da pesquisa é uma página, não um projeto de seis meses, respondendo três perguntas: que dados podem ir para a IA, quem revisa o que ela produz e que tipo de conteúdo fica só com gente. Jurídico não aprova o que não foi definido.
• Casa arrumada. 64% dos times que passaram por todo o resto ainda não conseguiam automatizar porque o conteúdo estava bagunçado demais. A primeira leitura do agente é um diagnóstico. O dinheiro costuma ir para ferramenta, mas o gargalo está na organização da informação.
• Um dono. Em todo time que deu certo havia uma pessoa ligando as pontas: metade engenharia, metade conhecimento do negócio. Normalmente ela já está dentro da empresa, testando por conta própria.

A trava é permissão, não convencimento. Quem decide espera meses de governança, mas a versão prática leva uma semana.

O volume está no dia a dia. O retorno, nos projetos

91% das chamadas são trabalho do dia a dia: consultar, auditar, editar e publicar. Os outros 9% são projetos: migração entre sistemas, tradução, SEO e otimização para respostas de IA, geração de imagem.

Ler esses percentuais como importância seria um erro. Migração é só 3% das chamadas, mas cada projeto substitui semanas de engenharia. Tradução substitui contrato com agência. A pergunta certa é: o que cada tarefa substitui? O dia a dia mantém a operação andando; os projetos são onde o retorno aparece.

Outro ponto que vale para qualquer empresa: a IA não substitui tudo do mesmo jeito. A pesquisa separa o conteúdo estratégico (notícia urgente, texto jurídico, página que define a marca), onde a IA ajuda e gente cria, do conteúdo de volume (descrição de produto, tradução, texto de anúncio), onde o agente faz e gente aprova.

O que os times da frente já estão montando

A pesquisa traz quatro padrões que ainda não aparecem nos números, mas surgiram nas entrevistas:

• IA conferindo IA. Uma empresa de viagens que gera 70 mil descrições de hotel não consegue ler todas, então montou uma camada em que a IA confere dados e traduções antes de publicar.
• Agentes em sequência. Uma empresa de software passa cada texto por agentes de tom de voz, revisão, compliance e otimização para busca, com uma pessoa revisando só no fim.
• Escrever para quem responde. Várias empresas já otimizam conteúdo para ser lido por assistentes de IA, não só por buscador.
• Conteúdo como ativo. Uma empresa de mídia bloqueia seu acervo para modelos de IA, exceto mediante licença paga.

O que isso muda na prática

A pesquisa fala de conteúdo, mas a lição serve para qualquer área: compras, financeiro, atendimento, jurídico. O modelo não é o gargalo. O que separa piloto de produção é ter regra escrita, informação organizada e alguém que liga tudo.

• O Analista de IA faz a primeira leitura: mapeia processos e informação, separa o que fica com gente do que o agente pode fazer e entrega a lista do que precisa ser arrumado.
• O Forward Deployed Engineer é a pessoa que a pesquisa chama de dono: entra na operação, escreve a política de uma página com o seu time e monta os fluxos com aprovação humana onde o erro custa caro.
• O treinamento lado a lado prepara quem vai assumir esse papel dentro da empresa depois.

Conteúdo, tradução e migração são só exemplos. Se é tarefa que se repete, dá para automatizar, e oito semanas é um bom horizonte para sair do teste.