AI Native
Por que tantos projetos de agentes de IA são abandonados, e como evitar
Mais da metade das empresas ouvidas numa pesquisa recente já desistiu de projetos de agentes de IA por falta de valor claro. O problema quase nunca é a tecnologia. É começar sem processo, sem medida e sem regras.
Projetos de agentes de IA são abandonados, na maioria das vezes, porque começam pela tecnologia e não pelo processo. Sem um problema claro, uma métrica definida antes do início e regras de controle, o agente vira um custo que ninguém consegue justificar. A boa notícia é que dá para evitar isso com decisões simples, tomadas antes da primeira linha de código.
Os números mostram uma corrida com muita desistência
Uma pesquisa da SnapLogic divulgada em 17 de novembro, feita com 1.000 decisores de TI nos Estados Unidos, no Reino Unido e na Alemanha, trouxe um retrato curioso. 85% dizem estar prontos ou já usando agentes de IA em escala. Ao mesmo tempo, 54% já abandonaram projetos de IA porque o valor para o negócio não estava claro, e 48% têm ou teriam dificuldade de medir o retorno.
Tem mais. 89% relatam algum nível de gasto acima do previsto com agentes, e só 42% conseguem prever quanto vão gastar com IA no futuro.
No Brasil, a pressa é ainda maior. O estudo AI Production Paradox, da Sinch, com 2.527 executivos de dez países, mostrou que 76% das empresas brasileiras dizem ter agentes de IA em produção, acima da média global de 62% e dos 67% dos Estados Unidos. Mas 80% das organizações brasileiras já interromperam ou reverteram alguma implementação de IA, e 39% dessas reversões vieram depois de vazamento de dados ou informações pessoais.
A Gartner já tinha avisado em 2025: mais de 40% dos projetos de IA agêntica devem ser cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controle de risco insuficiente.
Ou seja: muita gente entrou, muita gente está saindo. E quem sai normalmente sai pelos mesmos motivos.
O primeiro erro é começar pela ferramenta
É um padrão comum. A empresa assiste a uma demonstração impressionante, contrata uma plataforma e só depois pergunta: "Onde a gente usa isso?".
Esse é o caminho mais curto para o abandono. Um agente que não está ligado a um processo específico não tem como provar valor. Ele responde coisas, gera textos, faz testes. Mas ninguém sabe dizer o que mudou no faturamento, no custo ou no tempo de resposta.
A própria Gartner chama atenção para o "agent washing": de milhares de fornecedores que dizem vender agentes, a estimativa é de que só cerca de 130 entreguem capacidades agênticas de verdade. Muito do que se vende como agente é um chatbot ou uma automação antiga com nome novo. Quem começa pela ferramenta tem mais chance de comprar a coisa errada.
O segundo erro é não saber o que medir
Se você não define a métrica antes, vai tentar inventar uma depois. E aí a conversa com o financeiro fica difícil.
Na Nyoka.AI, os primeiros casos foram vendas e atendimento: processos repetitivos, em que cada minuto de atraso custa dinheiro. Neles, a medida é fácil de enxergar: quanto tempo o lead espera pela primeira resposta, quantos contatos são qualificados, quantas reuniões são agendadas. Dá para comparar o antes e o depois sem discussão.
Uma boa pergunta antes de qualquer projeto é: "Daqui a 90 dias, qual número precisa ter mudado para a gente dizer que valeu?". Se ninguém na sala consegue responder, o projeto ainda não está pronto para começar.
O terceiro erro é dar autonomia sem dar regras
Agente de IA não é assistente que espera comando. Ele age. Consulta sistemas, registra informações, responde clientes. Por isso, a pergunta não é só "o que ele faz?", mas também "o que ele não pode fazer?" e "quando ele chama uma pessoa?".
Os 39% de reversões por vazamento no Brasil mostram o custo de pular essa etapa. Antes de colocar um agente em produção, alguém precisa ter decidido:
- quais dados ele pode acessar e quais ficam de fora;
- o que ele responde sozinho e o que sempre passa para uma pessoa;
- quem acompanha as conversas e com que frequência;
- como desligar rápido se algo sair do esperado.
Isso não é burocracia. É o que permite que o projeto sobreviva ao primeiro problema, porque todo projeto tem um.
O quarto erro é esquecer as pessoas
O agente pode estar tecnicamente perfeito e mesmo assim ser abandonado, porque o time não confia nele, não entende o que ele faz ou sente que está sendo substituído.
Já falei aqui que mudar é difícil para o cérebro: todo comportamento novo começa como uma mata fechada. Com agentes de IA é igual. Se a equipe não for treinada para supervisionar, corrigir e confiar nas regras de passagem, ela volta para o jeito antigo na primeira dificuldade. E o agente fica ligado, gastando, sem ninguém usar.
Por isso, em qualquer projeto, a capacitação do time pesa tanto quanto a tecnologia.
Um roteiro curto para não entrar na estatística
Se eu tivesse que resumir em cinco perguntas, seriam estas:
- Qual processo? Um só, repetitivo, que acontece muitas vezes por mês e tem impacto financeiro claro.
- Qual número? A métrica que precisa mudar, medida antes de começar.
- Quais regras? Acesso a dados, limites de autonomia e o momento de passar para uma pessoa.
- Quanto custa? Um teto de gasto mensal acompanhado de perto, porque estourar o orçamento é a regra, não a exceção.
- Quem cuida? Uma pessoa responsável pelo agente, como se ele fosse parte do time.
Começar pequeno não é falta de ambição. É o jeito de ter um primeiro resultado que justifique o segundo projeto.
A empresa que vai ganhar com agentes de IA não é a que liga mais agentes. É a que sabe exatamente por que cada um está ligado.
Fontes
- New Research Reveals 54% of Enterprises Have Abandoned Agentic AI Projects Due to Unclear Business Value, SnapLogic via GlobeNewswire, 17/11/2026
- Brasil supera EUA na adoção de agentes de IA pelas empresas, Olhar Digital, 14/08/2026 (estudo AI Production Paradox, da Sinch)
- Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, Gartner, 25/06/2025
- Ninguém sabe ao certo quantas empresas usam agentes de IA no Brasil, Administradores, 12/11/2026

Mário GuaranhaFounder e CEO da Nyoka.AI, consultor de empresas AI Native e palestrante corporativo, com pós-graduação em Fronteiras da Neurociência pelo Einstein.