Os 41% que usam IA em tarefas isoladas ainda não têm uma operação integrada

Quatro em cada dez empresas usam inteligência artificial em tarefas isoladas, sem conectar o resultado ao restante da operação. O número de 41% aparece no levantamento da Pipefy e muda a pergunta que o dono de negócio precisa fazer: antes de comprar um agente de IA, qual etapa do trabalho será ligada a qual outra?

Esse recorte é mais útil do que a promessa de que um agente pode tomar decisões sozinho. Uma automação que classifica um e-mail, resume um documento ou preenche um campo pode economizar alguns minutos. Se o dado parar ali, a empresa continua dependendo de alguém para copiar a informação, conferir a planilha e iniciar a próxima etapa. A ferramenta executa uma tarefa, mas o processo permanece fragmentado.

A própria página da Pipefy sobre o relatório descreve quatro níveis de maturidade. Segundo o material da empresa, 41,3% mantêm ferramentas que não se comunicam entre si, enquanto apenas 6,3% têm processos orquestrados de ponta a ponta. A diferença é de 35 pontos percentuais. Em termos relativos, há cerca de 6,6 operações fragmentadas para cada operação com orquestração completa. A conta não prova que integrar sistemas resolverá todos os problemas, mas mostra o tamanho da distância entre testar IA e fazê-la atravessar um fluxo inteiro.

O dado nasceu de uma operação que parou no meio do caminho

O levantamento citado na reportagem do Seu Dinheiro separa três situações recorrentes. Em 41% dos casos, a IA resolve uma atribuição única, sem integração com as demais. Em 32%, os funcionários precisam usar várias ferramentas para concluir uma demanda. Em 21%, o trabalho manual ainda domina a rotina. O texto também informa que 21% das empresas que não usam IA gastam mais da metade do expediente lendo e-mails, extraindo valores de documentos e conferindo planilhas.

Esses percentuais descrevem gargalos diferentes. O primeiro é de conexão. A empresa já automatizou uma tarefa, mas não definiu o que acontece antes e depois dela. O segundo é de arquitetura operacional. A equipe alterna entre aplicativos porque cada sistema guarda uma parte da informação. O terceiro é de ausência de automação, com pessoas fazendo a leitura, a transcrição e a conferência do começo ao fim.

Agente de IA entra no primeiro problema com uma capacidade adicional: além de gerar uma resposta, pode consultar informações, seguir regras e executar ações dentro de um fluxo. A documentação da Pipefy dá exemplos concretos. Um agente pode ser acionado quando um cartão entra em uma fase, atualizar campos, criar um cartão, criar um registro, mover o item para outra etapa ou enviar um modelo de e-mail. Isso é diferente de pedir um texto a um chatbot e deixar a execução para uma pessoa.

A diferença também impõe limites. A mesma documentação informa que cada agente pode ter até cinco comportamentos, cada comportamento pode executar até três ações principais e a instrução pode ter até 10 mil caracteres. Arquivos PDF usados como contexto têm limite de 30 páginas por arquivo, e há limites próprios para CSV, TXT, JSON e XML. O agente pode ler uma informação e encaminhar uma ação, mas não se transforma em um sistema sem restrições só porque recebeu uma instrução em linguagem natural.

O agente executa a tarefa, mas a regra continua sendo da empresa

Uma parte do discurso comercial sobre agentes mistura autonomia técnica com autonomia de negócio. A primeira significa que o software pode seguir uma sequência sem alguém clicar em cada passo. A segunda seria decidir sozinho o que a empresa deve aceitar, pagar, recusar ou comunicar. São coisas diferentes.

A IBM encontrou essa diferença em seu estudo AI Projects to Profits, feito pelo Institute for Business Value em parceria com a Oxford Economics. A pesquisa reuniu 2.900 executivos em dois levantamentos de 2025. Embora 70% dos participantes considerem a IA agêntica importante para o futuro da organização, os principais obstáculos apontados foram dados, com 49%, confiança, com 46%, e falta de habilidades, com 42%.

A IBM também informa que 69% dos executivos apontaram melhora na tomada de decisão como benefício principal, enquanto 67% citaram redução de custos por automação. Esses números representam a percepção dos executivos pesquisados, não uma garantia de retorno para qualquer empresa. A própria fonte afirma que colocar um agente em um processo existente exige redesenhar a execução, integrar dados e definir como as etapas serão orquestradas.

O caso da Ramp ajuda a mostrar o que significa ligar uma ferramenta a uma operação. Em uma publicação da Microsoft WorkLab, a empresa de operações financeiras é citada por ter mapeado os repasses de trabalho em seus fluxos de finanças. A Microsoft relata que agentes passaram a processar cinco milhões de recibos por mês e economizar 30 mil horas. O valor da informação está na relação entre volume, processo e resultado. Não é a existência do agente que explica o ganho. É a tarefa delimitada, os dados disponíveis e a ação que acontece depois da leitura.

O mesmo texto da Microsoft mostra o outro lado. Entre 500 decisores empresariais de 13 países e 16 setores, quase 80% disseram não conseguir compartilhar dados entre equipes de um modo que faça a IA agêntica funcionar. Apenas 22% concordaram fortemente que a organização documentou os processos e as dependências de dados. A estatística é de empresas grandes, com receitas entre US$ 1 bilhão e mais de US$ 50 bilhões, portanto não pode ser aplicada diretamente a uma pequena empresa brasileira. Ela serve como alerta de engenharia: escala financeira não elimina o trabalho de mapear o processo.

O preço aparece no uso, não só na contratação da plataforma

O custo de um agente precisa ser calculado por execução. A página de preços da Pipefy informa que os planos variam conforme recursos, processos, usuários, API, integrações e suporte, e que os planos Business e Enterprise exigem contato comercial. A documentação de créditos detalha a cobrança das funções de IA. Cada plano inclui 1.000 créditos de uso único. Depois disso, a empresa pode comprar pacotes adicionais de 500, 1.000, 10 mil ou 50 mil créditos.

Na configuração descrita pela central de ajuda, os modelos Lite e Standard consomem dois créditos por execução. O Pro consome três créditos, com uma condição promocional de dois créditos até 8 de outubro de 2026. A análise de documentos acrescenta um crédito, enquanto cálculos e análise ou busca na web acrescentam 0,5 crédito, conforme a documentação de modelos e preços da Pipefy.

Uma conta simples ajuda a evitar a ilusão de que uma automação pequena sempre custa pouco. Se um agente rodar 400 vezes em um mês usando o modelo Standard, consumirá 800 créditos. Com uma leitura de documento em cada execução, serão mais 400 créditos, chegando a 1.200. A operação ultrapassaria os 1.000 créditos incluídos antes de completar o mês. A conta usa os valores publicados pela própria Pipefy e não inclui o preço do plano, usuários, integrações ou impostos. Ela mostra por que volume e tipo de ação precisam entrar na decisão.

Há uma segunda limitação que pesa na escolha. A documentação informa que uma execução com mais de 30 anexos pode ficar fora do limite suportado e não consumir créditos, mas isso não significa que a tarefa será concluída. Também há limites para os formatos de arquivo e para a quantidade de ações por comportamento. O dono precisa testar o caso real com o documento real, em vez de concluir que qualquer pasta de notas fiscais será processada do mesmo modo.

Na segunda-feira, o dono precisa testar o processo antes de escolher o agente

O teste começa com uma única rotina repetitiva. Pode ser a conferência de uma nota fiscal contra um pedido, a triagem de candidatos, a classificação de solicitações de clientes ou a passagem de um pedido aprovado para o financeiro. Escreva o ponto de entrada, os dados que o agente poderá consultar, as três ações que ele deve executar e o ponto em que uma pessoa precisa validar o resultado.

Depois, registre uma amostra de 20 casos reais, sem dados pessoais desnecessários. Meça quanto tempo a equipe gasta hoje, quantos erros aparecem e quantas exceções exigem decisão humana. O agente só deve ser considerado útil se reduzir o tempo ou os erros sem aumentar o retrabalho na etapa seguinte. Um resumo mais rápido que cria uma conferência manual adicional não integrou a operação. Apenas deslocou o gargalo.

Em seguida, defina uma regra de parada. Pagamento, concessão de desconto, recusa de crédito e comunicação sensível não devem ser enviados automaticamente só porque o modelo produziu uma resposta convincente. A central de ajuda da Pipefy mantém uma seção específica sobre validação humana em automações críticas. A documentação também recomenda dar ao agente dados de processos ou documentos que sirvam de contexto. Sem essa base, a instrução pode estar bem escrita e ainda assim operar sobre informação insuficiente.

Por fim, calcule o consumo previsto antes de contratar. Multiplique o número mensal de execuções pelos créditos do modelo escolhido e some as funções extras, como análise documental ou busca na web. Compare o resultado com o plano, os créditos incluídos e o trabalho de revisão humana. Se a rotina não tiver entrada definida, saída verificável e responsável pela exceção, a compra deve esperar. Os 41% do levantamento apontam exatamente o custo de começar pela ferramenta e deixar o processo para depois.

Fontes consultadas

• Seu Dinheiro, levantamento sobre ilhas de automação e agentes de IA
• Pipefy, relatório sobre adoção de IA e orquestração agêntica
• Pipefy Help Center, criação e limites de AI Agents
• Pipefy Help Center, modelos e créditos de IA
• Pipefy, página de preços
• IBM Institute for Business Value, AI Projects to Profits
• Microsoft WorkLab, Agent Readiness Survey