Quem está adotando agentes de IA. E o que realmente estão fazendo com eles.

A nova fronteira da IA não responde perguntas. Ela executa trabalho. Jeremy Yang. Harvard Business School

Durante muito tempo, a inteligência artificial generativa foi apresentada ao mundo corporativo como uma ferramenta de resposta. Fazíamos uma pergunta, recebíamos um texto, uma imagem, uma síntese, uma sugestão de e-mail ou uma linha de código. Esse modelo já foi suficiente para provocar uma mudança relevante na produtividade individual, especialmente entre profissionais do conhecimento. Mas o artigo de Jeremy Yang, da Harvard Business School, em parceria com pesquisadores da Perplexity, aponta para uma transição muito mais profunda: estamos saindo da era da IA conversacional para a era da IA agentiva.

A diferença parece sutil, mas é estrutural. A IA deixa de ser apenas um sistema que responde a comandos e passa a ser um agente capaz de receber objetivos, interpretar preferências, interagir com ambientes digitais e concluir tarefas com algum grau de autonomia.

O exemplo de uma viagem corporativa ajuda a entender essa virada. Antes, reservar uma viagem de trabalho significava abrir diferentes abas, comparar preços, horários, políticas de bagagem, localização de hotéis, distância até o compromisso e regras de reembolso. Com um agente de IA, o usuário pode simplesmente dizer: “preciso ir de Boston a San Francisco na próxima semana, prefiro voos pela manhã e quero algo compatível com a política da empresa”. A partir disso, o sistema não apenas sugere opções; ele pode navegar, comparar, filtrar, preencher formulários e, dependendo das permissões concedidas, executar a reserva.

Essa é a essência da agentic AI: substituir instruções passo a passo por objetivos, contexto e preferências.

Essa mudança altera a própria natureza da relação entre humanos e sistemas digitais. Quando usamos um chatbot tradicional, ainda somos responsáveis por decompor o problema em etapas. Precisamos saber o que perguntar, como perguntar, que arquivos anexar, que critérios usar e como transformar a resposta em ação. Já um agente de IA assume parte dessa decomposição. Ele interpreta a intenção, identifica as etapas necessárias, interage com ferramentas externas e retorna com o trabalho parcialmente ou totalmente realizado. É por isso que Jeremy Yang descreve esses sistemas como algo mais próximo de um assistente pessoal digital: não porque sejam infalíveis, mas porque passam a lidar com os detalhes operacionais de tarefas que antes exigiam atenção humana contínua.

O estudo é particularmente relevante porque não se limita a especular sobre o futuro da tecnologia. Ele analisa dados reais de uso, a partir de centenas de milhões de interações anonimizadas com o Comet, navegador com inteligência artificial da Perplexity, e seu agente integrado, o Comet Assistant. Isso permite observar não apenas o que empresas de tecnologia prometem, mas o que usuários efetivamente fazem quando têm acesso a um agente funcionando em ambiente aberto da web.

E o padrão encontrado é bastante claro: os usuários mais intensos tendem a ser profissionais do conhecimento, especialmente de setores digitais, acadêmicos, financeiros, de marketing, design e empreendedorismo.

Essa constatação é importante porque mostra que a adoção inicial dos agentes de IA não está acontecendo de forma homogênea. Ela se concentra em países com maior PIB, maior nível educacional e maior densidade de trabalho digital. Em outras palavras, os primeiros beneficiados são justamente aqueles que já tinham mais capital educacional, mais familiaridade tecnológica e mais acesso a ferramentas digitais. Isso levanta um ponto crítico: a IA agentiva pode aumentar produtividade, mas também pode ampliar desigualdades. Quem aprender a delegar trabalho para agentes digitais mais cedo poderá multiplicar sua capacidade operacional. Quem ficar de fora poderá ver sua produtividade relativa cair, mesmo sem ter diminuído sua competência técnica.

Os dados de uso também revelam algo essencial sobre o tipo de trabalho que está sendo delegado. A maior categoria identificada no estudo foi produtividade e fluxo de trabalho, respondendo por parte expressiva das interações. Isso inclui edição de documentos, gestão de contas, e-mails, formulários, planilhas e organização de dados. Em seguida aparecem tarefas de aprendizado e pesquisa, como resumir conteúdos, acompanhar cursos, organizar leituras e extrair pontos-chave de materiais complexos. Esse achado ajuda a desfazer uma ideia limitada de que agentes de IA seriam apenas secretários digitais. Em muitos casos, eles estão funcionando menos como assistentes executivos e mais como assistentes de pesquisa, análise e aprendizagem.

Essa distinção é fundamental para profissionais de saúde, educação, gestão e inovação. No ambiente médico, por exemplo, parte relevante do trabalho cognitivo não está apenas no ato clínico em si, mas na busca, organização e interpretação de informações. Protocolos, diretrizes, exames, literatura científica, histórico do paciente, autorizações, registros, documentos administrativos e comunicação com equipes compõem uma camada enorme de trabalho invisível. A IA agentiva, quando bem desenhada e supervisionada, tem potencial para reduzir essa fricção. Não para substituir julgamento médico, mas para organizar o terreno sobre o qual esse julgamento acontece.

No entanto, é exatamente em áreas de alto risco que precisamos ser mais cuidadosos. Delegar a compra de uma passagem aérea é muito diferente de delegar uma decisão terapêutica, uma autorização hospitalar ou a interpretação de um resultado crítico. A autonomia de um agente deve ser proporcional ao risco da tarefa. Em atividades reversíveis, administrativas e de baixo impacto, pode haver maior liberdade operacional. Em decisões clínicas, financeiras, jurídicas ou estratégicas, o papel do agente deve ser mais restrito, auditável e supervisionado. A grande discussão dos próximos anos não será apenas “o que a IA consegue fazer?”, mas “em que condições ela deve ter permissão para fazer?”.

O artigo também traz uma provocação relevante para empresas: se os agentes se tornarem usuários primários da internet, os próprios ambientes digitais precisarão ser redesenhados. Hoje, sites, aplicativos e plataformas são pensados para humanos clicando, lendo, escolhendo e preenchendo campos. Mas se parte crescente das interações passar a ser feita por agentes, a arquitetura digital precisará mudar. Interfaces talvez deixem de ser apenas visuais e passem a ser mais legíveis para máquinas. Políticas, preços, regras, APIs, permissões, identidades digitais e logs de auditoria se tornarão componentes centrais da experiência.

Essa transformação terá impacto direto na estratégia das organizações. Empresas que tratam IA apenas como ferramenta individual de produtividade provavelmente capturarão ganhos limitados. O salto real virá quando agentes forem incorporados aos processos, conectados a bases internas, integrados a sistemas corporativos e monitorados por governança adequada. Isso significa criar novas rotinas: quem autoriza o agente a agir, quais dados ele pode acessar, quando deve pedir confirmação, como registra suas ações, como corrige erros e como aprende com feedback humano. A vantagem competitiva não estará apenas em “usar IA”, mas em redesenhar processos para equipes híbridas, compostas por humanos e agentes digitais.

No campo da educação, a implicação é igualmente profunda. Se os agentes passam a executar tarefas cognitivas e operacionais, formar profissionais apenas para memorizar informações ou cumprir etapas repetitivas deixa de fazer sentido. Será necessário ensinar a formular objetivos, avaliar respostas, supervisionar sistemas, identificar vieses, validar fontes, desenhar fluxos de trabalho e tomar decisões em ambientes mediados por IA. Isso vale para administradores, engenheiros, advogados e, de forma ainda mais sensível, para médicos. O profissional do futuro não será aquele que compete com a IA em tarefas mecânicas, mas aquele que sabe orquestrar tecnologia, julgamento, contexto e responsabilidade.

A visão de Jeremy Yang é especialmente relevante porque evita dois extremos comuns no debate sobre inteligência artificial. De um lado, não trata os agentes como uma fantasia distante de ficção científica. Os dados mostram que eles já estão sendo utilizados, sobretudo por trabalhadores do conhecimento, em tarefas concretas de produtividade, pesquisa, aprendizado, comércio, viagens e carreira. De outro, também não romantiza a autonomia tecnológica. O estudo aponta desigualdades de adoção, necessidade de supervisão humana e implicações regulatórias. Essa combinação de entusiasmo técnico com cautela institucional é exatamente o tipo de maturidade que o debate sobre IA precisa alcançar.

A era da IA agentiva marca uma mudança de paradigma: passamos de sistemas que ampliam nossa capacidade de responder para sistemas que ampliam nossa capacidade de agir.

Isso exige novas competências, novos processos e novas formas de governança. Para empresas, significa repensar fluxos de trabalho. Para educadores, significa preparar alunos para colaborar com agentes digitais. Para reguladores, significa definir limites de responsabilidade e transparência. Para profissionais de saúde, significa entender que a IA não será apenas uma ferramenta de consulta, mas uma camada operacional cada vez mais presente na prática clínica, administrativa e científica. O futuro do trabalho não será simplesmente humano ou artificial. Será uma nova arquitetura de colaboração entre pessoas, sistemas e agentes, e quem entender isso antes terá uma vantagem difícil de alcançar depois.