Um agente de IA é um sistema que recebe um objetivo, planeja etapas, consulta dados, usa ferramentas e executa ações com autonomia, indo além do chatbot que apenas responde. É a maior promessa corporativa de 2026, e também a mais arriscada: o Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. O detalhe que reposiciona a conversa inteira: os cancelamentos não vêm do modelo, vêm da fundação. Agente precisa de dado governado para consultar, de sistema onde agir de forma rastreável, e de leitura confiável do que fez. Sem essa base, o agente é um piloto brilhante em demonstração que fracassa em produção. A fundação tem nome conhecido: plataforma de dados, Jira e BI

O dado do Gartner, lido corretamente

A previsão do Gartner virou manchete de board deck, e a maioria das leituras erra a conclusão. “40% serão cancelados” é lido como “a tecnologia não entrega”. Não é o que os dados dizem. Segundo a analista sênior do Gartner Anushree Verma, a maior parte dos projetos de IA agêntica hoje são experimentos de estágio inicial ou provas de conceito movidos por hype e frequentemente mal aplicados, o que cega as organizações para o custo e a complexidade reais de colocar agentes em produção em escala.

Some-se a isso o fenômeno que o Gartner chama de agent washing: a reembalagem de produtos existentes (assistentes, RPA, chatbots) como agentes, sem capacidade agêntica real. O Gartner estima que apenas cerca de 130 dos milhares de fornecedores que se dizem agênticos são genuínos. Ou seja: parte do fracasso projetado não é de agentes que falharam, é de coisas que nunca foram agentes de verdade. Ao mesmo tempo, a previsão de longo prazo é de crescimento: o Gartner projeta que ao menos 15% das decisões de trabalho do dia a dia serão tomadas de forma autônoma até 2028, e que 33% das aplicações corporativas incluirão IA agêntica até 2028, ante menos de 1% em 2024.

A tese deste guia: o agente que sobrevive a 2027 não é o que roda o maior modelo, é o que se apoia na fundação certa. E a fundação de um agente corporativo é exatamente a stack que a CSP Tech já constrói: dados governados no Databricks para o agente consultar, o Jira como sistema onde o agente age de forma rastreável, e o BI para ler o que ele fez. Enquanto o mercado vende o agente, o que decide o resultado é o que sustenta o agente.

Agente não é chatbot: a diferença que muda os requisitos

A confusão entre chatbot e agente não é semântica, é de arquitetura. Um chatbot responde uma pergunta e encerra. Um agente recebe um objetivo, decide os passos, consulta fontes, usa ferramentas e executa ações no mundo real. Essa autonomia é o que cria valor e o que cria risco: quando um agente pode agir, o alcance de um erro (alucinação, injeção de prompt, configuração errada) se multiplica, porque ele não erra numa resposta, erra numa ação executada.

É por isso que os requisitos de um agente são de outra ordem. Um chatbot precisa de um bom modelo e uma boa base de conhecimento. Um agente precisa, além disso, de três coisas que o modelo não fornece: dado confiável para embasar a decisão, ferramentas governadas para agir sem estourar o escopo, e rastreabilidade do que fez para a auditoria existir. As três são fundação de dados e de operação, não capacidade de modelo.

As três fundações que separam o agente que sobrevive do que é cancelado

A leitura da tabela é o argumento de posicionamento: nenhuma das três fundações é “IA” no sentido de modelo. Todas são dado e operação. É por isso que uma consultoria de dados, Jira e BI é, em 2026, uma consultoria de IA, mesmo que o cliente chegue pedindo “um agente”. O agente é a ponta visível de um iceberg feito de fundação.

Fundação 1 · Dado governado para o agente consultar (Databricks)

Um agente é tão confiável quanto o dado que ele consulta. Se a base tem o mesmo cliente cadastrado três vezes, o agente responde sobre o cliente errado com total fluência. Se o dado não tem governança de acesso, o agente pode expor informação sensível ao alcançar o que não deveria. Se não há linhagem, ninguém consegue explicar de onde veio a decisão que o agente tomou.

É a fundação mais negligenciada e a que mais derruba projeto em produção. Resolver isso é o trabalho de plataforma de dados que já detalhamos no cluster: o Lakehouse unifica e governa, o Unity Catalog controla acesso com as mesmas permissões para pessoas e agentes, o golden record do MDM garante que o agente fale do cliente certo, e a curadoria medalhão entrega dado tratado em vez de dado bruto. Agente sobre dado não governado é a rota mais curta para o cancelamento que o Gartner projeta.

Fundação 2 · Sistema onde o agente age de forma rastreável (Jira)

Autonomia sem rastreabilidade é passivo, não ativo. Quando um agente executa uma ação (abre um chamado, reatribui uma tarefa, escala uma exceção), essa ação precisa virar registro com dono, status e histórico, ou a empresa perde o controle sobre o que o próprio agente fez. É aqui que o Jira e o Jira Service Management deixam de ser ferramenta de time humano e viram a camada de ação governada do agente.

Na prática: o agente não age no vácuo, age criando e movendo issues, sob o mesmo workflow, as mesmas permissões e a mesma trilha de auditoria que governam o trabalho humano. Isso dá ao agente o que o Gartner aponta como ausente nos projetos que fracassam: controles de risco adequados e um lugar onde a ação é registrada e reversível. O agente ganha um botão de override com nome de dono, em vez de autonomia cega.

Fundação 3 · Leitura confiável do que o agente fez (BI)

O Gartner cita valor de negócio pouco claro como uma das três causas de cancelamento. Traduzindo: o projeto não consegue provar que o agente entregou resultado, então perde orçamento na primeira revisão. Sem leitura confiável, o agente vira um custo que ninguém sabe justificar.

A terceira fundação resolve isso: BI sobre o dado de ação do agente, com métricas de definição única. Quantas ações o agente executou, com que taxa de acerto, com que efeito mensurável no tempo de resolução, no custo por atendimento, na satisfação. É o modelo semântico do Power BI aplicado ao trabalho do agente, transformando autonomia em número que sobrevive à revisão de orçamento. Sem essa camada, o agente pode até funcionar, mas não consegue provar que funciona, e projeto que não prova valor é projeto que o Gartner conta na estatística dos 40%.

Os sinais de que o seu projeto de agente caminha para o cancelamento

•     O piloto brilha na demo e trava na produção. Sinal de fundação ausente. Demo roda sobre dado selecionado; produção roda sobre o dado real, com toda a bagunça que a fundação deveria ter tratado.

•     Ninguém sabe dizer de onde o agente tirou a resposta. Falta linhagem e governança de dado. Quando a auditoria perguntar, não haverá resposta.

•     O agente age, mas a ação não fica registrada em lugar nenhum rastreável. Falta a camada de ação governada. Autonomia sem trilha é risco puro.

•     Seis meses depois, ninguém consegue provar o ROI. Falta a leitura. É a causa direta de cancelamento na revisão de orçamento.

•     O custo de produção veio muito acima do piloto. O Gartner destaca custos crescentes como causa. Fundação mal desenhada multiplica consumo em escala.

Quando você não precisa de um agente (e o Gartner concordaria)

•     Quando uma automação simples resolve. Se o problema é uma regra determinística (“se X, faça Y”), uma automação tradicional é mais barata, mais previsível e mais fácil de auditar que um agente. Escolher agente onde uma regra basta é um dos modos de fracasso apontados no mercado.

•     Quando a fundação ainda não existe. Colocar um agente sobre dado desgovernado e Jira desconfigurado é, nas palavras que circulam no mercado, processo quebrado com turbo. A ordem é fundação primeiro, agente depois.

•     Quando não há um número atrelado ao trabalho do agente. Se não dá para definir qual métrica o agente move e quem assume o resultado, o projeto não tem como provar valor. Definir o número vem antes de construir o agente.

Perguntas frequentes

Qual a diferença entre um chatbot e um agente de IA?

O chatbot responde a uma solicitação e encerra a interação. O agente recebe um objetivo, planeja etapas, consulta dados, usa ferramentas e executa ações com autonomia. Essa capacidade de agir é o que gera valor e o que exige fundação: dado governado para consultar, sistema para agir de forma rastreável e leitura do que foi feito. Boa parte do que o mercado vende como agente é, segundo o Gartner, chatbot reembalado, o chamado agent washing.

Por que o Gartner prevê tantos cancelamentos de projetos de IA agêntica?

Segundo o Gartner, mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. A causa não é o modelo, é a gestão e a fundação em volta dele: projetos que brilham em prova de conceito e falham em produção por negligenciar integração, acesso a dados e responsabilidade sobre a ação.

O que preciso ter pronto antes de investir em um agente de IA?

Três fundações: dado governado para o agente consultar (plataforma de dados com identidade resolvida e controle de acesso), um sistema onde o agente age de forma rastreável (Jira como camada de ação com workflow e auditoria) e leitura confiável do que ele fez (BI com métricas de definição única para provar valor). As três são trabalho de dados e operação, não de modelo, e é o que separa o projeto que sobrevive do que é cancelado.

A CSP Tech desenvolve agentes ou a fundação?

As duas coisas se conectam, e a fundação é o diferencial. Como parceira Databricks, Atlassian Gold e Microsoft Gold, e participante do Anthropic Partner Network, a CSP constrói a base que faz o agente não fracassar: dados governados no Lakehouse, Jira como camada de ação, BI para provar valor, e a arquitetura de IA sobre essa base. O agente é a ponta; o valor e a sobrevivência do projeto estão na fundação.

Próximo passo



Antes de investir em um agente de IA, o passo que mais protege o orçamento é verificar se a fundação existe: dado governado, sistema de ação rastreável e leitura de valor. É a diferença entre estar nos 60% que entregam e nos 40% que o Gartner projeta cancelar. Solicite um diagnóstico de prontidão para agentes de IA com a CSP Tech e receba o mapa das três fundações aplicado ao seu caso: o que já existe, o que falta e o que construir antes do primeiro agente.

Autor: Guilherme Matos, estrategista de conteúdo e IA, certificado HubSpot, Google e Anthropic. Revisão técnica por especialistas de dados e Atlassian da CSP Tech (parceira Databricks, Atlassian Gold Partner, Microsoft Gold Partner, participante do Anthropic Partner Network, 34 anos de mercado, produto próprio Power BI for Jira).

Fontes (acesso jul/2026): Gartner, press release “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027” (gartner.com/en/newsroom, 25/jun/2025), incluindo as declarações de Anushree Verma, o fenômeno de agent washing e as projeções de 15% de decisões autônomas e 33% de aplicações corporativas com IA agêntica até 2028. Databricks Documentation (Unity Catalog, medalhão), Microsoft Learn (modelo semântico Power BI) e Atlassian (workflow, service management).