Algar economiza 289 mil horas e gera R$ 48 milhões com agentes de IA

Uma empresa brasileira anuncia ganhos milionários e economia de centenas de milhares de horas com automação por agentes de IA. Ao mesmo tempo, consultorias alertam para o risco de custos explodirem nos próximos anos. Gigantes globais como a OpenAI mostram que, sem controle, até sistemas avançados podem sair do esperado. O que esses movimentos dizem sobre a maturidade real dos agentes de IA nas empresas? E como separar resultado concreto de promessa.

Olá, eu sou Cassiano Corrêa e este é o podcast The Agents, o espaço onde líderes se atualizam sobre o impacto da inteligência artificial nos negócios no Brasil. Hoje você vai ouvir como, segundo a Elgar, a empresa já economizou 289 mil horas em processos internos em 24 meses e gerou R$48 milhões em EBITDA com agentes de IA. Vai entender por que o Gartner projeta uma alta de 5 vezes nos custos desses sistemas até 2028 e acompanha o que levou a OpenAI a pausar o treinamento de um modelo avançado após comportamento fora dos parâmetros.

No giro rápido, tem investimento bilionário em infraestrutura nacional, automação no setor farmacêutico, novidades no WhatsApp, super data center em Campinas e o movimento dos bancos tradicionais. E o achado da semana revela o tamanho do potencial de automação no Brasil segundo a MAC15. Vamos ao que interessa. O destaque da semana é uma métrica difícil de ignorar. Segundo a Algar, a empresa implementou 127 agentes de IA em áreas diferentes.

A Algar afirma que alcançou R$48 milhões em EBITDA e economizou 289 mil horas em processos internos em 24 meses com a implementação desses agentes. O que esses números realmente mostram sobre o estágio atual dos agentes no Brasil?

Lili.

Os dados divulgados pela Algar dão um retrato prático do que acontece quando a automação via agentes de IA deixa de ser piloto e vira rotina operacional. Segundo a empresa, né, a implementação dos 127 agentes ocorreu em áreas distintas, o que sugere uma integração transversal. Isso vai além da automação pontual. Em termos financeiros, a Algar atribui R$48 milhões em EBITDA à atuação desses agentes. Mas é importante ressaltar que esse valor total não é exclusivamente resultado da IA. Pois outras variáveis também impactam o desempenho operacional.

O que chama atenção aqui, do ponto de vista financeiro, é a clareza com que a Algar apresenta a ligação entre automação e resultado operacional. A economia de 289 mil horas em 24 meses, divulgada pela empresa, representa um impacto relevante em eficiência. Mas esses números não podem ser aplicados automaticamente a qualquer empresa que adote IA, A estrutura de processos, o grau de maturidade digital e a capacidade de integração dos agentes variam muito de organização para organização.

Para quem decide, o ponto é: só vale investir se for possível medir o retorno financeiro e operacional com rigor. Isso passa por definir métricas antes de escalar.

A minha leitura é que esse caso da Algar muda. A régua de avaliação dos projetos de IA no Brasil. Não basta mais falar em potencial de automação ou em promessa de eficiência. O que conta agora é a capacidade de mostrar ganho concreto, seja em EBITDA, seja em horas economizadas, sempre com a ressalva dos limites de replicação. Para quem lidera, o critério passa a ser: qual indicador de negócio será impactado e como mensurar esse resultado de forma confiável?

E, Cassiano, vale lembrar que a própria Algar reconhece que parte desses resultados depende de outros fatores internos. Ou seja, medir o impacto isolado da IA exige um acompanhamento contínuo dos processos e dos indicadores de desempenho.

Se o primeiro bloco mostrou onde o valor já aparece, agora a pergunta é: quanto vai custar manter e expandir essas operações? Segundo projeção do Gartner, os custos de inferência de IA em fluxos de trabalho agênticos devem aumentar mais de 5 vezes até 2028. Lili, o que está por trás desse alerta?

O estudo do Gartner aponta que a escalada no uso de agentes de IA tende a pressionar os custos operacionais. Isso ocorre principalmente em fluxos de trabalho que dependem de processamento constante e personalizado. Inferência, nesse contexto, é o termo usado para descrever o momento em que um modelo de IA executa uma tarefa, como responder a uma solicitação ou processar um dado. O alerta do Gartner é global e não se aplica de forma homogênea a todos os setores.

Serve como sinal para empresas que já planejam ampliar o uso desses agentes em larga escala.

Esse movimento exige uma revisão séria do orçamento de IA nas empresas. A projeção de aumento de custos de inferência em mais de 5 vezes até 2028 significa que o retorno sobre investimento precisa ser recalculado com frequência. O risco aqui é aprovar projetos de automação sem considerar a curva de custos operacionais, o que pode comprometer margens e até inviabilizar algumas iniciativas. Quem toma decisão deve acompanhar de perto o custo real por tarefa automatizada, e ajustar a estratégia de precificação e orçamento conforme a evolução desses custos.

O recado do Gartner, para mim, é claro: planejar automação não é só escolher tecnologia. É antecipar como o custo de manter agentes de IA em funcionamento pode crescer e impactar o resultado do negócio. Antes de escalar, vale revisar as métricas de retorno e criar cenários para diferentes níveis de custo operacional.

E para quem está estruturando projetos agora, É fundamental considerar não apenas o custo inicial, mas também o custo recorrente de operação. Essa previsão de aumento rápido nos custos pode exigir negociações diferentes com fornecedores e uma revisão dos contratos de serviço.

Se até aqui falamos de ganhos e riscos financeiros, o terceiro bloco traz um alerta sobre segurança e governança. Governança, neste contexto, é o conjunto de práticas e controles para garantir o funcionamento seguro e ético sistemas de IA. Segundo reportagem do UOL, a OpenAI interrompeu o treinamento de um modelo avançado e reforçou protocolos de segurança depois que o sistema apresentou comportamento fora dos parâmetros esperados durante testes internos.

Lili, o que esse caso revela sobre os controles necessários em projetos com agentes autônomos?

O caso da OpenAI é emblemático porque mostra que, mesmo em empresas referência em IA, o comportamento dos sistemas pode surpreender negativamente. Segundo a análise editorial, a OpenAI manteve detalhes técnicos do incidente sob sigilo, o que limita nossa compreensão sobre a natureza e a gravidade do problema. O que fica claro é a necessidade de protocolos de supervisão rígidos, testes de estresse e mecanismos de interrupção, conhecidos como kill switch, em operações críticas.

Isso vale especialmente para agentes autônomos, que podem tomar decisões sem intervenção humana direta.

O que pode ser aprendido aqui é que a velocidade de adoção dos agentes não pode atropelar os controles de governança. Não se trata só de mitigar riscos reputacionais, mas de proteger a operação contra falhas sistêmicas que podem gerar prejuízos financeiros e operacionais. O incidente da OpenAI não significa que o modelo foi descartado, nem que o problema foi resolvido, mas serve de alerta para o setor empresarial brasileiro sobre a importância de mapear pontos de falha e implementar controles antes de escalar agentes autônomos.

Para quem cuida do risco financeiro, a lição é direta: falhas em sistemas autônomos podem gerar custos inesperados, desde interrupções de serviço até sanções regulatórias. O acompanhamento de incidentes, a transparência na divulgação de falhas e o investimento em governança são fatores que precisam entrar no radar de quem aprova e paga por projetos de IA.

E nesse cenário, empresas que investem em governança desde o início conseguem responder mais rápido a incidentes e proteger melhor seus ativos e reputação.

Agora vamos ao giro rápido com os movimentos que também merecem atenção nesta semana. Segundo reportagem do ShowMeTech, o Brasil vai investir R$1 bilhão em um supercomputador de 7.200 petaflops, e uma nuvem soberana dedicada à inteligência artificial, em Macaíba. O objetivo, ainda conforme o Show Me Tech, é servir universidades, empresas e governos, dando ao país mais autonomia em infraestrutura crítica e dados sensíveis. Essa infraestrutura nacional pode redefinir a competitividade das empresas brasileiras nos próximos anos.

Segundo a Hypera Pharma, a empresa internalizou quase 400 agentes de IA concentrados na diretoria comercial, e obteve uma economia anual de R$436 mil. Esse é um caso concreto de como a automação pode reduzir custos e aumentar a agilidade no setor farmacêutico. Segundo divulgação do Quinto Andar, a empresa lançou um agente de IA no WhatsApp que funciona como atendente para clientes e imobiliárias ao mesmo tempo. Segundo o Quinto Andar, a IA conversa, responde dúvidas, processa propostas e encaminha negociações em tempo real.

É um exemplo prático de automação inteligente escalando negócios tradicionais e melhorando as experiências do cliente. Segundo o ShowMeTech, Campinas será a sede de um data center dedicado à inteligência artificial, com aporte inicial de R$5 bilhões e capacidade de até 216 megawatts. O investimento pode chegar a R$20 bilhões até 2029, Reforçando o interior paulista como polo estratégico para operações de IA. Segundo a Caixa Econômica Federal, o super app reúne todos os serviços bancários em uma única plataforma para os correntistas.

A Caixa também anunciou que um assistente de IA em breve fará transações direto no app. Bancos tradicionais aceleram a digitalização e desafiam as fintechs ao integrar IA em serviços bancários.

O que chama atenção no giro é como a infraestrutura nacional e a automação setorial estão avançando juntas. Isso amplia o leque de possibilidades, mas também aumenta a necessidade de supervisão e métricas claras.

E, olhando para os números, cada movimento desses reforça a importância de medir não só o retorno, mas também os custos e riscos associados à automação. O cenário está cada vez mais competitivo e exigente.

O achado da semana vem da McKinsey. Segundo o estudo, 56% das horas trabalhadas no Brasil podem ser automatizadas por IA. Esse número não indica o que já foi automatizado, mas revela o potencial de transformação estrutural. Para quem lidera, o dado serve de critério para repensar a gestão de talentos, a estrutura organizacional e as prioridades de investimento em automação. O desafio é identificar quais horas devem ser automatizadas primeiro e como garantir que o valor gerado compense o custo e o risco envolvidos.

A semana mostrou que a automação via agentes de IA já entrega ganhos financeiros e operacionais concretos no Brasil, mas também deixou claro que avançar sem novos controles pode trazer riscos e custos inesperados. O critério para decidir agora não é só o potencial da tecnologia, mas a capacidade de medir retorno, antecipar custos e estruturar uma governança capaz de sustentar a escala dos agentes. Sou Cassiano Corrêa, este foi o podcast de Ei Gente, nos vemos no próximo episódio. Até a próxima!