TheAgent Podcast: Inteligência sobre IA para quem lidera empresas

Apenas 6% das empresas que usam IA no Brasil operam com agentes autônomos. O episódio mostra o salto da Localiza, iniciativas de capacitação e o que ainda limita a maturidade dos negócios brasileiros diante dos agentes de IA.

Capítulos:

00:00 O desafio da maturidade nos agentes de IA

00:30 Assinatura de abertura

00:50 Escalada dos temas da semana

01:30 Só 6% das empresas usam agentes autônomos

04:50 Localiza implementa 10 mil agentes de IA

08:10 Capacitação gratuita da AWS e Sebrae

10:30 Giro rápido: cinco movimentos de IA no Brasil

12:10 Achado da Semana: um terço já testou IA generativa

13:20 Fechamento e orientação final

Fontes mencionadas:

• Reportagem citando levantamento sobre uso de IA em empresas brasileiras

• Divulgação da Localiza sobre implementação de agentes de IA e capacitação

• Divulgação da AWS e Sebrae Startups sobre o programa Agentes de IA na AWS

• Divulgação da Elo e Microsoft sobre agente de IA para pagamentos no Excel

• Divulgação da Azzas 2154 sobre o sistema Vera e Prêmio IBEVAR-FIA

• Divulgação da Cielo sobre agente de IA e redução de chamados de TI

• Divulgação do iFood e Zoop sobre automação de pagamentos com IA

• Divulgação da Decolar sobre venda agêntica com IA SOFIA

• Estudo do Cetic.br sobre uso de aplicativos de IA generativa

A Hypera Pharma economizou R$ 436 mil ao internalizar quase 400 agentes de IA, enquanto scale-ups brasileiras reorganizam áreas para integrar a tecnologia. O episódio analisa também o alerta do Gartner sobre o aumento dos custos operacionais com IA até 2028.

Capítulos:

00:00 Tensão: IA entrega economia, mas exige disciplina

00:30 Abertura e escalada do episódio

01:10 Hypera Pharma economiza R$ 436 mil com agentes de IA

04:30 Scale-ups reorganizam áreas para integrar IA, diz Endeavor

07:10 Gartner alerta para aumento de custos com IA até 2028

09:30 Giro rápido: Algar, QuintoAndar, data center, supercomputador, PwC

11:10 Achado da Semana: interesse em IA e falta de treinamento

12:30 Fechamento: disciplina, retorno e capacitação

13:00 Vinheta de encerramento

Fontes mencionadas:

• Reportagem do Mobile Time sobre Hypera Pharma e Algar

• Estudo da Endeavor com 133 empreendedores de 125 scale-ups brasileiras

• Projeção do Gartner sobre custos de IA agêntica até 2028

• Divulgação do QuintoAndar sobre agente de IA no WhatsApp

• Reportagem do Showmetech sobre data center de IA em Campinas e supercomputador brasileiro

• Pesquisa da Pluxee sobre uso e treinamento de IA entre trabalhadores brasileiros

• Relatório da PwC sobre transformação dos serviços financeiros com IA

A Algar divulga ganhos operacionais e financeiros concretos com agentes de IA, enquanto o Gartner alerta para o aumento expressivo nos custos até 2028. O episódio também analisa o caso OpenAI e o potencial de automação no Brasil segundo a McKinsey.

Capítulos:

00:00 A tensão entre ganhos e riscos dos agentes de IA

00:28 Assinatura de abertura e escalada do episódio

01:10 Algar economiza 289 mil horas e gera R$ 48 milhões com IA

04:30 Limites e critérios para medir o impacto dos agentes

06:10 Gartner alerta para aumento de custos até 2028

08:10 Como planejar automação diante da pressão orçamentária

09:40 OpenAI interrompe treino após comportamento inesperado

11:00 Governança e riscos em agentes autônomos

12:10 Giro rápido: infraestrutura, automação e bancos digitais

13:20 Achado da Semana: 56% das horas podem ser automatizadas

14:10 Fechamento e orientação para líderes

Fontes mencionadas:

• Algar: resultados financeiros e operacionais divulgados pela empresa

• Gartner: projeção de custos de inferência em IA agêntica até 2028

• UOL: reportagem sobre a interrupção de treinamento da OpenAI

• Showmetech: investimentos em supercomputador e data center de IA no Brasil

• Hypera Pharma: divulgação de economia anual com agentes de IA

• QuintoAndar: lançamento de agente de IA no WhatsApp

• Caixa Econômica Federal: anúncio de SuperApp e assistente de IA

• McKinsey: estudo sobre potencial de automação no Brasil

O Brasil lidera a adoção de agentes de IA entre as grandes economias, com setenta e seis por cento das empresas já usando a tecnologia. Ao mesmo tempo, oitenta por cento dessas companhias já suspenderam projetos por falhas de governança, e trinta e nove por cento sofreram vazamento de dados. Adotar agente ficou simples, mas mantê-lo seguro exige limites claros de acesso, decisão e auditoria.

Neste episódio, a gente desmonta esse cenário a partir do estudo da Sinch, do alerta da Anthropic sobre agentes competindo entre si e dos cases da Localiza e Zucchetti. Você vai sair com cinco regras práticas para mapear dados sensíveis, definir quem aprova cada decisão, criar trilha de auditoria e revisar regras a cada trinta dias, tudo aplicável no seu trabalho de hoje.

O que você vai ouvir:

• Os dados reais da pesquisa Sinch sobre adoção e fracasso de agentes no Brasil

• O que significa governança no dia a dia de quem monta o primeiro agente

• O alerta da Anthropic sobre agentes que competem e geram conflitos invisíveis

• Como a Localiza manteve a Alethe IA segura com limites e presença humana

• Por que a Zucchetti acelerou só depois de delimitar escopo e validar etapas

• Cinco passos práticos para manter seu agente ativo e longe das estatísticas de fracasso

Capítulos:

00:00 Abertura e o paradoxo da adoção

00:35 Os números da Sinch no Brasil

02:00 Governança traduzida para quem começa

03:15 O ciclo de lançar e recuar

04:30 Alerta da Anthropic sobre agentes em conflito

05:45 Case Localiza e os limites da Alethe IA

06:45 Case Zucchetti e velocidade com controle

07:45 O ponto de Raquel sobre rastreabilidade

08:45 Cinco regras práticas de limites e auditoria

10:15 A provocação para esta semana

Fontes mencionadas:

• Estudo da Sinch sobre adoção de agentes de IA no Brasil

• Alerta da Anthropic sobre agentes competindo entre si em sistemas multiagente

• Case da Localiza com a Alethe IA no Localiza Labs

• Case da Zucchetti sobre aceleração no desenvolvimento com agentes de IA

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!

A Creditas fechou o trimestre com o custo operacional em quarenta e dois por cento da receita, contra cinquenta por cento no ano anterior. São oito pontos percentuais de queda em doze meses, numa operação que cresceu em vez de encolher. Neste episódio eu mostro o que ela fez de diferente, e por que a maioria das empresas nunca chega perto desse número.

A resposta veio de uma entrevista que fiz nesta semana com Renato Ferreira, CRO da Tess AI, que implanta agentes em dezenas de operações. O diagnóstico dele aponta para três decisões de gestão, todas tomadas antes de qualquer limitação técnica aparecer. Eu chamo essas três de "as três travas", e provavelmente a sua empresa já tomou pelo menos uma delas.

O que você vai ouvir:

• Como a Creditas transferiu a cadeia inteira de decisão para agentes, em vez de acelerar o analista

• Por que corte de custo com agentes é diferente de corte linear com demissão

• Trava 1: o comitê de liderança que produz roadmap e apresentação, nunca automação

• Trava 2: o projeto que nasce dentro da TI e morre na prova de conceito

• Trava 3: comprar IA por assento, o incentivo econômico contra a própria transformação

• A diferença entre um copiloto e um agente, e o que ela muda no seu organograma

• Onde o caso da Creditas pode ser ponto fora da curva, e o risco de agente sem fonte de verdade

• As cinco condições que um processo precisa atender antes de receber um agente

Capítulos:

00:00 Cold open: o comitê de IA que nunca automatizou nada

00:30 As duas notícias da semana e a pergunta do episódio

00:59 O número: o custo da Creditas cai de 50% para 42% da receita

02:24 Crédito com garantia: por que o processo é pesado

02:53 O que a Creditas fez: a cadeia inteira, em vez da tarefa

03:42 Corte com agentes não é corte linear com demissão

04:56 As três travas: por que quase ninguém chega nesse número

05:47 Trava 1: o tema preso no comitê de liderança

06:21 Trava 2: o projeto embaixo da área de TI

07:18 Trava 3: comprar IA por assento

07:56 Execução de baixo para cima, mandato de cima para baixo

08:48 Ferramenta e agente: o consultor genial e o funcionário digital

10:41 A decisão de compra: produtividade por pessoa ou capacidade de execução

11:14 O contraponto: o número sem denominador

12:20 Risco operacional e as cinco condições do processo

13:54 A minha visão: de projeto de tecnologia para desenho organizacional

15:31 A pergunta final: quantas vezes por dia você usa IA?

Fontes mencionadas:

• TheAgent, 11/08/2026 — Creditas usa agentes de IA em toda a operação e reduz custos para 42% da receita

https://theagent.bz/creditas-usa-agentes-de-ia-em-toda-a-operacao-e-reduz-custos-para-42-da-receita/

• TheAgent, 13/08/2026 — Entrevista com Renato Ferreira, Tess AI: "Nenhum comitê de IA jamais automatizou um processo"

https://theagent.bz/entrevista-com-renato-ferreira-tess-ai-nenhum-comite-de-ia-jamais-automatizou-um-processo/

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!

Você já viu um cliente pedir ajuda no chat, receber uma resposta pronta e depois sumir porque o pagamento era em outro lugar? Esse episódio mostra como a Cielo e o Google Cloud eliminaram essa quebra usando um agente de IA que vende sozinho do início ao fim.

A gente explica o protocolo AP2, a diferença entre um bot que responde e um agente que fecha pedidos, e como conectar sua IA ao estoque existente enquanto preserva o que já funciona. Se você quer transformar conversas em receita, esse é o ponto de partida.

O que você vai ouvir:

• O que separa um chatbot de atendimento de um agente de finalização que gera receita

• Como o protocolo AP2 permite pagamento dentro do chat sem quebrar a jornada

• Por que a métrica certa muda de velocidade de resposta para taxa de conversão

• O passo a passo para conectar seu estoque e preço ao agente de forma segura

• Os alertas de segurança que Raquel traz sobre agentes que executam transações

• Dados do mercado brasileiro com Nuvemshop, Lumi e o lançamento do Gemini Spark

Capítulos:

00:00 Abertura: o que é um agente de finalização e por que ele gera receita

00:40 O caso da Cielo e Google Cloud que transforma chat em ponto de venda

02:30 Como o protocolo AP2 permite pagamento dentro da conversa

03:45 Como o agente consulta estoque e lembra o contexto da conversa

05:00 Por que a métrica deixa de ser velocidade e vira taxa de conversão

06:00 O consumidor brasileiro, a Nuvemshop e a plataforma Lumi para lojistas

07:00 Gemini Spark e o princípio de executar tarefas dentro da conversa

07:45 Raquel traz alertas de segurança, chargeback e controle de risco

09:00 Aplicação prática: como mapear a jornada e os dados do seu produto

10:00 Como fazer testes controlados e identificar sinais para expandir

10:45 Reflexão final: conte os cliques entre o cliente e o dinheiro na conta

Fontes mencionadas:

• Cielo e Google Cloud, responsáveis pelo protocolo AP2 apresentado no episódio

• Nuvemshop, fonte do dado sobre brasileiros que usam IA para pesquisar e comprar

• Lumi, plataforma da Nuvemshop que opera com mais de trinta agentes para lojistas

• Runflow, startup brasileira que desenvolve integrações de agentes para empresas

• Mastercard, referência sobre adaptação de sistemas para aceitar bots compradores

• Anthropic, empresa citada pelo teste interno onde modelos ultrapassaram limites

• Gemini Spark, ferramenta do Google lançada no Brasil para automação de tarefas

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!

Seu e-commerce pode receber mil visitas por dia, mas existe um comprador novo que não clica em banners, não olha fotos e não lê descrições poéticas: o agente de inteligência artificial autônomo que já movimenta dinheiro real no e-commerce. Enquanto você investe em vitrine visual e SEO para humanos, a máquina lê dados brutos e descarta seu produto se os atributos técnicos estiverem desorganizados ou inacessíveis, o que significa que preparar o catálogo para essa realidade não exige virar engenheiro de software, mas sim reorganizar a informação que você já tem de forma clara.

Neste episódio, Lily desmonta como funciona o agente comprador, Mark niveliza o que é uma API na prática e Raquel traz o aviso sobre segurança e governança de dados sensíveis, e os três entregam um passo a passo tangível para você auditar atributos técnicos e estruturar uma ponte de dados que conversa com máquinas sem quebrar a operação.

O que você vai ouvir:

• A diferença entre um chatbot de WhatsApp e um agente comprador autônomo que gasta dinheiro real

• Por que uma API estruturada vale mais que um site bonito quando quem compra é uma máquina

• O exemplo concreto do ar condicionado e o que muda entre descrição emocional e atributo técnico

• Como fazer um raio-x do seu catálogo e começar com uma categoria pequena na próxima semana

• O cuidado de Raquel com segurança, governança e preço dinâmico exposto para agentes externos

• Uma dica prática para anotar e aplicar na segunda-feira sem precisar de equipe nova

Capítulos:

00:00 Introdução: o catálogo invisível para máquinas

00:35 O que é um agente comprador autônomo

02:05 Por que a vitrine bonita não funciona

03:10 O que é API e por que ela importa

04:35 Exemplo prático do ar condicionado

05:40 Isso já é real ou ficção

06:35 Raquel: riscos de segurança e governança

07:35 Primeiro passo para aplicar na próxima semana

09:05 Alinhar API com estoque físico real

09:35 A dica da semana para começar segunda-feira

10:05 Fechamento

Fontes mencionadas:

• Edição briefing: "Agentes da OpenAI escapam de sandbox e IA avança nos órgãos públicos"

• Edição dossiê: "Agentes de IA inauguram uma nova fase do e-commerce e transformam os catálogos digitais"

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!

Você já confiou numa IA para responder um chat, mas e se essa mesma ferramenta começasse a cancelar pedidos, estornar pagamentos ou liberar crédito sem que ninguém supervisionasse o raciocínio dela? A diferença entre um constrangimento e um prejuízo real é o tema deste episódio, e a boa notícia é que dá para se proteger sem travar a operação.

Mark, Lily e Raquel explicam de forma simples por que a governança de agente é diferente da governança de modelo, mostram como o prompt intermediário funciona como um rascunho invisível que define ações irreversíveis e trazem um passo a passo prático para montar camadas de supervisão com logs, aprovações e limites operacionais.

O que você vai ouvir neste episódio sobre agentes e governança:

• A diferença entre um chatbot que responde textos e um agente que executa ações nos seus sistemas internos

• Como descobrir se existem agentes atuando nos bastidores da sua operação sem que você saiba

• O que é o prompt intermediário e por que ele precisa ser registrado para permitir auditoria

• Como a Zappts escala dez agentes com quatro pessoas mantendo controle total sobre a execução

• Um passo a passo mínimo para separar leitura, escrita e execução com baseline e alarmes automáticos

• Por que logs imutáveis e aprovações humanas são a infraestrutura que separa o ganho de produtividade do risco regulatório

Capítulos:

00:00 Abertura sobre o risco real quando o agente deixa de conversar e começa a executar ações nos sistemas da empresa

00:45 Explicação sobre a diferença essencial entre governança de modelo e governança de agente com acesso a operação

01:30 A metáfora do carteiro que entrega mensagens versus o carteiro que assina documentos e movimenta recursos sozinho

02:15 Como identificar se já existem agentes ou fluxos automáticos atuando nos bastidores dos seus sistemas internos

03:00 O que é o prompt intermediário e por que registrar esse raciocínio é fundamental para auditar qualquer ação executada

04:00 O caso da Zappts com dez agentes, quatro pessoas e supervisão operacional que permite escalar sem perder o controle

04:45 Por que o filtro de conteúdo tradicional não resolve o risco de ações irreversíveis em múltiplos sistemas conectados

05:30 Camadas de monitoramento com separação física entre leitura de dados, escrita de informações e execução de transações

07:15 Baseline operacional e alarmes automáticos como detector de fumaça que para o agente antes que o erro se espalhe

08:15 Raquel traz a realidade sobre risco regulatório, responsabilidade jurídica e a importância do rastro de auditoria completo

09:00 Passo a passo prático e mínimo para aplicar na próxima semana sem precisar de novos softwares ou investimentos altos

10:00 A pergunta de fechamento sobre registro de consultas, raciocínio do agente e validação humana para ações automatizadas

Fontes mencionadas:

• Pesquisa da MIT Sloan Review sobre frameworks de governança de IA e a falta de supervisão sobre execução de agentes

• Caso da empresa Zappts sobre escalada de agentes com controle operacional e crescimento de 33% no negócio

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!

A Prosus implantou sessenta mil agentes de IA para quarenta mil funcionários e descobriu um número que assusta: oitenta e dois por cento deles geravam impacto quase nulo, enquanto menos de um por cento concentrava retornos milionários. Se você acha que ter mais agentes rodando significa mais resultado, este episódio mostra por que a conta não fecha e como essa lei de potência afeta qualquer operação, da grande empresa à startup.

A gente vai traduzir o caso real da Prosus em um método que você pode aplicar na segunda-feira. Você vai aprender a mapear tarefas repetitivas, escolher um único fluxo para testar e definir regras claras de governança e prazo antes de escalar qualquer coisa.

O que você vai ouvir:

• A história real da Prosus e a diferença entre escala e resultado

• O que é lei de potência e por que ela governa os agentes de IA

• Como criar um filtro de governança por faixa de uso sem travar a inovação

• O exemplo prático da fintech que usa agente para triar pedidos de estorno

• O ponto de vista financeiro de Raquel sobre retorno em noventa dias

• Um passo a passo de quinze dias para encontrar seus agentes de alto impacto

Capítulos:

00:00 Cold open: a ilusão dos sessenta mil agentes

01:00 O caso Prosus e a lei de potência explicada

02:30 Por que a maioria dos agentes some no radar

04:00 O erro de governar tudo igual e o filtro por requisição

05:30 Exemplo prático: fintech e estornos

07:00 Raquel: caixa, noventa dias e o custo escondido

08:15 Como aplicar: o passo a passo de quinze dias

09:30 Quando encerrar e quando ajustar o teste

10:30 A pergunta final sobre reorganizar o time

Fontes mencionadas:

• Relatório público da Prosus sobre implantação e resultados de agentes de IA

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!

Você já parou para pensar se o seu agente de IA circula como visitante sem controle ou como um colaborador com função definida? A FCamara virou notícia ao entregar crachás físicos para sistemas autônomos, e esse gesto esconde uma lição prática sobre governança que qualquer pessoa pode aplicar no trabalho.

Neste episódio, a gente explica como definir escopo, responsável e limite de parada antes de colocar uma máquina para executar tarefas reais. Você vai aprender a diferenciar métrica de adoção de métrica de resultado, entender os riscos de dados em plataformas de terceiros e sair com um passo a passo simples para testar um agente ainda esta semana sem criar confusão na operação.

O que você vai ouvir:

• O que é um agente de IA e como ele vai além de responder perguntas para executar tarefas de verdade

• O caso FCamara e o que o crachá físico representa para a governança operacional na prática

• Os três pilares para escalar com segurança: definir escopo, responsável humano e limite de parada

• Por que medir adoção é uma armadilha e quais métricas de negócio mostram resultado real

• Como avaliar riscos de dados e termos de serviço antes de contratar qualquer ferramenta de terceiros

• Um roteiro prático de quatro passos para aplicar na sua operação começando ainda esta semana

Capítulos:

00:00 Abertura e a pergunta sobre se a sua IA já tem crachá e função definida na empresa

01:00 O que é um agente de IA e por que ele executa tarefas reais além de responder perguntas

02:00 O caso da FCamara e o que o crachá físico revela sobre governança operacional

03:30 Os três pilares para escalar com segurança: escopo, responsável e limite de parada

05:00 Por que medir adoção é erro e quais métricas de negócio realmente importam na prática

06:00 Governança de dados: o que acontece quando Meta, WhatsApp e TIM entram na operação

07:30 A Jota e a tendência de agentes financeiros verticalizados no mercado brasileiro

08:30 O contraponto de Raquel sobre maturidade de TI antes de dar autonomia total

09:30 Passo a passo prático para mapear processos e testar um agente esta semana

10:30 A provocação final sobre qual métrica você usaria para justificar o orçamento do agente

Fontes mencionadas:

• FCamara, consultoria brasileira citada pela implementação de crachás físicos para agentes de IA

• Meta e WhatsApp Business, mencionados nos termos de serviço sobre acesso e uso de dados comerciais

• TIM, empresa que lançou aplicativo dentro do ChatGPT para vender planos e atender clientes

• Jota, startup que captou recursos para atuar como agente financeiro verticalizado no WhatsApp

Assine a newsletter TheAgent em https://theagent.bz para análises sobre agentes de IA duas vezes por semana.

Para founders, líderes e executivos, sempre direto ao ponto!