Nos últimos anos, a inteligência artificial entrou no cotidiano dos consumidores principalmente por meio de conversas. Chatbots passaram a responder dúvidas, resumir textos, criar imagens, escrever mensagens e auxiliar em pesquisas. Ferramentas como ChatGPT, Gemini e Copilot ajudaram a popularizar uma tecnologia que, até pouco tempo atrás, parecia restrita a laboratórios e empresas especializadas. O próximo passo, porém, não depende apenas de respostas mais sofisticadas. A expectativa do mercado é que a IA consiga fazer mais coisas depois de receber um pedido.

Essa mudança começa a aparecer na forma como empresas estão avaliando seus próprios projetos de inteligência artificial. Em vez de perguntar apenas onde é possível colocar IA, organizações passam a buscar problemas concretos que possam ser resolvidos com a tecnologia. Um levantamento da Boston Consulting Group publicado em julho de 2026 mostra que quase nove em cada dez CEOs consultados já identificam algum ganho de receita ou redução de custos em áreas específicas com o uso de IA. Ao mesmo tempo, mais da metade afirma encontrar dificuldades para transformar esses resultados pontuais em impacto financeiro em escala. O desafio, portanto, deixou de ser apenas adotar a tecnologia e passou a ser fazer com que ela funcione dentro dos processos reais das empresas.

Leia também:

• • Chips de memória elevam custo de produção do iPhone 18 Pro e prometem encarecer smartphones
  • Creator economy chega às periferias e muda a publicidade
  • Anthropic implementa marca d’água invisível em conteúdo gerado por IA

Para o consumidor, essa transformação pode ser menos visível do que a chegada de um novo chatbot, mas mais relevante. Em vez de perceber que está conversando com uma inteligência artificial, a pessoa pode simplesmente notar que conseguiu resolver um problema em menos etapas. Um pedido de troca de endereço, por exemplo, poderia deixar de exigir uma conversa com atendimento, outra interação com o suporte e uma terceira etapa com uma área operacional. Na visão de Elder Jascolka, líder de operações da Wonderful no Brasil, é justamente essa integração que diferencia uma IA aplicada a uma tarefa isolada de uma tecnologia capaz de transformar uma jornada inteira. “A mudança real não está em tornar a conversa mais natural, mas em o agente deixar de responder perguntas e passar a executar o processo”, afirma Jascolka.

O fim da IA como vitrine

A primeira fase da popularização da inteligência artificial foi marcada pela experimentação. Empresas correram para incorporar recursos generativos a aplicativos, plataformas e canais de atendimento, enquanto consumidores testavam o que essas ferramentas conseguiam fazer. Esse movimento ajudou a ampliar o acesso à tecnologia, mas também criou uma diferença entre demonstrar uma capacidade e produzir um resultado. Em 2026, pesquisas indicam que essa diferença continua sendo um dos principais desafios para as organizações. Segundo a BCG, apenas 14% dos CEOs consultados definem claramente o impacto da IA no resultado financeiro de todas as iniciativas, apesar de quase nove em cada dez já observarem algum benefício em áreas específicas.

O cenário aparece também em setores diretamente ligados ao consumidor. Um levantamento da BCG com o Consumer Goods Forum, divulgado em junho de 2026, mostrou que cerca de 75% das empresas de bens de consumo pesquisadas ainda estavam em fase de piloto ou exploração de IA. Entre as varejistas, 45% já estavam ampliando iniciativas com impacto, enquanto outros 40% ainda estavam no início da adoção. Mais da metade das empresas pesquisadas não media formalmente o retorno sobre o investimento em IA. O levantamento aponta que uma das principais dificuldades é transformar a economia observada em projetos-piloto em resultados concretos quando a tecnologia precisa funcionar em escala.

Para Jascolka, parte do problema está justamente na maneira como as organizações estruturam esses projetos. Segundo ele, muitas empresas aplicam IA em áreas isoladas, sem considerar toda a jornada percorrida pelo consumidor. Um chatbot pode registrar uma reclamação em poucos minutos, por exemplo, mas a solução continuará dependendo de funcionários e sistemas diferentes se o processo seguinte não estiver integrado. “O meu atendimento para receber a demanda de uma discordância de cobrança de crédito foi feito pela inteligência artificial, mas todos os outros passos por trás continuam sendo feitos por uma pessoa”, explica. Nesse cenário, a empresa automatiza um trecho da jornada, mas o consumidor continua esperando pela resolução.

A lógica defendida pelo executivo é inverter a pergunta. Em vez de partir do processo existente e procurar quais etapas podem receber IA, a empresa deveria avaliar se aquele processo ainda precisa existir da mesma maneira. “Eu resolvo um problema em 10 passos. Eu vou olhar e vou aplicar a inteligência artificial nos 10 passos. Sendo que o correto é: com essa inteligência, eu preciso de 10 passos?”, questiona. Para ele, o ganho aparece quando a tecnologia permite reduzir a quantidade de etapas necessárias para chegar ao resultado. A inteligência artificial, nesse caso, deixa de funcionar como uma camada adicionada a um sistema antigo e passa a participar do redesenho da operação.

Por que tantos chatbots frustraram os usuários?

A experiência do consumidor ajuda a explicar por que simplesmente adicionar IA a um canal existente não é suficiente. Segundo o Consumer Experience Trends Report 2026, da Qualtrics, quase um em cada cinco consumidores que utilizaram IA em atendimento ao cliente afirmou não ter obtido nenhum benefício com a experiência. A empresa também identificou que a taxa de falha da IA aplicada ao atendimento foi quase quatro vezes maior que a registrada em outros usos da tecnologia. O levantamento foi divulgado em outubro de 2025 e reúne dados sobre a experiência de consumidores com diferentes aplicações de IA. O resultado mostra que atendimento está entre as áreas em que a diferença entre promessa tecnológica e utilidade percebida continua mais evidente.

Uma das razões está no próprio desenho de muitos sistemas de atendimento. O consumidor pode encontrar uma interface que parece conversacional, mas que continua funcionando com regras rígidas e caminhos previamente definidos. Jascolka diferencia esse modelo do funcionamento esperado de um agente de IA. Segundo ele, um chatbot tradicional costuma trabalhar com árvores de decisão, enquanto um agente pode interpretar uma solicitação feita de maneira natural, consultar informações disponíveis e executar uma ação. Em um exemplo citado pelo executivo, uma pessoa poderia enviar um áudio dizendo que deseja marcar uma consulta com um ortopedista apenas a partir de determinado dia e período, e o agente identificaria essas condições para consultar a agenda.

Créditos: Divulgação

Legenda: Elder Jascolka, líder de operações da Wonderful no Brasil

A frustração aumenta quando a automação não consegue concluir o que começou. O consumidor explica o problema para uma máquina, recebe uma sequência de respostas e, depois de algum tempo, é transferido para uma pessoa que pede novamente todas as informações. O processo pode parecer digital, mas continua reproduzindo a mesma estrutura fragmentada do atendimento tradicional. Uma pesquisa acadêmica publicada em 2025 sobre adoção de chatbots em atendimento identificou que consumidores podem evitar esse tipo de canal quando percebem que ele funciona como uma etapa inicial imperfeita antes de uma transferência para um especialista. O estudo também apontou que transparência sobre as capacidades e limitações do chatbot, além de acesso mais rápido a atendentes humanos quando a ferramenta falha, pode melhorar a experiência.

É nesse ponto que eficiência operacional e experiência do consumidor deixam de ser objetivos separados. Na entrevista, Jascolka afirma que existe, sim, o risco de empresas utilizarem IA apenas para automatizar a parte mais simples de uma interação e manter o restante do processo intacto. “O resultado é pior do que antes: agora, além da espera, o cliente também lida com um sistema que parece inteligente, mas não resolve nada sozinho”, afirma. Para ele, a redução de custos deveria aparecer como consequência de um processo melhor desenhado, e não como finalidade isolada da adoção da tecnologia. “É a redução de custo que vem como consequência, não como objetivo original”, resume.

A próxima fase: agentes de IA

A chamada IA agêntica representa uma mudança importante porque amplia a função do sistema. Um chatbot tradicional é projetado principalmente para conversar e fornecer informações, enquanto um agente pode receber um objetivo, consultar dados, tomar decisões dentro de regras estabelecidas e executar ações em diferentes sistemas. A definição apresentada em um documento do Gartner diferencia os agentes de sistemas generativos tradicionais justamente pela capacidade de planejar e executar ações de maneira autônoma, adaptando o comportamento ao contexto. Essa característica abre espaço para aplicações que não terminam na resposta exibida na tela.

O exemplo de uma operadora de telecomunicações ajuda a visualizar a diferença. Na situação descrita por Jascolka, o consumidor entra em contato porque sua conexão de banda larga apresenta um problema. Em vez de apenas registrar a reclamação, o agente pode verificar o modem, executar comandos, consultar se existem outras pessoas afetadas na região e, se necessário, acionar um técnico de campo. Dessa forma, o mesmo sistema participa de várias etapas que antes poderiam estar distribuídas entre atendimento, suporte técnico e equipes de manutenção. “Você está resolvendo um fluxo de trabalho. Você não está resolvendo um pedaço do fluxo”, explica o executivo.

A Wonderful é um exemplo desse movimento. A empresa desenvolve agentes de inteligência artificial voltados ao ambiente corporativo, com foco em tarefas que vão além da geração de respostas. A plataforma é projetada para conectar a IA a fluxos de trabalho e sistemas utilizados pelas empresas, permitindo que os agentes consultem informações e executem etapas de processos. No site da companhia, a proposta aparece associada justamente à aplicação da IA em operações críticas, com casos que incluem atendimento, telecomunicações, cobrança e processos internos.

A diferença pode aparecer em tarefas mais simples do cotidiano. Um agente poderia, em uma situação ideal, acompanhar uma entrega e agir diante de um atraso, reorganizar um compromisso de acordo com a agenda disponível ou iniciar uma solicitação de troca sem obrigar o consumidor a acessar vários menus. Em uma operação de telecomunicações, por exemplo, Jascolka cita a possibilidade de alterar um endereço diretamente nos sistemas internos depois que o consumidor faz a solicitação. A inteligência artificial teria de consultar os sistemas necessários, realizar a alteração e comunicar ao cliente quando a operação estivesse concluída. O objetivo seria transformar uma conversa em uma ação efetivamente executada.

A previsão de mercado ajuda a dimensionar o que está em jogo, embora não signifique que essa transformação ocorrerá automaticamente. Segundo o Gartner, agentes de IA poderão resolver de forma autônoma 80% das solicitações comuns de atendimento ao cliente até 2029, sem intervenção humana. A mesma previsão indica uma possível redução de 30% nos custos operacionais relacionados a essas atividades. A projeção foi publicada pelo Gartner em 2025 e considera uma mudança de modelo na qual agentes passam a executar solicitações, e não apenas fornecer informações. Em 2026, consultorias como a McKinsey também passaram a tratar a IA agêntica como parte da transformação das operações de atendimento, com organizações avançando para jornadas mais automatizadas e integradas.

Créditos: Divulgação

Legenda: A Wonderful (ou Wonderful AI) desenvolve agentes de inteligência artificial corporativa para grandes empresas. Ela cria sistemas de IA por voz e chat para automatizar o atendimento ao cliente, ope

O que muda para o consumidor?

A principal mudança tende a ser percebida na quantidade de esforço necessária para resolver um problema. Em vez de perguntar se a IA está sendo usada, o consumidor poderá avaliar a tecnologia pelo resultado final da interação. Jascolka afirma que, hoje, mesmo quando uma conversa com IA parece mais fluida, os processos internos continuam muitas vezes iguais aos anteriores, com transferências entre áreas e repetição de informações. A expectativa é que os agentes consigam consultar sistemas, executar etapas e envolver uma pessoa somente quando houver necessidade de julgamento humano. “O consumidor não vai necessariamente perceber ‘que está falando com um agente de IA’; ele vai perceber que o problema se resolveu em menos etapas e com menos esforço”, afirma.

Esse movimento não significa que o atendimento humano desaparecerá. O próprio conceito de agentes pressupõe que determinadas situações continuarão exigindo negociação, empatia, interpretação ou tomada de decisão mais complexa. A projeção do Gartner sobre 80% das solicitações comuns até 2029, por exemplo, se refere a demandas recorrentes, e não a todos os tipos de atendimento. Para Jascolka, o debate sobre IA também não deveria ser reduzido à quantidade de pessoas que uma empresa consegue retirar de uma operação. “A redução de pessoa em si não pode ser considerada um parâmetro de sucesso da aplicabilidade da inteligência artificial”, afirma.

Outro limite está na infraestrutura necessária para que esses agentes funcionem. Uma IA capaz de executar uma tarefa precisa acessar dados confiáveis, entender regras e se conectar aos sistemas envolvidos no processo. Se essas informações estiverem fragmentadas ou desatualizadas, a capacidade de decisão do agente também fica comprometida. O Gartner informou em abril de 2026 que organizações com iniciativas de IA consideradas bem-sucedidas investem até quatro vezes mais, proporcionalmente à receita, em fundamentos como qualidade de dados, governança, capacitação e gestão da mudança. No mesmo levantamento, apenas 39% dos líderes de tecnologia entrevistados disseram estar confiantes de que os investimentos atuais em IA terão impacto positivo no desempenho financeiro.

Por isso, a próxima etapa da inteligência artificial pode ser menos cinematográfica do que a anterior. Em vez de uma tecnologia que chama atenção por produzir uma resposta impressionante, o avanço pode aparecer em operações quase invisíveis para quem está do outro lado. Uma conta pode ser corrigida sem uma ligação, uma entrega pode ser acompanhada sem abrir diferentes telas e um problema técnico pode ser diagnosticado antes de chegar a um atendente humano. Essa mudança depende de empresas dispostas a redesenhar processos, integrar sistemas e preparar dados, e não apenas contratar uma nova ferramenta. “O maior mito é acreditar que implementar IA significa apenas instalar uma ferramenta”, afirma Jascolka.

A diferença entre a IA que impressiona e a IA que resolve, portanto, pode estar justamente no que o consumidor não vê. A tecnologia já consegue gerar textos, imagens e respostas em segundos, mas o próximo desafio é transformar essa capacidade em ações confiáveis dentro de serviços utilizados diariamente. Pesquisas de 2026 mostram que empresas ainda enfrentam dificuldades para escalar resultados, enquanto estudos sobre experiência do consumidor indicam que o atendimento é justamente uma das áreas em que a IA mais decepciona quando não está integrada ao processo completo. O mercado começa, assim, a deslocar a discussão da quantidade de ferramentas disponíveis para a qualidade das experiências que elas conseguem produzir. Para quem usa os serviços, a evolução poderá ser resumida de uma maneira simples: menos conversa sobre inteligência artificial e mais problemas resolvidos.