Agent washing: o teste que separa agente de IA real de chatbot renomeado

Quando a Gartner cunhou o termo agent washing para descrever fornecedores que renomeiam assistentes, automação robótica de processos e chatbots como inteligência artificial agêntica, o mercado guardou o alerta sobre os vendedores. A analista responsável pela análise fez uma segunda observação, bem menos citada: muitos dos casos de uso posicionados como agênticos hoje não exigem implementação agêntica. O desperdício mais comum não está em comprar um agente falso. Está em comprar um agente verdadeiro para uma tarefa que pedia outra coisa.

Por que isso importa: autonomia custa mais, quebra mais e exige controle que fluxo rotineiro não exige. Empresa que compra agente para um processo previsível paga por uma capacidade que não vai usar e assume um risco que não precisava assumir.

Os números

• Cerca de 130 dos milhares de fornecedores que se apresentam como agênticos seriam de fato agênticos, na estimativa da Gartner
• Mais de 40% dos projetos de IA agêntica seriam cancelados até o fim de 2027, na mesma previsão
• Um terço dos softwares corporativos deve incluir capacidade agêntica até 2028, contra menos de 1% em 2024
• Junho de 2025 é a data em que essas projeções foram publicadas

A data merece destaque porque quase toda a cobertura recente a omite. A previsão dos 40% e a estimativa dos 130 fornecedores saíram em 25 de junho de 2025. Uma análise da Forbes publicada em julho de 2026 revisitou o alerta, e boa parte do que circulou desde então apresenta uma projeção do ano anterior como achado do ano corrente. A Gartner publicou material novo sobre o tema em abril de 2026, mas ele não é a origem desses números.

Vale também tratar os 130 pelo que são. A consultoria não divulgou metodologia para o denominador, o que torna o número uma indicação de ordem de grandeza e não uma contagem auditável.

O que agent washing significa na prática

A definição é específica: rebatizar produto existente como agêntico sem capacidade agêntica substancial. O termo ecoa greenwashing de propósito, porque descreve um problema de alegação e não de tecnologia.

A distinção importa para o comprador. Um produto rebatizado pode ser automação perfeitamente útil. O problema é que ele foi vendido, precificado e avaliado em risco como se fosse uma categoria diferente. A empresa paga preço de autonomia e recebe fluxo determinístico, ou pior, aprova controles de risco desenhados para uma coisa e implanta outra.

Em 15 de setembro, a StartSe abordou mais deste assunto no artigo "Abandono de projetos de IA: 42% desistiram e o motivo não era o modelo".

A inversão: adequação antes de autenticidade

Aqui está o ponto que a discussão sobre fornecedores falsos deixa de lado.

A leitura da Gartner é que boa parte das propostas agênticas não entrega valor ou retorno relevante porque os modelos atuais ainda não têm maturidade e autonomia suficientes para perseguir objetivos complexos de negócio ou seguir instruções sutis ao longo do tempo. Somado a isso está o diagnóstico de adequação: muitas tarefas apresentadas como agênticas não pedem agente.

A consultoria oferece uma régua de escolha que resolve isso antes da compra. Agente quando existe decisão a tomar. Automação quando o fluxo é rotineiro. Assistente quando o que se quer é consulta e recuperação de informação.

Três categorias, três preços, três níveis de risco. A maior parte do que uma operação faz todo dia cai na segunda. Comprar a primeira para resolver a segunda é o erro que não aparece em nenhuma estatística de agent washing, porque tecnicamente ninguém foi enganado.

A recomendação seguinte é igualmente incômoda para quem quer velocidade. Integrar agentes a sistemas legados costuma ser tecnicamente complexo, tende a atrapalhar fluxos existentes e exige modificações caras. Em muitos casos, repensar o fluxo de trabalho desde a base é o caminho mais viável. Ou seja, o custo real raramente está na licença.

O teste de campo

Feita a pergunta de adequação, sobra a de autenticidade, e essa cabe numa demonstração.

A pergunta única que separa as categorias é o que o sistema muda quando termina de rodar. Agente executa de ponta a ponta e usa ferramenta para alterar algo fora dele: cria um registro, atualiza um cadastro, agenda um compromisso, dispara uma comunicação, aciona uma interface de outro sistema. Se o resultado final é texto para alguém ler e decidir, o produto é assistente, e assistente é útil, mais barato e mais seguro.

Duas verificações complementam. A primeira é se a tarefa se completa sem alguém clicar em aprovar no meio do caminho, e se não, quais etapas exigem intervenção. A segunda é o que acontece quando o sistema erra: se ele reconhece, corrige e registra, ou se depende de alguém perceber.

Um fornecedor que não consegue demonstrar isso em ambiente real, com dados reais, está pedindo confiança em lugar de evidência.

Sinais e impactos

Para CEOs e conselhos. A pergunta de diligência não é se o fornecedor é agêntico. É qual das três categorias aquela tarefa exige, e se a resposta veio antes ou depois de o fornecedor entrar na sala.

Para C-levels e diretores. Vale exigir demonstração com dado real da própria empresa, e não com ambiente de amostra. É onde o rebatizado aparece.

Para donos de pequenas e médias. Boa parte do que uma operação menor precisa cai em automação e assistente, que custam menos e quebram menos. Autonomia é a última etapa, não a primeira compra.

O ponto

O mercado transformou agent washing em caça ao fornecedor desonesto, o que é confortável porque coloca a culpa fora da empresa. A decisão que determina o resultado acontece antes: qual tarefa está sendo resolvida e que grau de autonomia ela realmente pede. Quem responde isso primeiro compra menos, gasta menos e implanta mais rápido.

Definir qual tarefa pede decisão, qual pede automação e qual pede apenas consulta é a etapa que economiza mais dinheiro em todo o processo de implantação. A Masterclass de IA da StartSe mostra como fazer essa classificação antes de falar com qualquer fornecedor.

Garanta sua vaga na Masterclass de IA