Os agentes de IA já são uma linha do demonstrativo de resultados
Existe uma diferença que poucas organizações processaram completamente: um assistente de IA espera que falem com ele. Um agente age por conta própria. Essa distinção, que parece técnica, arrasta consigo consequências econômicas e psicológicas que estão redefinindo a maneira como os executivos pensam seus orçamentos de tecnologia e, de forma ainda mais silenciosa, como suas equipes sentem o trabalho.
Rahul Tikoo, vice-presidente sênior e diretor geral da unidade de negócios de clientes da AMD, formulou isso com precisão em uma conversa recente com a Forbes: os assistentes de IA entregaram melhorias de produtividade da ordem de 20% a 30%. Os agentes, segundo sua projeção, multiplicarão esse resultado por um fator que ainda não tem um teto claro. A diferença não é de grau. É de arquitetura, de governança e, sobretudo, de economia operacional.
O que torna o momento interessante não é que a AMD tenha dito algo novo sobre inteligência artificial. É que a conversa chegou a um território que a maioria dos fabricantes de hardware evita com cuidado: os custos por funcionário para rodar fluxos de trabalho agênticos já se medem em centenas ou milhares de dólares anuais, e isso já é um item visível no demonstrativo de resultados de muitas corporações. Não se trata de uma promessa futura. É um problema de margem que os diretores financeiros estão observando hoje.
Quando o token se torna um problema de tesouraria
Para entender por que isso importa além do marketing de produto, vale a pena compreender como funciona a economia dos agentes. Um chatbot consome tokens em uma única direção: o usuário pergunta, o modelo responde. Um agente autônomo executa múltiplos passos, consulta ferramentas, gera subtarefas, avalia resultados intermediários e volta a iterar. Cada um desses passos consome tokens. Se uma troca com um assistente tradicional custa frações de centavo, um fluxo de trabalho agêntico complexo pode custar vários dólares por execução. Quando isso se multiplica por centenas de funcionários e milhares de execuções diárias, o gasto mensal em inferência na nuvem pode escalar para um valor que compete com outras linhas do orçamento operacional.
Tikoo nomeou isso com uma franqueza pouco habitual para um executivo de hardware: as empresas estão falando sobre isso em seus conselhos de administração. Essa frase revela algo mais do que um dado comercial. Revela que a adoção de agentes de IA já cruzou o limiar em que deixa de ser uma discussão da área de tecnologia para se tornar uma discussão da área financeira. E quando o CFO entra na conversa, a lógica de compra muda completamente.
É aqui que a análise comportamental se torna relevante. As organizações que adotaram chatbots o fizeram em grande medida porque o custo marginal era baixo e o risco percebido era contido. O usuário experimentava com a ferramenta, gerava ou não valor, e o impacto no orçamento era difuso. Com os agentes, esse guarda-chuva desaparece. Cada implantação agêntica tem uma pegada econômica mensurável. Isso gera um novo tipo de fricção: a fricção da responsabilização. Os líderes de tecnologia agora precisam justificar não apenas que o agente funciona, mas que o custo por tarefa justifica o deslocamento de outro recurso. Essa justificativa é mais difícil de construir do que parece, porque obriga a medir produtividade em contextos onde historicamente isso não era feito.
A arquitetura híbrida proposta pela AMD — processamento local em dispositivos com capacidade agêntica combinado com modelos de fronteira na nuvem para tarefas complexas — responde precisamente a essa pressão financeira. Se uma parcela significativa dos fluxos de trabalho pode rodar localmente, o custo de inferência na nuvem se reduz de forma proporcional. Não se trata de uma solução técnica elegante em si mesma. É uma resposta direta a um problema de margem que os comitês executivos estão discutindo com urgência crescente.
O medo que ninguém nomeia na reunião de adoção
Tikoo identifica dois mal-entendidos frequentes sobre a IA agêntica. O primeiro é que os agentes são chatbots mais sofisticados. O segundo é que a inteligência do modelo é o principal obstáculo. Ele tem razão em ambos os casos, mas nenhum dos dois toca o problema de adoção mais profundo.
A resistência real aos agentes autônomos nas organizações não vem de quem não entende a tecnologia. Vem de quem a entende perfeitamente. Um desenvolvedor sênior que passou anos construindo seu valor profissional em torno da capacidade de resolver problemas complexos não experimenta um agente de código como uma ferramenta de produtividade. Ele o experimenta como uma redefinição do que é aquilo que ele contribui. Isso é uma ameaça de identidade, não uma fricção técnica, e responde de maneira diferente aos argumentos racionais.
O mesmo ocorre em serviços profissionais. Tikoo menciona o caso de médicos e advogados que poderiam liberar tempo de tarefas administrativas usando agentes. O argumento é impecável do ponto de vista do valor. Mas a prática clínica ou jurídica possui uma dimensão de controle e critério que muitos profissionais não querem delegar — não porque desconfiem da tecnologia, mas porque a delegação altera sua compreensão do que significa fazer bem o seu trabalho. A adoção não falha por falta de informação. Falha quando a ferramenta toca algo que o profissional não quer que seja tocado.
Esse padrão tem consequências práticas para a forma como as organizações deveriam pensar seus pilotos de IA agêntica. O conselho padrão — que Tikoo também oferece — é identificar fluxos de trabalho com alta carga repetitiva e baixo valor estratégico. É um ponto de partida correto, mas incompleto. Os fluxos de trabalho que parecem puramente administrativos de fora frequentemente são percebidos como marcadores de status ou de controle por dentro. Quem gerencia as aprovações, quem sintetiza as informações antes de uma reunião executiva, quem coordena os acompanhamentos entre equipes — nem sempre está realizando tarefas que deseja automatizar. Às vezes está exercendo influência.
Deslocar essas tarefas para um agente não elimina a fricção política. Ela se concentra. E se a organização não tem um desenho claro de como se redistribui a autoridade de fato após a automação, o piloto produz métricas de produtividade positivas e resistência organizacional paralela que nenhuma métrica consegue capturar.
A infraestrutura como sinal psicológico para dentro
Há uma dimensão do argumento da AMD que vale a pena examinar além de sua lógica financeira. A empresa não está apenas vendendo hardware capaz de rodar modelos localmente. Está argumentando que o dispositivo do funcionário deve ser considerado um nó estratégico da infraestrutura de IA da empresa, e não um periférico.
Essa reconfiguração conceitual importa porque produz efeitos sobre como as pessoas dentro da organização interpretam a ferramenta. Um funcionário que trabalha com um dispositivo que a empresa designou explicitamente como parte de sua arquitetura de inteligência artificial percebe algo diferente daquele que usa um chatbot no navegador. O sinal institucional muda. O investimento visível do empregador na capacidade computacional do dispositivo pessoal comunica algo sobre a seriedade do compromisso e sobre o papel esperado do trabalhador nesse ecossistema.
Isso não é um argumento de branding interno. É uma observação sobre como os seres humanos calibram suas próprias expectativas de adoção em função dos sinais que recebem de sua organização. Quando a empresa trata a ferramenta como estratégica, o funcionário tende a tratá-la como estratégica. Quando a empresa a oferece como um benefício opcional ou como um experimento, o funcionário a trata como um acessório descartável.
A discussão sobre CPU como plano de orquestração, NPU para eficiência, GPU para desempenho e memória expandida para modelos locais grandes — que Tikoo detalha com precisão técnica — tem um efeito secundário que raramente é analisado: constrói um vocabulário compartilhado de infraestrutura que eleva a conversa interna sobre IA do nível de "ferramenta de produtividade" para o nível de "arquitetura de negócio". Esse vocabulário não é neutro. Muda quem participa das decisões, quais argumentos são considerados válidos e que tipo de resistência pode ser formulada de maneira legítima.
Os setores que Tikoo menciona como os primeiros a adotar — desenvolvimento de software, atendimento ao cliente, serviços profissionais — compartilham uma característica: são setores onde a produtividade individual é mensurável com relativa facilidade e onde a pressão competitiva por talentos é alta. Isso facilita o argumento econômico. Mas também são setores onde a identidade profissional é especialmente carregada, onde o desempenho pessoal é visível e onde a comparação entre colegas com e sem agentes pode gerar dinâmicas de pressão que a organização nem sempre gerencia bem.
O custo que ninguém orçou no piloto
O paradoxo central do momento agêntico é este: as organizações que se moverem devagar na adoção correm o risco de acumular desvantagem competitiva em relação àquelas que estão capturando multiplicadores de produtividade significativos. As que se moverem rápido sem atender à arquitetura psicológica interna correm o risco de produzir pilotos bem-sucedidos no papel que não escalam, porque a adoção real nunca se consolidou por baixo do dado de uso.
Tikoo oferece um conselho operacional sensato: começar por identificar onde a IA já gera valor, priorizar um conjunto restrito de casos de uso mensuráveis, construir as bases de governança antes de escalar. Essa sequência está correta do ponto de vista da gestão da mudança tecnológica. Mas há um elemento que nenhum mapa de adoção tecnológica costuma incluir: o tempo que uma organização leva para redefinir internamente o que significa fazer um trabalho bem depois que um agente assume parte desse trabalho.
Essa redefinição não é automática nem indolor. Ela exige que os líderes tenham conversas explícitas sobre o que se espera agora do julgamento humano, quais decisões o agente não pode tomar e por quê, e como se avalia o desempenho de alguém cujo trabalho se tornou parcialmente invisível porque o agente o executa. Sem essas conversas, a adoção produz uma lacuna entre o comportamento oficial — "usamos agentes" — e o comportamento real — "deixamos rodar em segundo plano enquanto fazemos as coisas como sempre".
O dado de que os custos agênticos já aparecem no demonstrativo de resultados de muitas corporações é, nesse sentido, um sinal ambivalente. Significa que o investimento já ocorreu. Não significa necessariamente que o valor está sendo capturado. A distância entre esses dois pontos é exatamente onde vive a fricção que ninguém nomeia nas apresentações de adoção, e é a mesma fricção que determinará quais organizações convertem o gasto em vantagem e quais o convertem em uma linha de custo que ninguém sabe bem como justificar perante o próximo conselho.
