No Rio de Janeiro, Lecom e Roberty mostraram como agentes de IA conectados a processos e governança podem sair da prova de conceito e gerar valor operacional com segurança, rastreabilidade e escala.
Agentes de IA só conseguem gerar resultados consistentes quando operam dentro de processos claros, com dados confiáveis, regras definidas, integração com os sistemas da empresa e mecanismos de governança. Essa foi a principal mensagem que Brendon Cambuí, CTO da Roberty, e eu levamos ao palco do Intelligent Automation Summit Rio 2026, em agosto de 2026, na palestra “A Era dos Agentes: por que Governança e Processos serão os verdadeiros responsáveis pelo ROI da IA”.
Realizado nos dias 4 e 5 de agosto, no Prodigy Hotel Santos Dumont, o evento chegou à sexta edição reunindo temas como RPA, hiperautomação, IA generativa, agentes autônomos, IDP, segurança, escalabilidade e orquestração de processos.
Mais do que acompanhar o avanço dessas tecnologias, nosso objetivo no Rio foi discutir uma questão que está ficando cada vez mais relevante para quem lidera TI, processos e operações: como transformar a capacidade dos agentes de IA em resultado real para o negócio?
A resposta não começa no agente. Começa na operação.
Intelligent Automation Summit: evento no RJ discutiu como colocar agentes de IA na operação
Nos últimos anos, vimos as empresas ampliarem rapidamente os experimentos com inteligência artificial. Agora, a conversa precisa avançar da capacidade técnica para a capacidade operacional.
Quantos projetos de IA uma empresa iniciou? Quantos realmente chegaram à produção? E quantos produzem resultados que podem ser acompanhados por indicadores de negócio?
Essa foi uma das provocações que levamos ao Summit. Questões como controle de versões, segurança, auditoria, integração com sistemas, regras, dados e responsabilidade pelas decisões de um agente.
Existe uma razão para isso: tecnologia aplicada de forma isolada não corrige uma operação desestruturada.
RPA por si só não resolve todos os problemas. IA por si só também não. E criar um conjunto de iniciativas independentes pode, inclusive, acrescentar novas camadas de complexidade.
Quando colocamos uma tecnologia muito rápida sobre um processo ruim ou dados inconsistentes, corremos o risco de apenas fazer o problema circular mais rápido.
Por isso, antes de perguntar “onde podemos colocar um agente de IA?”, considero mais produtivo perguntar:
- qual resultado operacional queremos melhorar?
- qual processo sustenta esse resultado?
- quais regras precisam ser respeitadas?
- quais dados são confiáveis?
- quais sistemas precisam participar?
- quais decisões poderão ser autônomas?
- e como saberemos se o investimento gerou retorno?
É daí que a discussão começa a sair da inovação experimental e entrar em inteligência operacional.
O que são agentes de IA e o que muda para as empresas?
Um agente de IA é um sistema capaz de interpretar contexto, utilizar informações e ferramentas e tomar decisões ou executar ações dentro de um objetivo e de limites previamente estabelecidos.
Na arquitetura que apresentamos no evento, o agente funciona como uma interface cognitiva e um orquestrador. Diante de uma situação, ele pode avaliar se deve seguir um fluxo BPM, acionar um robô RPA, resolver determinada etapa por meio de IA ou combinar diferentes caminhos. A autonomia existe, mas dentro de limites definidos e com supervisão e governança.
Agentes de IA e RPA: decisão e execução se complementam
Essa distinção é importante.
O RPA é muito eficiente quando existe uma sequência conhecida e estruturada de tarefas a executar: acessar um sistema, copiar uma informação, preencher outro ambiente, movimentar um arquivo ou realizar uma operação repetitiva.
Um agente acrescenta uma camada diferente: interpretação de contexto e escolha do caminho mais adequado dentro das permissões recebidas.
Por isso, não vejo agentes de IA e RPA como tecnologias necessariamente concorrentes.
RPA executa muito bem regras conhecidas. Agentes de IA acrescentam interpretação e capacidade de decisão. Em uma operação bem desenhada, os dois podem se complementar.
Foi justamente uma das demonstrações da palestra: o agente decide, o robô executa e a operação permanece dentro da mesma arquitetura. Os agentes apresentados pela Roberty by Lecom podem acionar RPA para executar tarefas em ERPs, CRMs, portais, sistemas corporativos e aplicações legadas.
Para quem quiser aprofundar essa diferença, temos também um conteúdo específico da Lecom sobre RPA e automação de processos.
O que é a Roberty by Lecom?
A Roberty passou a fazer parte do ecossistema Lecom para ampliar as capacidades de automação e inteligência operacional. Na evolução apresentada durante o Summit, essa união conecta a experiência da Lecom em processos, BPM, integração e orquestração às capacidades da Roberty em RPA e agentes de IA.
A forma mais simples de entender essa arquitetura é olhar a operação como um sistema único.
A Lecom é o centro de orquestração e gestão operacional, com processos, regras, integrações e rastreabilidade. Ao redor dela estão canais, gestão documental, analytics e uma camada de automação inteligente em que aparecem AI Agents, RPA e IDP.
Na prática, o objetivo é não obrigar uma empresa a tratar BPM, RPA, IA e dados como ilhas.
A Roberty acrescenta a capacidade de automatizar a execução e, com seus agentes, lidar também com situações que exigem interpretação e decisão.
No Summit, apresentamos ainda a nova capacidade de AI Agents, criada para permitir que as empresas desenvolvam, publiquem e operem agentes com governança, rastreabilidade e integração nativa com automação. O modelo contempla criação em ambiente centralizado, publicação com versionamento e ambientes segregados e operação com rastreabilidade e auditoria.
É aí que Roberty e Lecom se encontram: não apenas na criação do agente, mas na inserção desse agente no processo empresarial.
Por que governança e processos definem o ROI dos agentes de IA?
Uma das frases centrais da nossa apresentação foi que o ROI não nasce com o agente.
Ele começa a aparecer quando cinco elementos estão presentes:
- Contexto: o agente precisa entender a operação da qual faz parte.
- Regras: políticas e critérios de negócio precisam estar claros.
- Governança: decisões precisam poder ser acompanhadas, explicadas e auditadas.
- Integração: sistemas, dados e pessoas precisam estar conectados.
- Execução: a tecnologia precisa efetivamente participar do trabalho, não permanecer apenas como experimento.
Essa discussão não é exclusiva da nossa experiência.
O Gartner projetou que mais de 40% dos projetos de IA agêntica podem ser cancelados até o fim de 2027 por fatores como custos crescentes, valor de negócio pouco claro e controles de risco insuficientes. A própria recomendação do instituto é olhar com cuidado para onde a tecnologia realmente entrega valor e para a complexidade envolvida em colocá-la em escala.
A pesquisa State of AI, da McKinsey, também relaciona a obtenção de valor à forma como a empresa reorganiza o trabalho. Entre as práticas analisadas estão redesenhar workflows, incorporar IA efetivamente aos processos, estabelecer governança e acompanhar KPIs que permitam avaliar adoção e ROI.
Ou seja: colocar um modelo poderoso dentro da empresa é apenas uma parte do trabalho.
A capacidade tecnológica cria potencial. O desenho da operação determina quanto desse potencial vira resultado.
Como começar a implementar agentes de IA de forma estruturada? Passo a passo
Não acredito que o melhor começo seja escolher uma tecnologia e depois procurar onde encaixá-la.
O caminho pode ser o inverso.
- Comece pela dordonegócio
Escolha um problema que tenha impacto mensurável. Tempo de ciclo, custo por operação, volume processado, retrabalho, SLA, erros, produtividade ou experiência do usuário são exemplos.
- Entenda o processo antes de automatizá-lo
Mapeie entradas, regras, exceções, aprovações e sistemas envolvidos. Um agente não elimina a necessidade de conhecer o processo.
- Avalie os dados
Identifique onde estão, quem é responsável por eles, quais podem ser utilizados e quais níveis de qualidade, segurança e privacidade são necessários.
- Defina o grau de autonomia
Nem toda decisão precisa ser entregue à IA. Determine quais ações podem ser autônomas, quais exigem aprovação humana e quais devem permanecer proibidas.
É aqui que entram guardrails, permissões, políticas corporativas e regras de negócio.
- Use cada tecnologia onde ela gera mais valor
Uma etapa pode exigir BPM. Outra, RPA. Uma terceira, OCR ou IDP. A próxima pode exigir um agente de IA.
Hiperautomação não significa colocar IA em tudo. Significa combinar tecnologias de forma coordenada para executar melhor o processo.
- Crie rastreabilidade desde o início
Versão, entradas, decisões, ferramentas acionadas, exceções e resultados devem poder ser acompanhados.
- Meça o resultado operacional
Não basta medir quantas interações o agente realizou.
É preciso acompanhar o indicador que justificou o projeto: tempo, custo, erros, produtividade, satisfação, necessidade de intervenção humana e, finalmente, retorno sobre o investimento.
Um exemplo prático: agentes de IA em processos financeiros
Imagine uma solicitação de fornecedor chegando ao Financeiro.
Um agente pode interpretar a mensagem e identificar a intenção. Um fluxo BPM valida as regras e os responsáveis. Se for necessário atualizar uma informação em um sistema legado sem API, um RPA executa a tarefa. Se a operação ultrapassar um limite financeiro, a solicitação segue para aprovação humana.
O valor não está em decidir se “IA é melhor do que BPM” ou se “agentes substituirão RPA”.
O valor está em orquestrar as capacidades necessárias para executar a operação com eficiência e controle.
O que cases da Lecom mostram sobre a base necessária para a automação
- Gov.br: processo e integração em escala
No case Gov.br, foram mais de 2 mil processos digitalizados e cerca de 135 mil solicitações processadas diariamente. A solução também precisou trabalhar com integração a sistemas legados e reuso de estruturas tecnológicas para diferentes serviços.
O serviço passou de cerca de 2 milhões de usuários em 2017 para mais de 150 milhões. No mesmo período, menos de 30% dos serviços públicos federais estavam disponíveis em algum canal digital, e agora o índice chega a 90%.
A plataforma também auxiliou a viabilização de pedidos do auxílio emergencial, cuja operação exigiu integração com 33 bases de dados, incluindo registros de trabalho, benefícios sociais, cadastros civis e sistemas de controle público.
A Lecom apoia mais de 70 órgãos federais, com 650 processos ativos em instituições como Ministério da Economia, Ministério da Gestão e da Inovação em Serviços Públicos, Polícia Rodoviária Federal, Ceagesp e Norte Energia. Também em prefeituras como as de Santos e Itu, ambas em São Paulo, e em Angola.
Esse tipo de cenário mostra por que a base processual importa. Quanto maior a escala, menor a tolerância a processos sem padrão, integrações frágeis ou decisões sem rastreabilidade.
Um agente inserido nesse tipo de operação precisará respeitar exatamente essa arquitetura.
O que trouxemos do Intelligent Automation Summit
Em 2026, a tecnologia continuará evoluindo em uma velocidade muito alta. Novos modelos, agentes, ferramentas e possibilidades surgirão. Isso não significa, entretanto, que os fundamentos da operação perderam importância.
Na realidade, acontece o contrário.
Quanto mais autonomia entregamos à tecnologia, mais precisamos saber: qual é o processo; qual é a regra; qual é o dado correto; o limite de atuação; quem supervisiona; como a decisão é rastreada; e qual resultado queremos produzir.
Ao longo dos anos, acompanhamos a operação empresarial passar da digitalização para BPM, integração, hiperautomação e agora IA agêntica. O próximo passo é fazer tudo isso funcionar de maneira orquestrada.
Pessoas, processos e tecnologia continuam sendo um tripé. Se uma dessas dimensões estiver desconectada das demais, a capacidade da IA não será suficiente para sustentar o resultado.
Por isso, a principal ideia que deixamos no Rio também encerrou nossa apresentação: o verdadeiro ROI da IA não nasce de um agente isolado; nasce quando a operação consegue funcionar como um sistema único.
