Duas linhas que antes se moviam juntas separaram-se este ano. As organizações com mais de mil milhões de dólares de receita anual passaram de 27% para 40% a escalar agentes de IA em pelo menos uma função. As organizações abaixo dessa linha passaram de 22% para 22% (McKinsey, 2026).
Não mais lentas. Paradas.
É este o resultado em que vale a pena parar no inquérito da McKinsey sobre o estado da IA, publicado a 25 de agosto de 2026 — 1.719 respondentes em 97 países, trabalho de campo de 4 de maio a 8 de junho, ponderado pelo contributo de cada país para o PIB global. No ano em que os agentes deixaram de ser uma demonstração e passaram a ser um padrão de produção, uma coorte converteu e a outra não converteu de todo.
A explicação reflexa é o orçamento. Os dados não a sustentam. A segunda explicação reflexa são as competências. Os dados também não a sustentam. O que resta é menos confortável e mais acionável: escalar agentes de IA é um problema de capacidade de execução, e a capacidade de execução é o único input que uma equipa de operações enxuta não pode comprar por nota de encomenda.
O que o inquérito mediu realmente
Primeiro uma ressalva, porque muda a leitura do número. O corte da McKinsey é por receita, não por efetivos. "Organizações mais pequenas" significa abaixo de mil milhões de dólares de receita anual — um conjunto que contém muitas empresas bastante maiores do que uma operação de 200 pessoas. Trate os 22% como indicação de tendência para o mid-market, não como um censo do mid-market.
Dito isto, a estrutura do resultado é invulgarmente limpa:
- Agentes escalados em uma ou mais funções: organizações acima de mil milhões passaram de 27% para 40%. As mais pequenas mantiveram-se nos 22%.
- IA escalada ao nível de toda a empresa (qualquer IA, não só agentes): 54% das grandes organizações contra cerca de um terço das mais pequenas.
- Impacto no EBIT: 37% do total de respondentes atribui à IA pelo menos algum impacto nos resultados — inalterado face ao ano anterior.
- AI high performers (pelo menos 5% do EBIT atribuível à IA, com impacto autodeclarado como significativo): estáveis em cerca de 6% dos respondentes.
A McKinsey validou ainda a comparação homóloga contra os 552 respondentes que completaram tanto a vaga de 2025 como a de 2026, e isso importa: uma lacuna que alarga numa série de cortes transversais é muitas vezes apenas uma amostra diferente. Esta sobrevive à verificação em painel.
A história agregada é, portanto, de estagnação: impacto no EBIT estável, high performers estáveis. Por baixo desse agregado plano, uma coorte destacou-se 13 pontos percentuais na única capacidade que definiu o ano.
O orçamento não é a restrição ativa
A explicação que mais ouço de responsáveis de operações é o custo — os agentes são caros de operar, as faturas de inferência são imprevisíveis, a grande empresa consegue absorver isso e nós não.
O inquérito testa essa tese diretamente. Apenas cerca de um em cada cinco respondentes diz que os custos operacionais ligados à IA, incluindo custos de tokens, limitaram a sua utilização de IA. 60% esperam que a sua organização aumente o investimento em IA no próximo ano. 28% já destinam mais de 10% do orçamento total de TIC à IA (McKinsey, 2026).
Uma coorte que planeia gastar mais, e que não identifica a despesa como o seu limite, não está travada pelo dinheiro.
Há um resultado relacionado que reforça o ponto em surdina: 32% dos respondentes decidiram não comprar pelo menos um produto ou funcionalidade de software porque conseguiam construí-lo internamente com ferramentas de programação agêntica. As organizações que escalam agentes não gastam apenas de outra forma. Estão a repreçar o "construir versus comprar". Isso é um deslocamento de capacidade, não uma rubrica orçamental.
E também não é a lacuna de competências
A segunda explicação é o talento — a grande empresa tem engenheiros de IA e o mid-market não.
A contraprova mais limpa vem de um inquérito cuja amostra é o mid-market, em vez de dados de grandes empresas traduzidos para baixo. O Heartbeat Index da CLA, publicado em agosto de 2026 sobre 722 organizações pequenas e médias, concluiu que 69,9% dos líderes acreditam que a sua força de trabalho já tem as competências necessárias para o sucesso futuro. No entanto, apenas 49,5% reportaram qualquer melhoria de eficiência resultante de investimentos recentes em tecnologia ou IA, e apenas 20,2% reportaram impactos claramente positivos (CLA, 2026).
Isso é uma inversão, não uma lacuna. A população estudada diz que a capacidade está presente e que os resultados estão ausentes.
Guarde uma cautela: a confiança autodeclarada nas competências é um instrumento fraco, e esses 69,9% podem estar a medir otimismo. Mas mesmo descontado, o número diz o que os líderes do mid-market acreditam — e, portanto, onde não estão a procurar o problema.
Se o orçamento é excluído por quem gasta e as competências por quem as tem, o candidato que sobra é o próprio trabalho.
Escalar um agente significa assumir um processo redesenhado
Eis a diferença mecânica entre um piloto e um agente escalado, e não é a qualidade do modelo.
Um piloto corre ao lado do processo existente. A quinta-feira livre de alguém, uma cópia dos dados, um output que uma pessoa revê e depois reintroduz no sistema real. Nada a jusante depende dele. Pode ser abandonado sem uma reunião.
Um agente escalado é o processo. Significa que as passagens de testemunho são reescritas, o caminho das exceções é definido e assumido, a rastreabilidade satisfaz quem tem de assinar, e há uma pessoa com nome que responde quando o agente erra às duas da manhã. Nada disso é compras. Tudo isso é cirurgia organizacional, praticada pelas mesmas três pessoas que já fazem andar o trimestre.
A investigação aponta na mesma direção a partir de dois ângulos independentes.
O State of AI in the Enterprise 2026 da Deloitte — 3.235 líderes em 24 países — concluiu que a resposta à IA está enviesada para a intervenção barata. 53% estão a formar a força de trabalho para elevar a fluência em IA. Apenas 30% estão a repensar a organização em torno dos novos padrões da IA e 33% estão a redesenhar percursos de carreira. Só 34% estão a usar IA para transformar profundamente produtos, processos ou modelos de negócio; os outros dois terços ficam pelo incremental (Deloitte, 2026).
O Work Trend Index 2026 da Microsoft — 20.000 trabalhadores em 10 países, campo de 18 de fevereiro a 20 de abril — quantifica o custo desse desequilíbrio. Fatores organizacionais como cultura, apoio da chefia e práticas de gestão de talento explicam mais do dobro do impacto real da IA face aos fatores individuais: 67% contra 32%. E apenas 26% dos utilizadores de IA reportam liderança alinhada quanto à estratégia de IA (Microsoft, 2026).
A formação é uma decisão orçamental. Redesenhar um processo é uma decisão sobre direitos de decisão. As grandes empresas têm pessoas cujo trabalho é exatamente o segundo tipo. As equipas de operações do mid-market têm as mesmas três pessoas que também fecham o mês.
Esta é a tese da capacidade de execução — e, para ser explícita quanto ao estatuto epistémico, o nexo causal é a minha leitura, não um resultado da McKinsey. O que a McKinsey estabelece é que a divergência existe e que o custo não a explica.
A objeção honesta: talvez ficar parado esteja certo
Levemos a tese contrária a sério, porque parte dela sustenta-se.
Os retornos agregados não se mexeram. O impacto no EBIT está nos 37% e os high performers em cerca de 6%. Uma organização mais pequena que ficou de fora de um ano em que o retorno mensurável não melhorou não perdeu nada de evidente. Esperar que as ferramentas amadureçam e os custos unitários desçam é uma alocação defensável de atenção escassa.
A taxa de escalamento de agentes não é um resultado de negócio. É uma métrica de input. Persegui-la porque um inquérito diz que a grande empresa a persegue é a forma mais pura de "pilotite" — financiar movimento para fechar um benchmark em vez de uma restrição.
O escalamento nas grandes empresas é em parte um artefacto do denominador. Uma empresa de 40.000 pessoas tem mais funções, por isso a probabilidade de pelo menos uma ter escalado um agente sobe mecanicamente com a dimensão. Parte desses 13 pontos é superfície, não superioridade.
Onde a objeção falha é no custo de começar tarde. A capacidade construída dentro desses 13 pontos não é perícia em agentes. É o músculo de rearquitetar um processo de ponta a ponta e viver com as consequências — que se acumula, transfere-se entre funções e não pode ser comprada depois, à pressa. Um concorrente que redesenhou o order-to-cash este ano redesenhará o quote-to-contract mais depressa no próximo. Você ainda estará a orçamentar o seu primeiro redesenho.
A conclusão correta não é "escale agentes". É: faça um redesenho a sério este ano, para que a capacidade exista quando os retornos aparecerem.
O teste do processo único
O movimento prático é deixar de financiar uma carteira de pilotos e rearquitetar de ponta a ponta exatamente um processo neste trimestre. Escolha-o com quatro perguntas. Se um candidato falhar alguma delas, é o processo errado — não porque os agentes não consigam fazê-lo, mas porque você não vai terminar.
- Uma única pessoa detém todo o percurso? Se o processo atravessa uma fronteira onde dois responsáveis têm de concordar, está a comprar uma negociação, não um deployment. No primeiro, fique dentro de um único perímetro de responsabilidade.
- Tem uma baseline medida antes de lhe tocar? Tempo de ciclo, taxa de erro, custo por transação, volume. Sem um número anterior ao deployment não consegue distinguir um ganho real de uma história plausível — e acabará em "parece mais rápido".
- Existe um caminho de exceções definido, com dono identificado? Os agentes não falham alto; falham de forma plausível. Decida agora quem revê que fração das execuções e o que acontece quando o agente erra com confiança.
- É aborrecido, de alto volume e visível internamente? O alto volume dá sinal estatístico dentro do trimestre. A visibilidade interna faz da primeira falha uma lição, não um incidente com cliente.
Depois coloque um portão de decisão. No fim do trimestre o processo está escalado, encerrado, ou explicitamente reagendado com nova hipótese. A deriva silenciosa — o piloto que nem morre nem entra em produção — é o que produz uma linha plana nos 22% durante um ano.
A lacuna acumula juros, e não é feita de dinheiro
O número que devia incomodá-lo não é 40%. É 22% — os mesmos 22% do ano passado, numa coorte que diz não estar limitada pelo custo e que considera as suas pessoas preparadas.
Parado, com dinheiro disponível e competências autodeclaradas como presentes, não é um problema de recursos. É um problema de sequência. As organizações que conseguiram escalar agentes de IA não compraram mais: comprometeram-se a assumir um processo redesenhado até ao fim, caminho das exceções incluído.
Antes de este trimestre fechar, nomeie o único processo que vai rearquitetar de ponta a ponta, nomeie a pessoa responsável por ele, e escreva hoje o número de partida — enquanto ainda é mensurável.
