Medir o ROI de um agente de IA

Por que o ROI dos agentes de IA é tão difícil de comprovar

Os números macro sobre o assunto são categóricos. Em sua pesquisa State of AI 2026, a McKinsey constata que 37% das empresas entrevistadas atribuem ao menos parte do seu impacto no EBIT ao uso de IA, uma proporção praticamente estável em relação a 2025, e que apenas 6% fazem parte das organizações de maior desempenho, aquelas que atribuem um impacto significativo (pelo menos 5% do EBIT) à IA (fonte: McKinsey, "The state of AI in 2026: On the road to ROI", https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai, acessado em 2026-09-04; números também reproduzidos pelo The Register, https://www.theregister.com/ai-and-ml/2026/08/25/mckinsey-says-enterprise-ai-is-finally-on-the-road-to-roi/5292388, acessado em 2026-09-04). Ao mesmo tempo, 40% das empresas com mais de um bilhão de dólares de receita afirmam estar escalando agentes de IA, contra 27% um ano antes (mesmas fontes). O investimento cresce mais rápido do que a prova de sua rentabilidade.

Um agente de IA autônomo custa tempo de implantação, inferência e supervisão. Sem um método de medição, é impossível saber se esse custo se justifica. A Gartner vai além especificamente sobre projetos de IA agêntica: mais de 40% deles devem ser abandonados até o fim de 2027, por causa de custos fora de controle, valor de negócio mal definido desde o início, ou controles de risco insuficientes (fonte: Gartner, https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027, acessado em 2026-09-04). "Valor de negócio mal definido" quase sempre remete à mesma causa: ninguém mediu a situação de partida, então ninguém consegue comprovar a melhoria depois.

Etapa 1: estabelecer uma baseline antes da implantação

É a etapa que quase todo mundo pula, e é a mais importante. Antes de conectar um agente a um processo, é preciso medir esse processo como ele funciona hoje: volume processado por período, tempo médio de processamento por caso, taxa de erro ou retrabalho, prazo entre a solicitação e a resolução. Sem esses números de partida, qualquer comparação posterior se apoia em lembranças aproximadas em vez de dados. Um agente implantado por seis meses e avaliado depois, sem ponto de comparação inicial, não consegue produzir um ROI crível: sobra apenas uma impressão.

Etapa 2: medir o tempo economizado, e seu valor real

O tempo economizado é o indicador mais fácil de medir e o mais fácil de interpretar errado. Um agente que processa em dez minutos uma tarefa que levava uma hora realmente economiza cinquenta minutos, desde que esse tempo liberado seja usado em algo mensurável. Se os colaboradores envolvidos simplesmente acabam com mais reuniões ou mais tempo ocioso, o tempo foi deslocado, não economizado. Para que esse ganho conte de verdade em um cálculo de ROI, ele precisa se traduzir em uma redução de custo real (menos horas extras, uma contratação evitada) ou em um aumento de produção identificável (mais casos processados, mais tickets fechados).

Etapa 3: medir o custo evitado

Além do tempo, há o custo evitado: os erros que não aconteceram, os escalonamentos que não foram necessários, os prazos de processamento que não geraram multa contratual ou insatisfação do cliente. É mais difícil de isolar do que um ganho de tempo, porque supõe comparar com um cenário que não aconteceu. O método mais confiável continua sendo acompanhar uma taxa de incidente ou erro antes e depois, em um período comparável, em vez de estimar um custo evitado de forma teórica.

Etapa 4: não esquecer a qualidade

Um agente mais rápido que produz um trabalho de qualidade inferior não melhorou o ROI, apenas o deslocou para um item de custo invisível: as correções, os retrabalhos, a insatisfação do cliente que aparece mais tarde. A qualidade precisa ser medida com os mesmos critérios de antes do agente, taxa de satisfação, taxa de resolução no primeiro contato, taxa de erro, não com critérios inventados depois para valorizar artificialmente a implantação.

Etapa 5: o prazo, um indicador subestimado

O prazo de processamento, quanto tempo passa entre uma solicitação e sua resolução, costuma ser o grande esquecido dos cálculos de ROI, embora tenha impacto direto na satisfação do cliente e, em algumas áreas, em compromissos contratuais. Um agente que não reduz o custo unitário de um caso, mas que divide por três o prazo de processamento, pode ter um impacto real no negócio, principalmente na retenção de clientes, mesmo que não seja a primeira coisa que se pense em medir.

Separar os custos que variam dos que não variam

Um cálculo de ROI sério também distingue dois tipos de custo do lado do agente. De um lado, os custos que variam com o volume processado: a inferência do modelo, principalmente, que aumenta mecanicamente com o número de tarefas. De outro, os custos que variam pouco ou nada: a assinatura da plataforma, o tempo de configuração inicial, a supervisão humana, que permanece estável mesmo que o volume dobre. Confundir os dois distorce a projeção: um ROI que parece excelente em um volume pequeno pode se deteriorar se os custos variáveis crescerem mais rápido do que o previsto quando a implantação se generalizar para toda uma equipe.

As armadilhas clássicas de medição

Alguns erros se repetem sistematicamente nos cálculos de ROI de agentes de IA. A confusão entre tempo economizado e dinheiro economizado, já mencionada acima, é uma delas. A contagem duplicada é outra: se a equipe de suporte reivindica um ganho de tempo e, ao mesmo tempo, a equipe comercial reivindica um ganho de receita gerado pelo mesmo agente, é preciso verificar se não é a mesma melhoria contada duas vezes sob ângulos diferentes. Esquecer os custos contínuos (supervisão, monitoramento, ajuste das instruções) também distorce o cálculo no sentido contrário: um ROI calculado só com base nos ganhos, sem os custos recorrentes de manutenção, é estruturalmente otimista. Por fim, supor uma adoção de 100% já no primeiro dia é um erro frequente: a implantação de um agente é um processo progressivo, não uma chave que se liga de uma vez.

Um exemplo numérico, a título de ilustração

A tabela abaixo não é uma estatística de mercado, é um exemplo construído para ilustrar o método, em um caso de triagem de suporte ao cliente parecido com o que um agente como este cobre. Os números são fictícios e servem apenas para mostrar como estruturar o cálculo, não para anunciar um resultado garantido.

Indicador	Antes do agente (baseline)	Depois do agente	Leitura
Tickets processados por dia e por pessoa	25	60	Ganho de capacidade, a confirmar com um acompanhamento real de carga
Prazo médio de primeira resposta	4 horas	20 minutos	Impacto direto na satisfação do cliente
Taxa de escalonamento para um humano	35%	20%	O restante ainda exige validação humana
Taxa de erro de categorização	12%	8%	A acompanhar por vários meses, não nas primeiras semanas

Observar continuamente em vez de medir uma vez

O ROI de um agente de IA não é um número que se calcula uma vez e se arquiva. Um agente que funciona bem no lançamento pode se desviar três meses depois se o processo que ele automatiza mudar, ou se o volume de solicitações crescer além do que foi testado no início. É por isso que a observabilidade, o acompanhamento contínuo do que um agente realmente faz, ação por ação, é indissociável de uma abordagem séria de ROI: sem esse acompanhamento, a medição inicial fica obsoleta rapidamente, e volta-se ao problema de partida, um julgamento baseado em impressão em vez de dados. Nesse ponto, o tema do custo e o da organização em vários agentes são as outras duas faces do mesmo cálculo: medir um ROI só faz sentido se você também conhece com precisão quanto o agente custa.