O Gartner prevê que 40% dos projetos com agentes de IA fracassem até 2027, e aponta que 85% dos projetos de IA falham por dados inadequados. Nos projetos de agentes de IA, a causa raramente é o modelo. É a engenharia por baixo: dados em silo, sistemas legados sem documentação, falta de governança e de maturidade operacional.
Existe uma frase que a Visie já disse e que resume nosso pensamento sobre o assunto: um agente de IA eficiente é 10% prompt e 90% engenharia.
Ela incomoda porque contraria a promessa que o mercado vem vendendo. A ideia de que basta escrever uma boa instrução e a mágica acontece. Não acontece. E os números de 2026 mostram exatamente onde a mágica quebra.
O que o Gartner viu
O Gartner prevê que 40% dos projetos com agentes de IA sejam encerrados até 2027. O motivo principal não é o modelo ser ruim. É falta de experiência e foco em experimentação em vez de solução comprovada. As empresas montam piloto atrás de piloto e nenhum sai do laboratório.
O dado que sustenta isso é ainda mais duro: 85% dos projetos de IA falham por dados inadequados. Não por falta de inteligência do modelo. Por falta de qualidade e governança nos dados que alimentam o modelo.
Onde o agente encontra a realidade
Na demonstração, tudo funciona. O agente responde, resolve, encanta. O problema aparece quando ele encontra o mundo real da empresa.
Sistemas legados sem documentação. Dados espalhados em silos que não se falam. Permissões conflitantes, em que ninguém sabe ao certo quem pode acessar o quê. Custos invisíveis, provas de conceito que consomem muito antes de gerar retorno.
O agente é tão bom quanto o terreno em que ele pisa. E o terreno, na maioria das empresas, é acidentado.
Por que dados decidem tudo
Vale um dado que muda a conversa de orçamento. Segundo o Connectivity Benchmark Report da MuleSoft, que ouviu 1.050 CIOs, organizações que investem em governança de dados implantam IA quatro vezes mais rápido e geram três vezes mais valor.
Do outro lado, pesquisa da BigID com mais de 200 líderes mostra que 69% dos executivos reconhecem que a infraestrutura precária de dados trava o avanço da IA. E a Forrester aponta que só 22% das empresas têm capacidade madura de operacionalizar modelos.
Junte tudo e o retrato fica claro: o gargalo da IA não é o modelo, é a fundação.
O modelo que está vencendo
Há um padrão entre quem consegue tirar IA do piloto e colocar em produção. É híbrido. O time interno cuida de governança, produto e conhecimento do negócio. Um parceiro externo especializado cuida de execução técnica, integração e escala.
Faz sentido. Governança e contexto de negócio não se terceiriza, é a alma da empresa. Já engenharia de integração e operação de IA em escala é exatamente o tipo de trabalho em que experiência acumulada evita meses de erro caro.
O que perguntar antes de aprovar um projeto de IA
Se você é o decisor que vai assinar o investimento, as perguntas certas não são sobre o modelo. São sobre a fundação. Os dados que vão alimentar o agente estão organizados e acessíveis? Os sistemas que ele precisa acessar têm API? Existe governança de quem acessa o quê? Há um plano para sair do piloto e chegar em produção, ou é mais um experimento?
Se as respostas forem vagas, o projeto já nasce no grupo dos 40%.
Onde a Visie entra
A Visie não vende IA como mágica. Constrói a engenharia que faz a IA funcionar.
Se a sua empresa está pensando em agentes de IA, o melhor investimento antes do modelo é olhar a fundação. É aí que a gente começa. Vamos conversar?
