Agentes inteligentes, liderança humana: como o setor financeiro extrai valor real da IA
- Dados e IA
- Artigo
Quase toda empresa já usa inteligência artificial de algum jeito. Tem analista resumindo relatório com assistente, equipe testando agente para conciliar lançamentos, área de atendimento com piloto rodando. O problema aparece quando a diretoria pergunta o que mudou de fato na operação.
Segundo a pesquisa The State of AI 2025, da McKinsey, 88% das organizações usam IA em pelo menos uma área e 62% já testam agentes. Mesmo assim, só cerca de 6% conseguem impacto relevante nos resultados. O que diferencia esse grupo está no jeito como a liderança organizou o trabalho em volta da tecnologia.
Este artigo discute por que a passagem do uso ao impacto não acontece sozinha, quais decisões precisam continuar nas mãos de pessoas em operações financeiras, como a liderança transforma pilotos soltos em algo que o time inteiro domina e o que muda no dia a dia do gestor quando os agentes começam a trabalhar junto com a equipe.
Por que apenas o uso da IA não se transforma sozinho em capacidade operacional?
Na maior parte das empresas, a IA ainda é usada de forma individual. É muito comum ver um agente colocado em cima de um fluxo que existe há dez anos, com as mesmas etapas, as mesmas aprovações e os mesmos gargalos. A IA acelera um pedaço, mas o processo continua igual. Não por acaso, a McKinsey aponta que as empresas que mais ganham com IA têm quase três vezes mais chance de redesenhar o trabalho do zero.
Governança e medição completam a conta. Um agente que executa tarefas precisa saber o que pode fazer, que sistemas pode acessar e quando deve chamar uma pessoa, e cada ação dele precisa ficar registrada. Além disso, sem indicadores definidos desde o início, fica difícil até provar que o agente melhorou alguma coisa. O resultado é uma coleção de pilotos interessantes que nunca mudam orçamento, estrutura ou meta de ninguém.
Quais decisões devem continuar humanas em operações financeiras com agentes de IA?
De forma resumida são decisões com impacto financeiro alto, casos fora da regra, temas com implicação regulatória e qualquer mudança nas regras do próprio agente. Nessas situações, o agente pode fazer a análise e sugerir o caminho, mas quem decide é uma pessoa.
Uma pesquisa da KPMG divulgada em abril de 2026 mostra que 63% das organizações já exigem validação humana das respostas dos agentes. No início de 2025, eram 22%. A Objective segue a mesma linha nos projetos com clientes: o nível de autonomia é uma decisão de negócio de cada empresa, mas a recomendação é que as decisões complexas tenham sempre a palavra final de uma pessoa.
Como a liderança transforma experimentos dispersos em uma capacidade do time?
Tomando para si a agenda de IA, escolhendo poucos processos para transformar de verdade e criando um padrão que qualquer equipe consiga seguir.
O primeiro passo costuma ser um levantamento. Quantos pilotos existem hoje? Quem patrocina cada um, quanto custam e o que entregaram até agora? Quase sempre aparecem projetos duplicados, ferramentas contratadas duas vezes e iniciativas que só continuam vivas pelo entusiasmo de quem as criou.
Com esse mapa na mão, é hora de concentrar. Em vez de vinte experimentos pequenos, duas ou três frentes recebem orçamento, um responsável na área de negócio e metas claras. O resto é encerrado ou vira aprendizado documentado. É a parte mais difícil, porque significa dizer não para projetos que têm defensores dentro da empresa.
Governança e capacidade
O que faz um bom resultado virar capacidade do time é o padrão. As mesmas regras de governança para todos os agentes, os mesmos critérios para levar um piloto à produção, componentes que podem ser reaproveitados e treinamento para quem vai operar e supervisionar os agentes. A Objective chama essa última frente de HumanOps: preparar as pessoas para acompanhar o trabalho dos agentes, corrigir o rumo e saber a hora de interromper.
E a IA precisa entrar na rotina de gestão. Quando os indicadores dos agentes aparecem nas mesmas reuniões em que se discutem metas, orçamento e desempenho das equipes, eles deixam de ser um projeto paralelo e passam a fazer parte da operação.
Case de sucesso: multiagentes na governança de projetos de uma telecom
Uma grande operadora de telecomunicações tinha centenas de projetos de TI rodando ao mesmo tempo, com status em planilhas, papéis pouco claros e riscos que só apareciam quando já tinham virado problema. A Objective montou um modelo de governança em que agentes de IA leem os dados reais de cada projeto, apontam riscos e sugerem ações, sempre mostrando de onde veio cada recomendação. A decisão final fica com o gestor.
O modelo foi testado em mais de 10 projetos, com 14 treinamentos para mais de 700 pessoas, e virou rotina das equipes. Os gerentes de projeto deixaram de gastar dias consolidando status em apresentações e passaram a agir sobre o que os agentes mostravam. Depois do piloto, o próprio cliente contratou a expansão para cerca de 150 projetos. Veja o case completo.

O que muda no papel do gestor quando agentes passam a executar parte do trabalho?
O gestor passa a liderar um time misto com pessoas e agentes. Gasta menos tempo distribuindo tarefas e mais tempo desenhando o trabalho, acompanhando a execução e desenvolvendo a equipe.
Desenhar o trabalho é decidir o que vai para os agentes, o que fica com as pessoas e onde ficam os pontos de checagem entre uns e outros. Não dá para terceirizar essa decisão para a área de tecnologia. Quem conhece os detalhes do processo, inclusive aqueles casos raros que não estão em manual nenhum, é a área de negócio. E é justamente nesses casos que o agente costuma errar.
Acompanhar um agente também é diferente de acompanhar uma pessoa. Envolve olhar os registros, perceber padrões de erro e ajustar regras, acessos ou instruções. A qualidade dos dados pesa muito aqui. Uma base com problema, que num assistente gera só retrabalho, num agente autônomo pode virar erro operacional repetido em escala e na velocidade da máquina. O gestor acaba sendo a primeira barreira contra isso.
Do lado das pessoas, a tendência é o time sair do trabalho repetitivo e se concentrar em análise, exceções e relacionamento com clientes. Isso pede revisão de funções, investimento em requalificação e atenção ao efeito da automação na carga de trabalho e no engajamento. Também aparecem funções novas, como a de quem supervisiona agentes em tempo integral, que mistura conhecimento do negócio, de processo e de risco.
Uma coisa não muda: a responsabilidade
O agente pode conciliar lançamentos ou classificar chamados, mas quem responde pelo resultado diante da diretoria, do cliente ou do regulador continua sendo uma pessoa. E quanto mais autonomia os agentes ganham, mais claro precisa estar quem responde por eles.
A Objective apoia empresas de setores como financeiro e seguros nesse caminho, do mapeamento dos processos e da definição de quanto cada agente pode decidir sozinho até a governança e o treinamento das equipes.
Converse com um especialista da Objective para estruturar a operação com agentes de IA na sua empresa.
Perguntas frequentes sobre o tema
É a habilidade de uma equipe de executar processos de negócio com agentes de IA de forma repetível, mensurável e supervisionada, independentemente de quem criou a solução.
O uso costuma ser individual e depende de quem conhece a ferramenta. A capacidade operacional é coletiva: o processo foi redesenhado, tem governança, indicadores e responsáveis, e funciona da mesma forma em qualquer turno.
Em tarefas de baixo risco e com regras claras, como conciliações recorrentes ou classificação de despesas, sim. Decisões de alto impacto, exceções, temas regulatórios e mudanças nas regras do próprio agente devem ter aprovação ou decisão humana.
É o conjunto de práticas para acompanhar o que os agentes fazem: definir limites de atuação, revisar exceções, analisar registros, corrigir erros recorrentes e interromper a operação quando necessário.
Priorizar poucos processos para transformar, patrocinar as iniciativas, padronizar governança e critérios de escala e incluir os indicadores dos agentes na rotina de gestão da empresa.