A manchete da semana foi o rebaixamento: a KeyBanc reduziu a recomendação da Salesforce e a imprensa financeira correu atrás do preço da ação. Só que o dado que interessa a quem opera ficou no rodapé da mesma pesquisa de CIOs — e ele não é sobre o papel na bolsa. É sobre orçamento: mais CIOs planejam despriorizar a Salesforce no orçamento de TI nos próximos 12 meses do que priorizá-la, e os parceiros de implementação relatam que "só agora" começam a converter pilotos do Agentforce em deals de pipeline.
Traduzindo para a linguagem de operação: comprou-se assento, rodou-se um piloto animador, e ele travou antes de virar produção. E quando um piloto não escala, a conversa seguinte não é técnica. É o CFO, no ciclo de renovação, perguntando por que renovar uma linha de custo que não entregou o resultado prometido.
Este artigo é sobre por que pilotos de agente quase nunca cruzam a fronteira da produção — e o que precisa estar no lugar para que cruzem.
O dado da pesquisa CIO que ninguém destacou (o orçamento, não a ação)
Vale separar dois números que estão sendo misturados. De um lado, a Salesforce reporta um ARR de IA agêntica na casa de US$ 1,2 bilhão, crescendo cerca de 205% na comparação anual. É um número forte, e a Guggenheim inclusive elevou a recomendação da empresa citando "estratégia de IA fortalecida", aquisição da Fin e mais de US$ 1 bi em infraestrutura de IA. O touro tem argumento.
De outro lado, a pesquisa de CIOs que motivou o rebaixamento traz um sinal de demanda mais frio do que o ARR sugere: no horizonte de 12 meses, a intenção líquida de gasto com a plataforma virou negativa entre os respondentes — há mais gente planejando reduzir do que ampliar. E os parceiros só agora reportam PoCs de Agentforce virando pipeline, o que significa uma coisa incômoda: a maior parte dos pilotos comprados nos últimos trimestres ainda não gerou expansão.
Os dois fatos convivem. A aposta é grande e a receita inicial é real; o gargalo do cliente também é real e é sempre o mesmo — atravessar do piloto para a produção. O número do fornecedor mede o quanto foi vendido. A pesquisa de CIO mede o quanto foi absorvido. E é a absorção, não a venda, que decide a renovação.
Por que o PoC de agente trava na fronteira da produção
O piloto de agente costuma ser deslumbrante na demo por um motivo simples: ele roda num ambiente limpo. Dados selecionados, poucos casos, integrações mockadas, um escopo de perguntas cuidadosamente escolhido. Nesse sandbox, o modelo de linguagem de 2026 resolve com folga — e todo mundo sai da sala impressionado.
Produção é o oposto do sandbox. É o ERP real, sujo, concorrente, com dados desatualizados, campos duplicados, exceções que ninguém documentou e integrações que falham de madrugada. O agente que brilhava na demo, quando plugado nesse ambiente, faz uma coisa muito bem: transfere educadamente para um humano. Não porque ficou "burro", mas porque a demo nunca testou o que a produção exige — acesso confiável ao sistema de registro.
É por isso que a taxa de resolução autônoma da maioria das implantações trava entre 20% e 30%, e é por isso que a maioria dos PoCs de IA — algo como 85% deles, deixando talvez 15% chegar à produção de fato — nunca vira operação. O limitante quase nunca é o modelo. É a distância entre o sandbox onde o piloto foi aprovado e a realidade onde ele precisa funcionar. Fechar essa distância não é treinar melhor o agente; é construir o encanamento que a demo fingiu ter.
E há uma consequência financeira direta nisso. Num contrato de agente, cada caso que o piloto não resolve é um caso que volta para o atendimento humano — ou seja, você paga o assento do Agentforce e a hora do atendente. O piloto que não escala não é neutro no orçamento; ele é custo dobrado. É exatamente essa conta que o CFO enxerga quando revisa a renovação.
Os 4 pré-requisitos de produção: dado com contrato, integração, observabilidade, segurança
Levar um agente do PoC à produção é, na prática, garantir quatro coisas que a demo pulou. Elas não são opcionais — são a diferença entre um piloto que impressiona e uma operação que fatura.
1. Dado com contrato. O agente resolve na proporção do que enxerga com confiança. Isso exige que o dado que ele lê — pedido, estoque, fatura, cadastro — tenha contrato: um esquema versionado, uma fonte da verdade definida por campo, e uma latência conhecida. "O agente consulta o CRM" não basta se o status real do pedido mora no OMS e é atualizado por um job a cada 30 minutos. Dado velho gera resposta errada, e resposta errada gera segundo contato — que na sua conta é custo duplicado.
2. Integração ao sistema de registro. Resolver quase sempre significa agir: emitir segunda via, abrir devolução, cancelar assinatura, atualizar endereço. Isso exige permissão de escrita no ERP, no OMS, no gateway — não apenas leitura. Muitas implantações param aqui por medo, e o medo é legítimo: escrever em sistema de produção sem controle é perigoso. A resposta não é proibir a escrita; é mediá-la por uma camada de API com contrato, escopo de permissão por agente e idempotência, para que uma chamada repetida por timeout não vire dois estornos.
3. Observabilidade. Em produção, quando o agente erra, alguém precisa reconstruir o que aconteceu: quem chamou, com qual permissão, com qual payload, e qual sistema estava certo. Sem tracing distribuído e sem trilha de auditoria, cada incidente vira arqueologia — e um incidente que não se explica é o tipo de coisa que faz um comitê desligar o projeto inteiro.
4. Segurança e guardrails. O agente do sandbox não tinha acesso a dado sensível de verdade. O de produção tem. Isso traz para a mesa identidade (qual agente está agindo, com qual credencial), escopo mínimo de permissão, compliance com LGPD, e guardrails que impedem o agente de executar ações fora do envelope aprovado. Sem isso, o risco de segurança sozinho já veta a passagem para produção — com razão.
Repare no padrão: nenhum dos quatro pré-requisitos é sobre inteligência artificial. Todos são sobre engenharia de integração e de plataforma. O piloto testou a IA; a produção testa a arquitetura em volta dela.
Como a CCX leva o piloto a produção (squad sênior + integração event-driven)
A CCX trabalha exatamente nessa fronteira — não no modelo, mas no que falta em volta dele para o modelo escalar. A oferta de IA para negócios (agentes, RAG e automação com LLMs sobre dado confiável, com guardrails) só é entregue acoplada à de Integrações & APIs Enterprise: REST, GraphQL e arquitetura event-driven com Kafka e RabbitMQ, ligando o agente ao sistema de registro real — ERP, OMS, WMS, gateway — com contrato de API, idempotência e trilha de auditoria de tudo que o agente escreveu, monitorado por observabilidade 360° (Datadog, Grafana, OpenTelemetry).
O ponto de partida não é comprar mais licença. É um discovery de duas semanas que responde à pergunta que o CFO faz na renovação: quais são as 15 intenções que respondem por 80% do volume, qual sistema é dono da resposta de cada uma, qual a latência real de cada integração hoje, e — portanto — quanto da operação é de fato automatizável agora e o que exatamente falta ligar. Esse mapa transforma "o piloto não escalou" em um plano de produção com escopo, custo e prazo.
É aí que entram as squads dedicadas: engenheiros sêniores com onboarding em 48h, que assumem a construção da camada de integração e a levada do piloto a produção sem depender de o seu time parar o que faz. Quando o canal é o WhatsApp — e no Brasil quase sempre é —, a mesma arquitetura roda sobre o CCX Message, com entrega em escala, latência sub-200ms e compliance LGPD. Tudo dentro da metodologia de 6 fases aplicada em mais de 200 projetos: discovery, arquitetura-alvo, sprints, QA, go-live assistido e evolução.
Seu piloto de agente impressionou na demo e travou na produção? A CCX leva o PoC a produção com squad sênior e integração event-driven ao seu sistema de registro — do sandbox ao ERP real, com observabilidade e guardrails. Implementar IA no meu negócio →
FAQ
Por que o piloto do Agentforce não vira produção?
Quase nunca por limitação do modelo. O piloto roda num ambiente limpo, com dados selecionados e integrações mockadas; a produção é o sistema de registro real, com dado desatualizado e escrita concorrente. Sem dado com contrato, integração ao ERP/OMS, observabilidade e segurança, o agente resolve pouco e transfere muito — e transferência, no modelo de cobrança atual, é custo dobrado.
O que a pesquisa de CIO da KeyBanc realmente disse?
Que a intenção de gasto com a Salesforce nos próximos 12 meses ficou negativa no líquido — mais respondentes planejam reduzir do que ampliar — e que os parceiros só agora começam a converter PoCs de Agentforce em pipeline. Isso convive com o ARR de agentes forte (US$ 1,2 bi, +205% a/a): a venda foi feita, a expansão depende da absorção.
Preciso de Data Cloud para colocar o Agentforce em produção?
Não obrigatoriamente, mas é aqui que mora a pegadinha. O agente resolve na proporção do contexto que enxerga. Se pedido, estoque e fatura vivem fora da Salesforce — no ERP, no OMS, no WMS —, você vai precisar de uma camada de integração de qualquer forma, com ou sem Data Cloud.
Quanto tempo leva para tirar um piloto do sandbox?
Depende do estado das integrações, não do agente. Um discovery de duas semanas costuma bastar para mapear intenções, donos de dado e latências e produzir um plano de produção com escopo e prazo. A construção em si é proporcional a quantos sistemas de registro precisam ser ligados com contrato e idempotência.
Como responder ao CFO na renovação?
Com um número, não com uma promessa: a taxa de resolução autônoma real (casos encerrados sem humano e sem recontato em 72h) e o custo por escalada. Se esses indicadores estão travados, o argumento de renovação não é "a IA precisa de mais tempo" — é "falta ligar estes três sistemas ao agente", que é um plano de engenharia com fim conhecido.