Em 1º de julho, a Gartner colocou um número naquilo que muitos CTOs já sentiam no estômago: até US$ 234 bilhões em gasto com software corporativo estão "em risco" por causa da IA agêntica. Traduzindo para o orçamento: cerca de 20% do que as empresas pagam hoje em licenças de SaaS pode, até 2030, migrar para agentes de IA que executam a mesma tarefa sem que ninguém precise abrir a ferramenta. Não é ficção científica de painel de conferência — é a manchete que vai pautar reunião de conselho esta semana.
O termo que a Gartner usa é arbitragem agêntica: a diferença entre o preço que você paga por um software vendido "por assento" e o custo marginal de um agente que faz o mesmo trabalho. Quando essa diferença fica grande o suficiente, o mercado se move. E ele já começou a se mover.
1. O que a Gartner realmente disse (e o que é "arbitragem agêntica")
A projeção não diz que 20% do SaaS vai desaparecer. Diz que 20% do gasto está exposto — ou seja, é receita de fornecedores que pode ser capturada por quem entregar o mesmo resultado de forma mais barata via agentes. A lógica é a de qualquer arbitragem: onde há um spread grande entre preço e custo, aparece alguém para explorá-lo.
O software tradicional cobra pelo acesso à ferramenta. Você paga por usuário, por mês, tenha ele usado 5% ou 95% das funcionalidades. O agente de IA cobra (ou custa) pela tarefa executada. Se a tarefa é "extrair 40 pedidos do ERP, conferir com a nota fiscal e lançar no financeiro", um agente bem construído faz isso continuamente por uma fração do custo de licenças somadas de três sistemas diferentes. É esse spread que a Gartner está quantificando.
2. Por que a licença por assento está sob pressão
O modelo de "preço por assento" nasceu num mundo em que o valor estava em dar a uma pessoa acesso a uma ferramenta. O pressuposto: mais pessoas usando = mais valor entregue = mais assentos vendidos. A IA agêntica quebra esse pressuposto porque o trabalho deixa de exigir uma pessoa na frente da tela.
Quando um agente executa o fluxo de trabalho de ponta a ponta, o número de "assentos" necessários despenca — e com ele, a receita do fornecedor que cobrava por login. Fornecedores de SaaS sabem disso e estão reagindo (cobrando por "ação de agente", por consumo, por resultado). Mas a transição expõe uma verdade incômoda para quem compra: muito do que você paga hoje é pela interface, não pelo resultado. E interface é exatamente o que o agente dispensa.
3. Comprar agente pronto vs. construir sobre seus dados
Diante disso, o primeiro instinto de muita empresa é comprar "o agente da moda" — plugar um chatbot ou um copiloto genérico no sistema existente e declarar vitória. Esse é o erro mais caro do momento. Um agente genérico que não conhece seus dados, suas regras de negócio e seu contexto operacional produz respostas plausíveis e decisões erradas. Ele automatiza a aparência do trabalho, não o trabalho.
A virada real acontece quando o agente roda sobre os seus dados. É a diferença entre um assistente que "acha" e um que "sabe": um sistema com RAG (Retrieval-Augmented Generation) recupera o documento, o registro, a política interna corretos antes de responder ou agir — e a automação executa a tarefa contra os sistemas reais da empresa, com trilha de auditoria. Quem constrói esse tipo de agente captura o valor da arbitragem. Quem apenas assina mais um SaaS "com IA" continua do lado que paga o spread.
4. Onde RAG e automação entram
RAG é o que transforma um modelo de linguagem genérico em um especialista da sua operação. Em vez de esperar que o modelo "saiba" a resposta, você indexa suas fontes — contratos, catálogos, tickets, base de conhecimento, tabelas do ERP — e o agente busca a informação certa no momento da pergunta. O resultado é uma resposta ancorada em fato verificável, não em alucinação. É isso que torna um agente confiável o bastante para tocar processo de verdade.
A automação é o outro lado: uma vez que o agente sabe o que fazer, ele precisa de permissão e de trilhos para fazer. Isso significa integração com os sistemas existentes (APIs, filas de eventos, webhooks), regras claras de quando agir sozinho e quando escalar para um humano, e observabilidade para que cada decisão do agente seja rastreável. Sem essa camada, um agente é uma demonstração bonita que nunca entra em produção — e a IA agêntica só vira arbitragem de verdade quando entra em produção.
5. Como começar sem quebrar a operação
A tentação, ao ler uma manchete de US$ 234 bilhões, é reagir com um projeto gigante de "transformação por IA". É o caminho mais rápido para o fracasso caro. A abordagem que funciona é cirúrgica: escolha um processo com dor real e volume mensurável (atendimento de segundo nível, conciliação financeira, triagem de pedidos), construa um agente sobre os dados desse processo, coloque-o rodando ao lado do time — não no lugar dele — e meça. Depois escale para o próximo processo.
O gargalo raramente é o modelo de IA. É ter gente que entende ao mesmo tempo o negócio, os dados e a engenharia de colocar um agente em produção com segurança. Essa é exatamente a lacuna que separa a empresa que "testou um piloto" da que "automatizou de verdade".
6. Como a CCX ajuda
Na CCX, a oferta de IA para Negócios é justamente construir agentes que rodam sobre os dados da sua empresa — combinando RAG, busca semântica e automação com LLMs para que o agente saiba o contexto real da operação antes de decidir ou agir. Não é um chatbot genérico plugado por cima; é um sistema desenhado sobre as suas fontes, com trilha de auditoria e integração aos sistemas que você já usa (via APIs e arquitetura orientada a eventos com RabbitMQ/Kafka).
E porque o gargalo costuma ser de gente, a CCX entra com squads dedicadas e on-demand — engenheiros sêniores com onboarding em 48h e escala elástica, que constroem o agente sobre a sua operação real em vez de te entregar um slide. A ideia é simples: em vez de esperar o agente substituir o seu software, você coloca um agente trabalhando no seu negócio primeiro.
Não espere o agente te substituir — coloque um agente trabalhando no seu negócio. A CCX implementa agentes de IA sobre seus dados (RAG + automação) com squad sênior e onboarding em 48h. Implementar IA no meu negócio →