2026 parou de perguntar quem tem um agente de IA e passou a cobrar quem tem um agente em produção. E os números que fecham a conta acabaram de sair. No State of AI: Global Survey 2026, da McKinsey, 40% das grandes empresas (faturamento acima de US$ 1 bilhão) já escalam agentes em pelo menos uma função — salto em relação aos 27% do ano anterior. Ao mesmo tempo, um relatório atrás do outro mostra o mesmo abismo: cerca de 75% adotam IA agêntica, mas só 11% a 17% rodam em produção real. Este artigo explica por que esse vão existe e, principalmente, o que o fecha — e adianta a resposta: não é o modelo.
O número que virou a mesa: 75% adotam, só 11–17% rodam agentes em produção
O placar de 2026 é desconfortável. O Gartner Hype Cycle for Agentic AI 2026 aponta que aproximadamente 17% das iniciativas com agentes chegaram a deployment. A Deloitte Tech Trends 2026 é ainda mais dura: 11% se declaram production-ready. Some a isso o dado de adoção — cerca de três em cada quatro empresas dizem já usar IA agêntica de alguma forma — e o retrato fica claro: quase todo mundo adotou, quase ninguém colocou em produção.
A distinção importa porque adoção e produção são coisas diferentes. Adotar é rodar um piloto, plugar um copiloto, testar um agente numa planilha controlada. Produção é o agente agindo sobre os sistemas reais da empresa, com dado confiável, permissão governada e uma conta de operação previsível. É justamente nessa travessia — do piloto que impressiona para o agente que trabalha — que 6 a 9 de cada 10 iniciativas travam.
O outro dado: 40% das grandes empresas já escalam (era 27%) e 32% param de comprar pra construir
A McKinsey traz um segundo recorte que muda o jogo. Além dos 40% que já escalam agentes, 32% das empresas deixaram de comprar um software pronto para construir a solução internamente com agentic coding — e esse número chega perto de 50% entre os high performers, o grupo que atribui 5% ou mais do EBIT à IA. É uma inversão silenciosa da lógica de build vs. buy que dominou a última década de TI.
Por que construir voltou à moda? Porque escrever software ficou barato. Ferramentas de agentic coding derrubaram o custo de produzir a primeira versão de quase qualquer coisa. O que antes exigia um trimestre de squad agora sai em dias. Só que a euforia de "agora a gente constrói" esconde a parte cara — e é aí que o piloto morre.
"Build-vs-buy" virou "build-vs-integrate"
Aqui está a virada de conceito deste artigo: a pergunta deixou de ser "construir ou comprar" e passou a ser "construir e integrar". Construir a lógica do agente ficou trivial. Fazê-lo agir sobre CRM, ERP, OMS, gateway de pagamento e sistemas legados — com transação confiável, sem duplicar pedido, sem escrever no lugar errado — continua sendo engenharia de verdade.
Isso vale para os dois lados da escolha. Se você compra um agente, ele só entrega valor quando conversa com os seus sistemas. Se você constrói, o código é a menor parte: o custo real está em integração governada, contrato de API e operação. Nos dois cenários, o piloto esbarra no mesmo muro — o encanamento que ninguém terminou. Construir ficou barato; integrar e operar é a fatura.
O run cost que ninguém orçou — e por que a Gartner prevê 40% de projetos cancelados até 2027
A conta tem data. A Gartner projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 — por custo crescente, valor de negócio incerto e governança de risco inadequada. Traduzindo: os projetos não morrem porque o agente é burro. Morrem porque ninguém precificou o run cost.
Run cost é tudo o que um agente consome depois de entrar no ar: tokens por chamada, reprocessamento por erro, chamadas de API redundantes, infraestrutura de fila e cache, e o tempo humano gasto revisando o que o agente fez. Um piloto de laboratório esconde esse custo porque roda em volume baixo e com supervisão total. Em produção, com milhares de execuções por dia, o run cost explode — e sem observabilidade para enxergá-lo, a diretoria descobre a fatura tarde demais e puxa o freio.
Onde o piloto morre: dado espalhado, integração inexistente, permissão sem governança
Quando um piloto não vira produção, quase sempre é por uma combinação de quatro causas concretas:
- Dado espalhado. O agente precisa de contexto confiável, mas o dado vive fragmentado em silos, duplicado e sem fonte única de verdade. Agente sem dado governado alucina.
- Integração que não existe. O agente consegue responder, mas não consegue agir, porque não há uma porta de escrita contratada para os sistemas de produção.
- Permissão que ninguém governa. Deixar um agente escrever em produção sem escopo de permissão, trilha de auditoria e limite de blast radius é risco que nenhum comitê aprova — e sem isso, o piloto fica preso no sandbox.
- Conta de operação que ninguém orçou. Sem previsão de run cost e sem alertas de custo, o projeto vira surpresa financeira.
Repare que nenhuma dessas causas é "o modelo não é bom o suficiente". Todas são fundação.
A fundação — parte 1: integração governada e API contratada como porta de escrita
A primeira camada que tira o agente do piloto é a integração governada. Não basta um webhook improvisado: o agente precisa de uma API contratada e idempotente como porta de escrita para os sistemas de produção. Idempotente significa que a mesma ordem, enviada duas vezes por um retry, não vira dois pedidos — um detalhe que separa demo de sistema real.
Em volume, essa camada é orientada a eventos: filas como Kafka ou RabbitMQ desacoplam o agente dos sistemas de destino, absorvem picos e garantem entrega mesmo quando o ERP está lento. É essa arquitetura — API contratada + event-driven + integração CRM/ERP/OMS ↔ sistemas — que transforma "o agente respondeu" em "o agente agiu com segurança".
A fundação — parte 2: capacidade (squad sênior) pra quem escolheu construir em vez de comprar
Se a sua empresa entrou nos 32% que decidiram construir, a pergunta seguinte é: com quem? Agentic coding acelera a escrita, mas arquitetura de integração, decisão de trade-off e operação em produção continuam exigindo engenharia sênior. É a diferença entre um protótipo bonito e um sistema que aguenta segunda-feira de pico.
Aqui entra a capacidade sob demanda: squads com engenheiros de mais de 10 anos de experiência, onboarding em 48h e escala elástica. Você constrói com velocidade sem trocar velocidade por dívida técnica — e sem descobrir, seis meses depois, que o piloto construído às pressas não tem quem o mantenha de pé.
A fundação — parte 3: observabilidade e governança que seguram o custo em produção
A terceira camada é a que responde diretamente à previsão de cancelamento da Gartner: observabilidade. Se você não mede latência, throughput, taxa de erro e, sobretudo, custo por execução, você não governa o run cost — e o que não se governa, se cancela.
Com tracing distribuído (OpenTelemetry), dashboards por serviço (Datadog, Grafana, Prometheus) e alertas inteligentes (Sentry), o custo e o blast radius de cada agente ficam visíveis em tempo real. É o que permite dizer à diretoria, com número na mão, quanto o agente custa e quanto ele devolve — a conversa que mantém o projeto vivo.
Checklist: 7 perguntas pra saber se o seu agente vai escalar ou virar estatística
- 1. O agente tem uma fonte única de dado governado, ou lê de silos duplicados?
- 2. Existe uma API contratada e idempotente como porta de escrita para os sistemas de produção?
- 3. A arquitetura é orientada a eventos o suficiente para aguentar pico sem derrubar o ERP?
- 4. As permissões do agente têm escopo, auditoria e limite de blast radius?
- 5. Você mede o custo por execução (run cost) em tempo real?
- 6. Há observabilidade (latência, erro, throughput) com alertas antes de a fatura estourar?
- 7. Se o agente falhar em produção às 3h da manhã, alguém sabe e alguém pode agir?
Se você respondeu "não" a três ou mais, o seu projeto está no caminho da estatística de cancelamento — e a causa é fundação, não modelo.
Como a CCX monta o encanamento (agnóstica de modelo e plataforma)
A CCX Company monta exatamente a fundação que fecha o vão adoção→produção — e faz isso de forma agnóstica de modelo e de plataforma, porque o modelo virou commodity e a decisão certa muda a cada trimestre. Na prática, isso são três frentes que trabalham juntas.
Primeiro, Integrações & APIs Enterprise: integração governada entre CRM, ERP e OMS via arquitetura event-driven (Kafka, RabbitMQ) e API contratada e idempotente como porta de escrita — a costura que faz o agente agir, não só responder. Segundo, squads dedicadas com engenheiros de mais de 10 anos e onboarding em 48h, para quem escolheu construir e precisa de capacidade sênior sem virar dívida técnica. Terceiro, observabilidade 360° (Datadog, Grafana, OpenTelemetry, Sentry) que mantém o run cost e o blast radius sob controle — a resposta direta à causa de cancelamento apontada pela Gartner. Antes de escalar, a consultoria em tecnologia faz o diagnóstico build-vs-buy-vs-integrate e desenha a arquitetura-alvo, e o time de Data & BI entrega o dado governado que ancora o agente.
O placar de 2026 já saiu: 75% adotam, só 11% chegam à produção, e 40% dos projetos serão cancelados até 2027 por custo e governança. Construir ficou barato — integrar e operar é a fatura. A CCX monta a fundação que tira o agente do piloto e o mantém em produção sem estourar o run cost.
FAQ — Perguntas frequentes
Por que só 11% dos agentes de IA chegam à produção? Porque adotar é fácil e operar é difícil. O piloto trava em dado espalhado, integração inexistente, permissão sem governança e um run cost que ninguém orçou — tudo fundação, não capacidade do modelo.
O que é "build-vs-integrate"? É a evolução do velho "build-vs-buy". Com agentic coding, construir software ficou barato; o custo e o risco migraram para integrar o agente aos sistemas de produção e operá-lo com governança e custo sob controle.
O que é run cost de um agente de IA? É o custo de manter o agente em operação: tokens, reprocessamento, chamadas de API, infraestrutura e revisão humana. É a principal causa apontada pela Gartner para o cancelamento de projetos até 2027.
Preciso trocar de modelo para colocar um agente em produção? Quase nunca. O modelo virou commodity e é plugável. O que decide a ida para produção é a fundação: integração governada, dado confiável, observabilidade e governança de permissões.