Agentes de IA no back-office: o que muda na análise de documentos

Agentes de IA no back-office são sistemas que recebem um objetivo, como “aprovar ou devolver este cadastro”, e decidem sozinhos quais documentos ler, quais regras aplicar e quando chamar um humano. Na análise de documentos, isso muda a unidade de trabalho: sai a tarefa isolada de extrair campos e entra o caso inteiro, com conferência, cruzamento e encaminhamento. O ganho real depende de regras claras, trilha de auditoria e revisão humana nos pontos de risco.

Pontos-chave

• A Gartner prevê que 40% dos aplicativos corporativos terão agentes de IA para tarefas específicas até o fim de 2026, contra menos de 5% em 2025.
• A mesma Gartner estima que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 por custo, valor pouco claro ou controle de risco fraco.
• Segundo a McKinsey, 23% das organizações já escalam IA agêntica em alguma área, mas em nenhuma função mais de 10% dizem escalar agentes.
• No Brasil, 62% das lideranças dizem usar agentes de IA nas operações, segundo estudo do National Research Group para o Google Cloud publicado em setembro de 2025.
• A pesquisa da Gartner com 183 líderes de finanças aponta a automação de contas a pagar como uso de IA para 37% das áreas que já adotaram a tecnologia.
• A LGPD, no art. 20, garante ao titular o direito de pedir revisão de decisões tomadas unicamente por tratamento automatizado, o que obriga o agente a deixar a decisão explicável.

O que é um agente de IA e como ele difere da automação que o back-office já usa?

Agente de IA é um sistema que recebe um objetivo e escolhe, por conta própria, a sequência de passos e de ferramentas para chegar lá. A OpenAI, no guia “A practical guide to building agents”, define agentes como sistemas que realizam tarefas de forma independente em nome do usuário.

Qual a diferença entre agente e fluxo de trabalho com IA?

A Anthropic separa os dois conceitos no artigo “Building effective agents”, de dezembro de 2024, escrito por Erik Schluntz e Barry Zhang. Fluxos de trabalho (workflows) são sistemas em que modelos de linguagem e ferramentas seguem caminhos de código predefinidos. Agentes são sistemas em que o modelo dirige dinamicamente o próprio processo e o uso das ferramentas.

Na prática do back-office, um fluxo de trabalho com IA lê o RG, extrai o CPF e grava no ERP, sempre na mesma ordem. Um agente recebe o pacote de admissão, percebe que falta o comprovante de residência, consulta a regra do cliente, pede o documento ao candidato e só depois conclui a conferência.

Por que o agente não é um robô de RPA mais esperto?

RPA (Robotic Process Automation) é a automação que repete cliques e digitação em telas, seguindo um roteiro fixo. O RPA quebra quando o layout muda; o agente trabalha sobre o significado do documento. A diferença está detalhada no comparativo de RPA e IA na análise de documentos, e ela pesa na escolha: muitas tarefas de back-office ainda pedem só regra fixa.

A própria Gartner alerta para o “agent washing”, a prática de rebatizar assistentes, RPA e chatbots como agentes sem capacidade agêntica real. Segundo a Gartner, entre milhares de fornecedores que se dizem agênticos, a consultoria estima em 130 os que de fato entregam essa capacidade. Anushree Verma, Senior Director Analyst da Gartner, resume: “Many use cases positioned as agentic today don’t require agentic implementations.”

Por que agentes de IA viraram prioridade no back-office?

Agentes de IA viraram prioridade porque o back-office concentra o tipo de tarefa em que agentes funcionam melhor. O guia da OpenAI lista três cenários ideais: decisões complexas, regras difíceis de manter e forte dependência de dados não estruturados, como documentos. Cadastro, contas a pagar, admissão e crédito reúnem os três.

A Gartner prevê, em comunicado de 26 de agosto de 2025, que 40% dos aplicativos corporativos terão agentes para tarefas específicas até o fim de 2026, contra menos de 5% em 2025. Em junho de 2025, a mesma consultoria projetou que pelo menos 15% das decisões do dia a dia no trabalho serão tomadas de forma autônoma por IA agêntica até 2028, ante 0% em 2024.

Fonte: elaboração própria com base em Gartner (2025), McKinsey (2025), Deloitte (2024), Google Cloud (2025) e ABES/IDC (2026).

A tabela mostra um descompasso. O relatório “The state of AI in 2025”, da McKinsey, ouviu 1.993 participantes em 105 países e encontrou 88% das organizações usando IA em pelo menos uma função, mas nenhuma função com mais de 10% de respondentes escalando agentes. A intenção é ampla; a operação em escala ainda é rara.

No Brasil, o movimento é mais acelerado no discurso. O estudo “5 Tendências para 2026″, do IBM Institute for Business Value, aponta que 65% dos executivos brasileiros dizem que agentes já ajudam a tomar decisões melhores e mais rápidas, e 75% esperam que agentes operem de forma independente até o fim de 2026. Segundo Jorge Sukarie Neto, conselheiro da ABES, as empresas “avançaram da fase de experimentação para a implementação prática da Inteligência Artificial”.

O que a LGPD e as regras de IA exigem de um agente que analisa documentos?

A Lei Geral de Proteção de Dados (Lei nº 13.709/2018) é a regra que mais pesa sobre agentes de back-office no Brasil, porque quase todo documento analisado traz dado pessoal. O art. 20 diz que o titular “tem direito a solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses”.

O § 1º do mesmo art. 20 obriga o controlador a fornecer, quando solicitado, informações claras sobre os critérios e os procedimentos da decisão automatizada. Para um agente que reprova um cadastro, a consequência é direta: a empresa precisa saber qual documento foi lido, qual regra foi aplicada e por que o caso foi negado.

Fonte: elaboração própria com base na Lei nº 13.709/2018 e no Regulamento (UE) 2024/1689.

O art. 6º da LGPD reforça a exigência com dois princípios. O inciso X trata de responsabilização e prestação de contas, com “demonstração, pelo agente, da adoção de medidas eficazes e capazes de comprovar a observância e o cumprimento das normas de proteção de dados pessoais”.

Para quem opera também na Europa, o AI Act (Regulamento UE 2024/1689) vai além. O art. 14 exige que sistemas de alto risco permitam ao humano “intervene in the operation of the high-risk AI system or interrupt the system through a ‘stop’ button”.

Como a análise de documentos é feita hoje e onde ela falha?

A análise de documentos no back-office brasileiro ainda segue, na maioria das operações, uma fila manual: o documento chega por e-mail, portal ou WhatsApp, um analista abre o arquivo, confere campos contra uma lista de regras e digita o resultado em um sistema.

A separação entre essas etapas é o ponto de partida para entender onde o agente entra. O artigo sobre as três camadas da automação documental: extração, conferência e decisão mostra que automatizar só a extração deixa o gargalo intacto. Os pontos de falha mais comuns no processo atual são estes:

• A conferência depende da memória do analista, que precisa lembrar dezenas de regras por tipo de documento e por cliente, e a regra muda sem que todos saibam.
• O cruzamento entre documentos (nome no RG contra nome no contrato social, valor da nota contra o pedido de compra) é feito no olho, caso a caso, e é a etapa com mais erro.
• O caso incompleto para a fila: quando falta um documento, o analista pede por e-mail, o pedido se perde e o processo volta ao início semanas depois.
• A decisão não deixa rastro: a planilha registra “aprovado”, mas não registra qual regra foi aplicada nem qual evidência sustentou a aprovação.
• O volume sazonal (admissões em massa, fechamento contábil, períodos de inscrição) exige contratar temporários, que erram mais por falta de treino nas regras.

O retrato do setor financeiro confirma o peso dessa fila. A pesquisa “AI in Finance” da Gartner, de novembro de 2025, ouviu 183 CFOs e líderes de finanças: 59% usam IA na área, e entre eles 37% aplicam a tecnologia na automação de contas a pagar e 34% na detecção de erros e anomalias.

Marco Steecker, Senior Director de pesquisa da prática de finanças da Gartner, observa que “the momentum in finance AI adoption has slowed” depois do salto de 37% em 2023 para 58% em 2024. A leitura para o back-office é que a primeira onda (extração e assistentes) já foi absorvida, e o próximo ganho exige mexer na conferência e na decisão.

Como implantar agentes de IA na análise de documentos, passo a passo?

Implantar agentes de IA na análise de documentos exige começar pelo processo, não pela ferramenta. A Gartner atribui o cancelamento previsto de mais de 40% dos projetos agênticos a custo crescente, valor de negócio pouco claro e controle de risco inadequado, três falhas que um roteiro disciplinado evita.

1. Escolha um processo com volume, regra e documento. Bons candidatos são admissão, cadastro de fornecedores, contas a pagar e análise de crédito.
2. Escreva as regras de conferência por tipo de documento. Cada regra precisa dizer o que conferir, contra qual fonte e o que fazer se falhar. Essa lista vira o checklist que o agente executa e o auditor consulta.
3. Decida o que é fluxo fixo e o que é decisão do agente. A Anthropic recomenda a solução mais simples possível e só acrescentar autonomia quando ela melhora o resultado. Extração e validação de formato cabem em fluxo fixo; pedir documento faltante e escolher a ordem de conferência são bons usos de agente.
4. Defina os pontos de parada e de revisão humana. O guia da OpenAI indica intervenção humana quando o agente excede limites de falha e antes de ações de alto risco, como pagamentos. Reprovações que afetam o titular também devem passar por revisão, por causa do art. 20 da LGPD.
5. Dê ao agente acesso mínimo e registre tudo. O agente só deve ler os sistemas e as pastas de que precisa, conforme o art. 46 da LGPD. Cada decisão precisa gravar o documento lido, a regra aplicada, a evidência e o resultado.
6. Rode em paralelo antes de liberar. Coloque o agente para analisar os mesmos casos que a equipe analisa e compare os resultados. A Anthropic aponta que o agente precisa obter “ground truth” do ambiente a cada passo, e o paralelo é a forma de medir isso no seu processo.
7. Meça acurácia, tempo e taxa de exceção por tipo de documento. Tipos de documento com acerto menor pedem regras próprias e mais revisão humana.
8. Amplie a autonomia aos poucos. Libere decisão automática primeiro para os casos de menor risco e maior acerto, e mantenha revisão humana no resto.

O passo 4 é o que mais distingue um projeto sustentável de um piloto descartado. A Anthropic escreve que agentes “can then pause for human feedback at checkpoints or when encountering blockers”, e o desenho desses checkpoints é decisão de negócio, não de TI. O tema é tratado em profundidade no artigo sobre human in the loop na validação documental.

Como escolher entre RPA, extração com IA, fluxo com IA e agente?

Escolher entre RPA, extração com IA, fluxo com IA e agente depende de quanto o documento varia e de quanto a decisão depende de contexto. A Gartner alerta que muitos casos rotulados como agênticos não precisam de agente, e a regra prática é usar a camada mais simples que resolve o problema.

Fonte: elaboração própria com base em Anthropic (2024), OpenAI (2026) e Gartner (2025).

A combinação é mais comum que a escolha exclusiva. A previsão da Gartner para 2027 é que um terço das implementações de IA agêntica combinará agentes com habilidades diferentes para tarefas complexas. Em documentos, isso significa um componente que extrai, outro que confere regras e um agente que orquestra o caso e chama o humano quando necessário.

Quais erros e riscos aparecem quando agentes de IA analisam documentos?

Os erros mais caros na adoção de agentes de IA em back-office não são técnicos: são de desenho de processo e de governança. A pesquisa da Gartner de janeiro de 2025, com 3.412 participantes de webinar, mostrou que só 19% das organizações fizeram investimentos significativos em IA agêntica, enquanto 42% investiram de forma conservadora.

• Dar autonomia total desde o primeiro dia leva a decisões erradas em escala e a reprovações que a empresa não consegue explicar ao titular, como exige o art. 20 da LGPD.
• Automatizar sem regra escrita faz o agente aprender o processo informal, com as exceções e os vícios da equipe, e torna impossível auditar o resultado.
• Confiar na saída sem amostragem gera viés de automação, o risco que o art. 14 do AI Act descreve como a tendência de confiar demais no sistema; os erros só aparecem na auditoria externa.
• Dar ao agente acesso amplo a pastas e sistemas aumenta a exposição de dados pessoais e contraria o dever de segurança do art. 46 da LGPD.
• Escolher agente onde bastava fluxo fixo encarece o projeto e aumenta a variação dos resultados, um dos motivos de cancelamento apontados pela Gartner.
• Ignorar documentos falsos ou adulterados transforma o agente em um aprovador rápido de fraude, porque ler bem um documento não é o mesmo que verificar sua autenticidade.

Como a Dynadok aplica IA na análise de documentos do back-office?

A Dynadok é uma plataforma de validação automática de documentos com IA que identifica, extrai e valida documentos em vários formatos e layouts, de imagens a PDFs. A plataforma aplica checklists personalizados por tipo de documento, cruza informações entre documentos de um mesmo caso e controla a validade de documentos enviados por terceiros, com integração via API ao ERP ou ao CRM.

Esse desenho corresponde às camadas que um agente de back-office precisa: leitura confiável, regras explícitas e registro de cada conferência. Segundo a Dynadok, a plataforma reduz até 95% do tempo gasto com validação manual, e os dados podem ficar na nuvem da Dynadok ou na infraestrutura do cliente, um ponto relevante para o art. 46 da LGPD.

Os depoimentos publicados no site da Dynadok trazem resultados declarados por clientes. Karla Lemos, Gerente de CSC, relata que a análise de documentos do Prouni passou de 25 para 10 pessoas. Chrystiano Mincoff, Diretor Executivo de Experiência e Permanência, relata 90% de assertividade, com 9 em cada 10 inscrições validadas pela IA e só uma exigindo apoio humano.

Leia também no blog da Dynadok:

• Gestão da mudança: preparar a equipe para adotar IA no back-office
• A IA processa documentos longos e digitalizados de baixa qualidade?
• ISO 27001 e SOC 2: como escolher uma IA de validação documental segura
• Como medir a acurácia e a assertividade de uma IA na análise de documentos
• Quais documentos pedir na admissão de um funcionário? Lista completa

Perguntas frequentes sobre agentes de IA no back-office

O que é um agente de IA no back-office?

Um agente de IA no back-office é um sistema que recebe um objetivo operacional, como concluir um cadastro, e decide sozinho a ordem de leitura dos documentos, as regras a aplicar e quando pedir ajuda humana. O agente difere do robô de RPA porque escolhe o próximo passo com base no que encontrou.

Agente de IA é a mesma coisa que IA generativa?

Não. IA generativa é a tecnologia de modelos de linguagem que produz texto e interpreta documentos. Agente de IA é um sistema construído sobre esses modelos, com acesso a ferramentas e autonomia para executar etapas. Todo agente moderno usa IA generativa, mas nem todo uso de IA generativa forma um agente.

Agentes de IA substituem os analistas de documentos?

Não substituem por completo. Agentes de IA assumem a leitura, a conferência repetitiva e o encaminhamento dos casos simples, e os analistas passam a revisar exceções, ajustar regras e decidir casos de risco. O Work Trend Index 2025 da Microsoft mostra que 41% dos líderes esperam ter equipes treinando agentes em cinco anos.

Quais processos de back-office mais se beneficiam de agentes?

Os processos que mais se beneficiam de agentes de IA combinam alto volume, muitas regras e documentos variados: admissão de funcionários, cadastro de clientes e fornecedores, contas a pagar, análise de crédito, reembolsos e habilitação em licitações. Processos raros ou sem regra escrita rendem pouco.

Quanto tempo leva para implantar um agente de IA em documentos?

O prazo de implantação de um agente de IA em documentos depende do número de tipos de documento, da qualidade das regras escritas e da integração com sistemas. O maior prazo costuma estar em documentar as regras e rodar o período em paralelo com a equipe, e não na configuração da ferramenta.

O agente de IA pode reprovar um cliente sem revisão humana?

Pode, mas a empresa assume risco. O art. 20 da LGPD garante ao titular o direito de pedir revisão de decisões tomadas unicamente por tratamento automatizado. A prática segura é exigir revisão humana para reprovações que afetem o titular e manter registro dos critérios usados pelo agente.

O que a LGPD exige quando um agente decide sozinho?

A LGPD exige que a empresa informe, quando solicitada, os critérios e os procedimentos da decisão automatizada (art. 20, § 1º), garanta transparência (art. 6º, VI), comprove a eficácia das medidas (art. 6º, X) e proteja os dados contra acesso indevido (art. 46).

O que é agent washing?

Agent washing é o termo que a Gartner usa para produtos antigos, como assistentes, RPA e chatbots, rebatizados como agentes sem ter capacidade agêntica real. A Gartner estima em 130 os fornecedores com capacidade agêntica verdadeira, entre milhares que usam o rótulo. Pergunte ao fornecedor como o sistema decide o próximo passo.

Por que tantos projetos de IA agêntica são cancelados?

A Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 por três motivos: custos crescentes, valor de negócio pouco claro e controles de risco inadequados. Começar por um processo com volume e regra escrita reduz os três riscos.

Qual a diferença entre agente e fluxo de trabalho com IA?

A diferença está em quem define o caminho. No fluxo de trabalho com IA, o código define a sequência de passos e o modelo executa cada um. No agente, o modelo decide a sequência. A Anthropic recomenda usar fluxo fixo sempre que ele resolve, e agente só quando a variação dos casos exige.

Um agente de IA consegue detectar documento falso?

Um agente de IA só detecta documento falso se tiver uma ferramenta específica de detecção de adulteração no fluxo. Ler e extrair dados com precisão não equivale a verificar autenticidade. Sem essa camada, o agente aprova com rapidez um documento montado que tenha campos coerentes.

Agentes de IA funcionam com documentos digitalizados de baixa qualidade?

Funcionam com limites. Agentes de IA dependem da camada de leitura, e imagens borradas, cortadas ou com baixa resolução reduzem a acurácia da extração. O agente bem configurado reconhece a baixa qualidade, pede um novo envio ao remetente ou encaminha o caso para revisão humana em vez de adivinhar.

Como medir se o agente de IA está acertando?

A medição do agente de IA usa três números por tipo de documento: acurácia das decisões comparada com a revisão humana, tempo médio por caso e taxa de exceção encaminhada para analistas. O período em paralelo, com equipe e agente analisando os mesmos casos, é a forma mais direta de obter esses números.

O agente de IA precisa se integrar ao ERP?

Sim, na maioria dos casos. O agente de IA precisa ler dados de referência, como pedidos de compra e cadastros, e gravar o resultado da análise no ERP ou no CRM. A integração costuma ser feita por API, com permissões limitadas ao que o agente realmente precisa acessar.

As empresas brasileiras já usam agentes de IA?

Sim. Segundo estudo do National Research Group para o Google Cloud, publicado em setembro de 2025, 62% das lideranças no Brasil dizem usar agentes de IA nas operações, contra 52% no mundo. A ABES, com dados da IDC, aponta que 40% das empresas brasileiras já investem em agentes.

Quem é responsável por um erro do agente de IA?

A empresa que usa o agente de IA responde pelo erro perante o titular dos dados e os órgãos reguladores. Na LGPD, os agentes de tratamento são o controlador e o operador, e o princípio da responsabilização (art. 6º, X) exige que eles demonstrem medidas eficazes. Por isso a trilha de auditoria é obrigatória na prática.

Quanto custa usar um agente de IA na análise de documentos?

O custo de um agente de IA na análise de documentos varia conforme o modelo de cobrança do fornecedor, que pode ser por página, por documento ou por caso concluído. A Dynadok, por exemplo, cobra por página processada. A comparação útil é com o custo atual da análise manual por documento.

Agentes de IA podem decidir pagamentos sozinhos?

Não é recomendado no início. O guia da OpenAI para construção de agentes aponta pagamentos e reembolsos grandes como ações de alto risco que devem ter supervisão humana até que a confiabilidade do agente esteja comprovada. A prática segura é o agente preparar o pagamento e um humano aprová-lo.

O AI Act europeu vale para empresas brasileiras?

O AI Act vale para empresas brasileiras que colocam sistemas de IA no mercado europeu ou cujos resultados são usados na União Europeia. Para as demais, o art. 14 serve como referência de boa prática, com supervisão humana, consciência do viés de automação e possibilidade de interromper o sistema.

Qual é o primeiro passo para adotar agentes de IA no back-office?

O primeiro passo é escolher um processo com alto volume e escrever as regras de conferência de cada tipo de documento envolvido. Sem regra escrita, o agente não tem o que executar e a empresa não tem como auditar. Depois, defina onde o humano revisa e rode o agente em paralelo com a equipe.

Conclusão

Agentes de IA mudam a análise de documentos no back-office porque passam a cuidar do caso inteiro, e não só da leitura: conferem, cruzam, pedem o que falta e encaminham. A Gartner prevê agentes em 40% dos aplicativos corporativos até o fim de 2026, mas também prevê o cancelamento de mais de 40% dos projetos agênticos até 2027, e a diferença entre os dois grupos está em regra escrita, trilha de auditoria e revisão humana nos pontos certos. Para ver como a validação automática de documentos com IA funciona na sua operação, solicite uma demonstração da Dynadok.

Como citar este artigo

ABNT: DYNADOK. Agentes de IA no back-office: o que muda na análise de documentos. Blog Dynadok, 16 out. 2026. Disponível em: https://blog.dynadok.com/ia/agentes-de-ia-no-back-office/. Acesso em: 16 out. 2026.

APA: Dynadok. (2026, 16 de outubro). Agentes de IA no back-office: o que muda na análise de documentos. Blog Dynadok. https://blog.dynadok.com/ia/agentes-de-ia-no-back-office/

Referências

ABES; CANALTECH. DE BLASI, Bruno. Empresas brasileiras colocam agentes de IA entre prioridades para 2026. Canaltech, 16 jun. 2026. Disponível em: https://canaltech.com.br/mercado/empresas-brasileiras-colocam-agentes-de-ia-entre-prioridades-para-2026/. Acesso em: 16 out. 2026.

ANTHROPIC. SCHLUNTZ, Erik; ZHANG, Barry. Building effective agents. Anthropic, 19 dez. 2024. Disponível em: https://www.anthropic.com/research/building-effective-agents. Acesso em: 16 out. 2026.

BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Brasília: Presidência da República, 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm. Acesso em: 16 out. 2026.

CENTRAL DO VAREJO. Estudo da IBM aponta IA agêntica, soberania de IA e velocidade como prioridades estratégicas para 2026. Central do Varejo, 28 jan. 2026. Disponível em: https://centraldovarejo.com.br/estudo-da-ibm-aponta-ia-agentica-soberania-de-ia-e-velocidade-como-prioridades-estrategicas-para-2026/. Acesso em: 16 out. 2026.

DELOITTE. Autonomous generative AI agents: under development. Deloitte Insights, TMT Predictions 2025, 19 nov. 2024. Disponível em: https://www.deloitte.com/us/en/insights/industry/technology/technology-media-and-telecom-predictions/2025/autonomous-generative-ai-agents-still-under-development.html. Acesso em: 16 out. 2026.

DYNADOK. Validação automática de documentos com IA. Dynadok, 2026. Disponível em: https://dynadok.com. Acesso em: 16 out. 2026.

GARTNER. Gartner predicts 40% of enterprise apps will feature task-specific AI agents by 2026, up from less than 5% in 2025. Gartner Newsroom, 26 ago. 2025. Disponível em: https://gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025. Acesso em: 16 out. 2026.

GARTNER. Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027. Gartner Newsroom, 25 jun. 2025. Disponível em: https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027. Acesso em: 16 out. 2026.

GARTNER. Gartner survey shows finance AI adoption remains steady in 2025. Gartner Newsroom, 18 nov. 2025. Disponível em: https://www.gartner.com/en/newsroom/press-releases/2025-11-18-gartner-survey-shows-finance-ai-adoption-remains-steady-in-2025. Acesso em: 16 out. 2026.

INFOMONEY. Maioria das empresas brasileiras usam agentes de IA, mostra estudo do Google Cloud. InfoMoney, 10 set. 2025. Disponível em: https://www.infomoney.com.br/business/maioria-das-empresas-brasileiras-usam-agentes-de-ia-mostra-estudo-do-google-cloud/. Acesso em: 16 out. 2026.

MCKINSEY & COMPANY. The state of AI in 2025: agents, innovation, and transformation. McKinsey, 5 nov. 2025. Disponível em: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2025. Acesso em: 16 out. 2026.

MICROSOFT. 2025: the year the Frontier Firm is born. Work Trend Index Annual Report, 23 abr. 2025. Disponível em: https://microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born. Acesso em: 16 out. 2026.

OPENAI. A practical guide to building agents. OpenAI, 2026. Disponível em: https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/. Acesso em: 16 out. 2026.

UNIÃO EUROPEIA. Regulamento (UE) 2024/1689 (AI Act), artigo 14: supervisão humana. AI Act Service Desk, Comissão Europeia, 2024. Disponível em: https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-14. Acesso em: 16 out. 2026.