©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

Depois da interface

Como competir quando o cliente delega parte da decisão à IA

À medida que agentes de IA passam a pesquisar, comparar e decidir em nome do cliente, a disputa deixa de ser só pela atenção das pessoas, e passa a incluir a capacidade de uma empresa ser compreendida, verificada e escolhida por sistemas.

Vinicius Caridá

14 de agosto de 2026

17 min de leitura

O debate sobre inteligência artificial nas empresas nem sempre é conduzido a partir da perspectiva estratégica mais relevante. Com frequência, começa dentro da organização: ganhos de produtividade, copilotos, automação de tarefas e novas ferramentas para equipes internas. Esses temas são relevantes, mas talvez não concentrem a transformação mais estrutural.

Uma mudança potencialmente mais profunda pode ocorrer fora da empresa, quando parte da descoberta, da comparação e da decisão do cliente deixa de acontecer na interface controlada pela marca e passa a ser mediada por sistemas que representam seus interesses. Nesse contexto, a questão estratégica deixa de ser apenas como usar IA para operar melhor. Passa a incluir como competir quando o cliente já não interage sozinho com o mercado.

Algumas pesquisas denominam esse fenômeno de machine customers: atores econômicos não humanos, habilitados por IA, com capacidade de adquirir bens ou serviços em nome de pessoas ou organizações. Em seu material mais recente sobre o tema, a Gartner argumenta que essa agenda já merece ser tratada como um movimento presente e projeta, entre outros cenários, que mais da metade dos centros de vendas e serviços interagirá com machine customers até 2027 e que parte das vitrines digitais desenhadas exclusivamente para humanos poderá perder utilidade até 2028.

O ritmo dessas projeções pode variar entre setores, geografias e categorias de consumo. Ainda assim, sua implicação estratégica merece atenção: a mediação algorítmica da demanda começa a deixar de ser uma hipótese periférica.

Isso não significa que consumidores estejam dispostos a transferir integralmente suas decisões a agentes autônomos. Pesquisas recentes da Gartner e da McKinsey apontam para um cenário intermediário e, no curto prazo, mais plausível. A IA ganha espaço nas etapas de descoberta, pesquisa e comparação, enquanto a autonomia para concluir compras ainda encontra limitações relacionadas a confiança, consentimento e responsabilidade.

Nos Estados Unidos, uma pesquisa da Gartner identificou disposição limitada para permitir que a IA tomasse decisões de compra de forma independente. Na Europa, análises da McKinsey indicam que a influência da tecnologia já é relevante na avaliação de opções, mas que o nível de conforto diminui quando ela passa da recomendação para a execução recorrente.

O ponto central, portanto, não é antecipar uma transição imediata para compras inteiramente automatizadas. É reconhecer que parte da formação da preferência já começa a migrar.

Quando parte da decisão sai da interface

Ao longo de duas décadas de transformação digital, empresas investiram em sites, aplicativos, mecanismos de busca, mídia, CRM, experiência do usuário e personalização para aperfeiçoar jornadas predominantemente desenhadas para pessoas. A lógica era relativamente estável: o cliente buscava informações, comparava alternativas, navegava por canais digitais e tomava uma decisão. A empresa procurava diferenciar-se pela combinação entre marca, usabilidade, oferta, preço, relacionamento e capacidade de conversão.

Agentes de IA começam a reordenar essa sequência. Em vez de percorrer diferentes páginas e interpretar isoladamente cada alternativa, o cliente pode estabelecer um objetivo, explicitar restrições e permitir que um sistema pesquise, compare opções, sintetize vantagens e limitações e, em determinados casos, execute uma escolha dentro de parâmetros definidos.

É nesse sentido que pesquisas publicadas pelo NBER associam o impacto econômico dos agentes à redução dos custos de busca, comunicação, contratação e coordenação. Trata-se menos de oferecer respostas melhores dentro de uma jornada existente e mais de criar outra forma de organizar a interação econômica.

Essa passagem da interação para a delegação também ajuda a compreender por que o MIT CISR reformulou seu framework de modelos de negócio para a era da IA. Em sua nova versão, um dos eixos deixa de se concentrar apenas no conhecimento sobre o cliente e passa a considerar a capacidade de agir em seu nome.

A alteração é relevante. As organizações não competirão apenas por interpretar melhor preferências e comportamentos. Algumas procurarão representar clientes dentro de limites previamente definidos. Outras buscarão tornar seus produtos e serviços suficientemente acessíveis, compreensíveis e confiáveis para serem selecionados por agentes externos.

A IA, nesse contexto, deixa de estar associada somente à eficiência operacional e passa a integrar de forma mais explícita a estratégia competitiva.

Há ainda um efeito econômico menos intuitivo. Quando um agente assume parte da busca e da comparação, pode reduzir a importância de determinados pontos de fricção que, no modelo anterior, favoreciam empresas estabelecidas: excesso de informação, dificuldade de comparar propostas, esforço cognitivo do consumidor e dependência de navegação manual.

Em alguns mercados, essa redução pode ampliar a competição e facilitar a entrada de alternativas menos conhecidas. Em outros, pode fortalecer novas formas de intermediação e concentração, especialmente quando um número restrito de plataformas controla identidade, descoberta, reputação, recomendação e execução.

O debate, portanto, não se limita à conveniência proporcionada ao consumidor. Ele envolve quem poderá ocupar a nova camada de intermediação entre oferta e demanda.

A vantagem competitiva passa também pela legibilidade

Se parte da decisão migra da pessoa para o sistema que a representa, a empresa passa a depender de uma capacidade que nem sempre esteve no centro de sua estratégia digital: ser legível para máquinas.

Legibilidade por máquina não se resume à existência de uma API. Significa conseguir apresentar, de forma estruturada, atualizada e verificável, o que a organização oferece, em quais condições, com quais restrições, em quais combinações, sob quais níveis de serviço e com quais responsabilidades.

As organizações precisarão considerar duas experiências complementares: uma voltada aos usuários finais e outra apta a ser interpretada por agentes de IA. Essa perspectiva ajuda a mostrar que o tema não pertence exclusivamente ao marketing ou à tecnologia. Ele conecta arquitetura, produto, dados, distribuição e modelo de negócio.

Esse movimento já aparece em iniciativas concretas. A Amazon ampliou o alcance de seu ecossistema Shop Direct e do recurso Buy for Me, permitindo que consumidores descubram produtos fora de seu catálogo e, em algumas situações, autorizem a empresa a concluir a compra em sites de terceiros.

Em paralelo, a Mastercard lançou o Agent Pay, iniciativa voltada a transações conduzidas por agentes verificados, com tokenização, critérios de autorização e maior transparência sobre o papel desempenhado pelo agente no processo de compra.

Nos dois casos, a questão relevante não é a presença de um chatbot. É o desenvolvimento de uma infraestrutura capaz de sustentar descoberta, comparação, decisão e execução mediadas por IA.

O desafio é que muitas empresas ainda foram desenhadas prioritariamente para comunicação e persuasão humanas, e não para avaliação algorítmica. Seus catálogos podem ter pouca estrutura semântica. Políticas comerciais e operacionais podem conter ambiguidades. Atributos comparativos podem estar dispersos entre diferentes canais. Regras de elegibilidade, disponibilidade, contratação e pós-venda nem sempre são expostas de maneira verificável.

Em um mercado parcialmente mediado por agentes, essas características podem reduzir a relevância de uma empresa mesmo quando sua oferta é competitiva. O problema pode não estar na qualidade do produto, mas na dificuldade de compreendê-lo, compará-lo e selecioná-lo.

Nesse cenário, arquitetura de dados, semântica de produto, integração e observabilidade deixam de ser apenas componentes técnicos. Passam a integrar a capacidade de distribuição e competição da organização.

A marca não desaparece, mas precisa ser traduzida

Uma interpretação possível é que as marcas perderão importância em um ambiente de agentes. Essa leitura, porém, é incompleta. A marca não desaparece; ela passa a se manifestar também por outros sinais.

No modelo predominantemente humano, parte relevante da força de uma marca se expressa por meio de narrativas, recorrência, design, reconhecimento e estímulos emocionais construídos ao longo da jornada. Em experiências parcialmente mediadas por IA, esse repertório continua relevante para as pessoas, mas pode ser insuficiente para sistemas que comparam atributos, interpretam restrições e operam com critérios programáveis. Agentes podem responder de maneira distinta a mecanismos tradicionais de conversão, como escassez artificial, urgência e outros estímulos desenvolvidos para influenciar o comportamento humano.

Pesquisas recentes ajudam a dimensionar essa mudança. A Columbia Business School resume um estudo sobre comércio eletrônico agêntico no qual sinais como “mais vendido” ou “mais selecionado” influenciaram de modo relevante escolhas realizadas por agentes, enquanto conteúdos patrocinados apresentaram menor tração relativa em determinados experimentos.

Isso sugere que agentes não devem ser presumidos como avaliadores neutros. Eles também respondem a sinais, critérios de ordenação, heurísticas e características do ambiente informacional em que operam.

A disputa por preferência, portanto, não desaparece. Ela passa a incorporar uma combinação diferente de reputação, estrutura da informação, relevância contextual, evidências verificáveis e posição algorítmica.

A McKinsey descreve a busca baseada em IA como uma possível nova porta de entrada para a internet. Entre usuários que já experimentaram esse tipo de ferramenta, 44% a classificaram como sua fonte principal e preferida de pesquisa, acima dos mecanismos tradicionais de busca.

Esse comportamento ajuda a explicar por que discussões sobre otimização para mecanismos generativos, legibilidade semântica e conteúdo preparado para agentes começam a entrar na agenda executiva. A empresa continua competindo pelo clique, mas passa a competir também pela citação, pela síntese, pela recomendação e pela seleção dentro de interfaces que nem sempre encaminharão o usuário ao ambiente original da marca.

Delegação exige modelos de decisão mais explícitos

É nesse ponto que o tema deixa de ser apenas uma discussão sobre canais e passa a envolver liderança, governança e modelo operacional.

Quando um agente pesquisa, compara e recomenda, a exposição tende a ser mais limitada. Quando ele passa a executar transações ou alterar uma relação comercial, a questão não se restringe ao que a tecnologia é capaz de fazer. É preciso definir quem autorizou a ação, dentro de quais limites e sob qual regime de responsabilidade.

O MIT Sloan tem ressaltado que agentes ainda enfrentam limitações relacionadas a confiabilidade, tratamento de exceções, supervisão e segurança. Davenport e Bean observaram que, em 2026, a aplicação ampla da IA agêntica ainda exigia cautela e mecanismos consistentes de controle, em razão de problemas como alucinações, erros e vulnerabilidades a ataques de prompt injection.

Outro estudo do MIT, dedicado aos esforços necessários para implementar agentes, mostra que parte substancial do trabalho não se concentra no modelo ou na elaboração de prompts. Ela está na integração de dados, na validação, no monitoramento adaptativo, na governança e na responsabilização. Para cada hora dedicada ao refinamento do modelo, os pesquisadores identificaram aproximadamente quatro horas de trabalho de implementação sociotécnica.

Essas evidências ajudam a conduzir o debate executivo para uma perspectiva mais relevante. A questão estratégica não se limita a saber se a empresa terá agentes. Envolve estabelecer critérios claros de delegação.

Quais decisões podem ser apoiadas pela IA? Quais podem ser recomendadas? Quais podem ser executadas automaticamente? Em quais situações a supervisão humana precisa ser explícita? Como devem variar os mecanismos de controle de acordo com risco, ambiguidade e impacto?

Ao lançar uma iniciativa dedicada a padrões para agentes, o NIST sinalizou que identidade, interoperabilidade, segurança e confiança já são tratadas como condições para o funcionamento de um ecossistema de agentes. O mercado avança na mesma direção com protocolos como MCP e A2A.

O amadurecimento técnico desses mecanismos, no entanto, não transfere a responsabilidade organizacional. Consentimento, limites de ação, rastreabilidade, contestação e reversibilidade continuam sendo decisões de governança e desenho de negócio.

Nem toda jornada precisa ser autônoma

Uma das simplificações recorrentes nesse debate é imaginar que toda experiência relevante migrará para agentes. Essa hipótese não encontra respaldo uniforme nas pesquisas nem no comportamento observado dos consumidores.

O estudo da Gartner Futures Lab sobre os consumidores de 2035 é útil justamente por evitar uma visão homogênea. O relatório apresenta diferentes perfis de consumidores, definidos em grande medida pela tensão entre eficiência tecnológica e conexão humana.

A própria Gartner indica que consumidores demonstram maior disposição para utilizar IA em atividades de triagem, pesquisa e comparação do que para delegar integralmente uma decisão de compra. A McKinsey identifica uma dinâmica semelhante: a influência da IA cresce, mas a delegação irrestrita permanece mais limitada.

Essa distinção evita duas leituras pouco produtivas. A primeira é supor que todas as empresas precisam avançar imediatamente para um modelo de autonomia plena. A segunda é concluir que, como a delegação integral ainda é restrita, o tema pode ser postergado.

A implicação mais plausível é que as organizações precisarão operar em um ambiente híbrido. As pessoas continuarão tomando grande parte das decisões, mas poderão ser cada vez mais apoiadas, filtradas ou representadas por agentes em momentos específicos da jornada.

Em termos estratégicos, isso exige três movimentos complementares.

O primeiro é adaptar produtos, conteúdos e serviços para que possam ser interpretados por agentes. O segundo é desenvolver modelos de delegação e responsabilidade proporcionais ao risco. O terceiro é definir a posição que a organização pretende ocupar nesse ecossistema.

Ela buscará oferecer o agente que representa o cliente? Pretenderá ser uma fornecedora preferencial de agentes operados por terceiros? Atuará como orquestradora de diferentes produtos e serviços? Ou participará como uma das opções disponíveis em ambientes intermediados por plataformas maiores?

Essas são decisões de posicionamento e modelo de negócio, não apenas escolhas tecnológicas.

Competir depois da interface

A primeira onda da transformação digital perguntou como colocar a empresa na palma da mão do cliente. A próxima amplia essa questão: como competir quando parte da relação com o cliente passa a ser mediada por sistemas que pesquisam, filtram, comparam e, em alguns casos, executam em seu nome?

Nesse cenário, as fontes de vantagem competitiva tendem a se ampliar. Proposta de valor, confiança, relacionamento e qualidade de execução continuarão relevantes. Mas outros atributos passam a ganhar importância: legibilidade por máquina, sinais verificáveis de reputação, interoperabilidade com ecossistemas externos, critérios claros de delegação e estruturas de responsabilidade capazes de sustentar decisões mediadas por IA.

Uma leitura limitada seria tratar esse movimento apenas como mais uma etapa da automação interna ou uma nova frente do marketing digital. Seu alcance pode ser maior. Ele desloca parte da competição da experiência controlada pela empresa para uma decisão que ela precisará influenciar mesmo quando não controlar toda a jornada.

Na primeira transformação digital, o desafio era estar a um clique do cliente. Na próxima, isso poderá não ser suficiente.

A capacidade de permanecer entre as opções que um agente considera compreensíveis, relevantes e confiáveis tende a se tornar uma nova dimensão da competição.