Substituir todo o RPA por agentes de IA é uma decisão que custa caro e raramente gera retorno. A Gartner prevê que mais de 40% dos projetos de agentic AI serão cancelados até 2027, e boa parte deles nasceu exatamente dessa lógica de troca total. Este artigo mostra quando o agente vence, quando o robô legado continua imbatível e o roadmap de coexistência que protege o caixa.
A pressão existe e é real. O board pergunta sobre agentes de IA, o fornecedor de RPA renomeia o produto, e o CTO mid-market fica no meio: mantém o robô que funciona há cinco anos ou aposta no agente que promete cobrir o triplo dos processos? Em 2026, a resposta certa quase nunca é binária. RPA e agentes de IA resolvem problemas diferentes, e tratar um como sucessor do outro é o atalho mais rápido para virar estatística de projeto cancelado.
Quando faz sentido substituir RPA por agentes de IA?
A substituição faz sentido quando o processo tem alta variabilidade, depende de interpretação de texto ou documento e quebra com frequência por exceções. Nesses cenários, o RPA exige manutenção constante de scripts e o agente entrega mais cobertura com menos retrabalho. Processos estruturados e estáveis devem ficar onde estão.
O critério de decisão tem três perguntas. Primeira: a entrada do processo é previsível? Uma conciliação bancária com layout fixo é previsível. Um e-mail de cliente pedindo alteração contratual não é. Segunda: a regra de negócio cabe num fluxograma? Se cabe, RPA executa mais barato. Terceira: o custo de um erro é tolerável? Agente de IA erra de forma menos previsível que script, e processo crítico exige trilha de auditoria que o RPA entrega de fábrica.
Na prática que vejo em operações mid-market no Brasil, a automação fiscal é o último lugar para colocar um agente. Emissão de NF-e, apuração de impostos e obrigações acessórias são o retrato do processo estruturado, estável e auditável. O agente entra antes no atendimento, no comercial e no back-office documental, onde a variabilidade mata o script.
Por que 40% dos projetos de agentes serão cancelados até 2027?
Custos crescentes, valor de negócio incerto e controles de risco inadequados são as três causas apontadas pela Gartner. Segundo a previsão da Gartner publicada em 2025, mais de 40% dos projetos de agentic AI serão cancelados até o fim de 2027. A maioria nasce como prova de conceito movida por hype, sem caso de uso definido e sem cálculo do custo de operação em escala.
A mesma análise expõe um problema de fornecedor: o agent washing. Dos milhares de vendedores que se apresentam como plataformas de agentes, a Gartner estima que apenas cerca de 130 entregam capacidade agêntica real. O resto rebatizou chatbot, assistente ou o próprio RPA. Para o CTO, isso significa que parte das propostas na sua mesa vende o robô que você já tem com etiqueta nova e preço maior.
Tem ainda o fator que quase ninguém coloca na planilha. Segundo o State of AI da McKinsey (2025), o redesenho de workflows é, entre 25 atributos testados, o que tem maior efeito sobre o impacto de EBIT gerado por IA. Trocar o executor sem redesenhar o processo só muda quem executa o processo ruim. O agente herda o fluxo quebrado e entrega o mesmo resultado, agora com custo de inferência.
RPA e agentes de IA: o que cada um faz melhor?
RPA: automação baseada em regras que executa tarefas estruturadas e repetitivas em interfaces e sistemas, com comportamento determinístico e auditável.
Agente de IA: software que usa modelos de linguagem para interpretar contexto, planejar passos e executar tarefas variáveis com autonomia supervisionada.
| Característica do processo | Melhor tecnologia | Exemplo em operação de receita |
|---|---|---|
| Entrada estruturada, regra fixa, estável | RPA | Conciliação financeira, emissão fiscal, sincronização de cadastros entre CRM e ERP |
| Documento ou texto livre, alta variabilidade | Agente de IA | Triagem de tickets, análise de contratos, qualificação de leads por e-mail |
| Fluxo ponta a ponta com etapas dos dois tipos | Orquestração híbrida | Quote-to-cash: agente interpreta pedido, RPA lança no ERP |
| Processo crítico com exigência de auditoria | RPA com supervisão | Faturamento, folha, obrigações regulatórias |
O mercado já validou esse desenho. A UiPath, maior fornecedor de RPA do mundo, lançou plataforma de automação agêntica que orquestra robôs, agentes e humanos no mesmo fluxo, em vez de aposentar o robô. Como descreve a análise da Reworked (2026), a visão dos próprios fornecedores de RPA migrou de substituição para coexistência: o robô cuida do estável, o agente cuida do variável.
Aqui entra o ponto que considero o mais subestimado dessa discussão: seu RPA legado é o melhor mapa de processos que você tem para decidir onde colocar agentes. Os logs de execução dos robôs mostram volume, frequência de exceção e pontos de quebra de cada processo automatizado. Cruzando a previsão de cancelamento da Gartner com o achado da McKinsey sobre redesenho de workflow, a conclusão é direta: quem trata o inventário de RPA como documentação viva escolhe casos de uso de agente com dado real, e não com slide de fornecedor. Quem desliga o robô joga fora exatamente essa telemetria.
Como montar o roadmap de coexistência em 4 fases?
O roadmap parte do inventário do que já roda, classifica processos por variabilidade e valor, pilota agente onde o RPA sofre e unifica governança no final. O erro comum é começar pela compra da plataforma. A sequência correta é esta:
- Inventário e telemetria: liste todas as automações ativas, com volume mensal, taxa de exceção e custo de manutenção de cada uma. A pesquisa de automação inteligente da Deloitte encontrou 74% das organizações implementando RPA, mas só 38% das que implementam ou escalam tinham estratégia de automação para a empresa inteira. O inventário é o primeiro passo dessa estratégia.
- Classificação por variabilidade e valor: posicione cada processo na matriz da tabela acima. Processos estáveis e saudáveis ficam no RPA. Processos com taxa de exceção alta e manutenção cara entram na fila de candidatos a agente.
- Piloto com critério de aprovação definido antes: escolha um processo documental de valor médio, defina métricas de aprovação (taxa de conclusão autônoma, custo por execução, taxa de erro) e um teto de orçamento. Sem critério prévio, todo piloto “funciona” na demo e morre em produção.
- Orquestração e governança comum: unifique observabilidade, controle de custo e gestão de exceções de robôs e agentes no mesmo painel. É nessa fase que entra a decisão de plataforma, e não na fase um.
Para a camada de governança dessa fase final, o framework que detalhei em governança de IA: 7 indicadores que todo CTO precisa monitorar antes de escalar se aplica integralmente a ambientes híbridos de RPA e agentes.
Quanto custa errar essa decisão?
O custo do erro aparece em três contas: o desperdício do projeto cancelado, a reconstrução do que o RPA já fazia e o custo de inferência recorrente que ninguém projetou. No State of AI da McKinsey, apenas 39% das organizações reportam impacto de EBIT no nível da empresa vindo de IA, mesmo com 62% já experimentando agentes. A distância entre experimentar e gerar resultado financeiro é onde mora o desperdício.
No contexto brasileiro, a conta piora por um detalhe de câmbio: custo de inferência é dolarizado, receita do mid-market é em real. Um agente que processa milhares de execuções mensais com chamadas a modelos de fronteira pode custar mais por mês do que a licença anual do robô que ele substituiu. Antes de migrar qualquer processo de volume alto, projete o custo unitário de execução nos dois cenários. Esse mesmo raciocínio de dado operacional alimentando decisão de investimento é o coração do que descrevo em dados proprietários como vantagem competitiva.
E existe o custo de oportunidade reverso: enquanto o time reconstrói em agente o que o RPA já fazia, processos que realmente precisam de agente, como triagem inteligente de atendimento ou reativação de base perdida com contexto, seguem manuais. A operação descrita em win-back de clientes B2B é um exemplo de caso de uso onde o agente gera receita nova em vez de substituir custo já resolvido.
Conclusão: o que fazer essa semana
A decisão entre RPA e agentes de IA não é uma escolha de lado. É uma alocação de portfólio: cada tecnologia no processo onde gera mais resultado por real investido. Cinco ações para começar agora:
- Exporte os logs das suas automações RPA e monte o inventário com volume, exceções e custo de manutenção por processo.
- Classifique os 10 processos de maior volume na matriz de variabilidade e valor antes de qualquer conversa com fornecedor.
- Pergunte a cada fornecedor de “agentes” o que o produto fazia há dois anos. Se a resposta for chatbot ou RPA renomeado, trate como agent washing.
- Defina critério de aprovação e teto de orçamento por escrito antes de iniciar qualquer piloto de agente.
- Projete o custo de inferência em real, por execução, para os 12 primeiros meses de qualquer processo candidato a migração.
Em projetos de operação que estruturei nos últimos anos, o padrão se repete: quem escala automação trata o legado como ativo de dados, e não como dívida a ser demolida. O robô que funciona paga a conta do agente que ainda vai aprender.
Perguntas frequentes
Comentários (0)