IA agêntica em compras: a área com mais valor a extrair

A IA agêntica em compras avança mais devagar que no resto da organização. Numa pesquisa da Harvard Business Review Analytic Services com 385 respondentes, feita em março e abril de 2026, 35% usavam agentes de IA em desenvolvimento de software e 31% em operações de TI, contra 9% em compras. A distância chama atenção porque compras reúne processos estruturados, resultado medido em dinheiro e atrito manual, as condições em que um agente mais rende.

Num artigo publicado na HBR em agosto de 2026, Heiner Himmelreich, Ilan Oshri, Paolo Scala e Anas Zaidani, que acompanham a área há mais de uma década, atribuem o atraso à forma como as organizações decidem, controlam e medem compras. Os casos que eles documentam já rodam em produção. A pesquisa da HBR Analytic Services aponta na mesma direção: só 18% dos respondentes dizem que, na maioria dos processos que usam IA, ela está integrada ao fluxo de trabalho, e 69% concordam que os sistemas legados limitam a escala da IA na organização. Um agente de IA, aqui, é um sistema que recebe um objetivo, consulta dados e outros sistemas, executa etapas e ajusta o caminho conforme o resultado. Nas compras públicas, o termo convive com outro: a Lei nº 14.133/2021 chama de agente de contratação o servidor designado para conduzir a licitação e tomar as decisões dela. Quando um agente de IA entra na licitação, a decisão continua com o agente de contratação, e a governança precisa dizer o que cabe a cada um.

Por que compras deveria liderar a adoção de agentes de IA?

Porque compras reúne três características que raramente aparecem juntas em outra área: o resultado medido na mesma moeda do diretor financeiro, processos de várias etapas que se repetem em grande volume e um atrito manual que a automação tradicional não resolveu. Cada uma delas justificaria um agente; as três juntas põem compras à frente de quase qualquer outra função.

A primeira é a visibilidade econômica. Uma escolha melhor de fornecedor, um preço negociado com mais disciplina ou uma cláusula bem escrita aparecem direto no resultado, e o ganho pode ser medido contrato a contrato.

A segunda é a estrutura do processo. Do cadastro de fornecedores à cotação e ao acompanhamento do contrato, compras funciona por fluxos de muitas etapas, com documentos, prazos e responsáveis definidos. No setor público, a Lei nº 14.133/2021 dá forma legal a esse fluxo, do planejamento da contratação à seleção do fornecedor e à gestão do contrato.

A terceira é o atrito que persiste. A conferência de documentos de habilitação, a classificação de itens, a pesquisa de preços e a coordenação entre áreas ainda dependem de gente nos pontos críticos. Esse trabalho resistiu à automação por regras porque exige julgamento em várias etapas, que os agentes de IA conseguem assumir em parte.

O que os primeiros casos mostram

Himmelreich e os coautores descrevem uma grande empresa de energia europeia que recebe de 30 mil a 40 mil pedidos de cadastro de fornecedores por ano, cada um com até 25 documentos e mais de 20 etapas de qualificação, e que acompanha 18 mil fornecedores ativos com uma equipe de cerca de 25 pessoas. Em 2025, ela pôs em produção quatro agentes. Um orienta o fornecedor no preenchimento e aponta a escolha errada da categoria de serviço, que acontece em cerca de 30% dos pedidos. Outro ordena a fila pela necessidade real das áreas nas semanas seguintes. O terceiro procura sinais de risco, como tributos em atraso e ações trabalhistas, em fontes internas e externas. O quarto prepara para o diretor de compras um resumo de qualquer fornecedor antes de uma reunião.

Seis meses depois do primeiro agente, a fila tinha caído 20%, e a precisão, que começou em 60%, estava entre 70% e 80%. O sistema opera com supervisão humana desde o início.

O segundo caso, uma montadora, começou em 2023 com assistentes de texto para preparar cotações e percebeu que o tempo liberado não virava resultado nos processos antigos. Em 2024, ela redesenhou o ciclo de compras inteiro, com agentes ligados a resultados econômicos, como a seleção de fornecedores e a negociação. Cerca de 70% do trabalho de compras passou a correr numa única interface de conversa, e um teste A/B de três meses mediu o ganho com os mesmos indicadores usados para avaliar a área. No governo federal brasileiro, os primeiros passos estão no Compras.gov.br. Desde dezembro de 2025, a Alice, ferramenta da Controladoria-Geral da União (CGU), mostra no próprio sistema avisos sobre editais de pregão eletrônico depois da publicação; o aviso orienta, e cabe ao gestor analisá-lo e registrar a justificativa quando discordar. Em 2 de março de 2026, o Ministério da Gestão e da Inovação em Serviços Públicos (MGI) e o Serpro lançaram o MentorIA, um assistente que responde dúvidas sobre o planejamento das contratações a partir de leis, decretos e manuais selecionados. As duas ferramentas aconselham e deixam a decisão com o servidor, o primeiro degrau da autonomia que as seções seguintes discutem.

Três barreiras de organização

Nas entrevistas dos autores com líderes de compras e fornecedores de tecnologia, três barreiras se repetem, e as três são escolhas de desenho da organização.

A responsabilidade pela decisão

Compras opera sobre alçadas de aprovação formais e decide com consequência contratual e financeira. Um sistema que influencia a escolha do fornecedor levanta perguntas de responsabilidade e de auditoria que um assistente de marketing não levanta. No setor público, a licitação é conduzida por um agente de contratação designado, e a lei exige a segregação de funções, que veda ao mesmo servidor as funções mais suscetíveis a riscos. Muitas organizações respondem limitando tanto a autonomia do agente que ele deixa de acrescentar alguma coisa. Na pesquisa da HBR Analytic Services, 92% dos respondentes de organizações que usam ou estudam a IA agêntica concordam que agentes precisam de regras definidas para operar com segurança, e 48% dizem que a organização já as definiu.

O dono do projeto

Em muitas empresas, compras se beneficia da iniciativa de IA, e quem a desenha e conduz é a TI ou uma área digital central, com pouca participação da operação. O piloto funciona em condições controladas e trava quando encontra as exceções do processo real. Na mesma pesquisa, 46% dizem que a organização precisa esclarecer quem é dono do processo e quem responde por ele para melhorar o resultado da IA, e 47% apontam a coordenação entre áreas.

Os dados

O cadastro de fornecedores é inconsistente, a classificação dos gastos está incompleta, e os sistemas de gestão empresarial (ERP) guardam a informação espalhada entre unidades e sistemas. Na pesquisa da HBR Analytic Services, entre os respondentes que usam ou estudam agentes, 34% relatam que os agentes não têm acesso aos dados certos. Quando o agente erra por falta de dado, a conclusão costuma ser que a tecnologia falhou.

As três barreiras levam ao mesmo impasse, que os entrevistados dos autores chamam de "estágio da crença": o piloto é lançado, a adoção é comemorada, e ninguém responde pelo valor. Só 16% dos respondentes da HBR Analytic Services dizem que a organização obteve um grau alto de valor mensurável com a IA.

Sete decisões para sair do piloto

As organizações que já extraem valor da IA agêntica em compras tomaram decisões sobre dono, ordem, dados, autonomia, capacidade, governança e medida. Nenhuma é sobretudo técnica, e cada uma aumenta o efeito das outras.

Compras como dona do projeto

Nos projetos que escalam, compras define o caso de uso, é dona dos indicadores e responde pelo resultado operacional. A TI viabiliza a solução, e as escolhas de cada implantação ficam com quem vai conviver com elas.

O que fazer: nomeie um responsável de compras para cada agente, com metas no plano da área, e registre a TI como responsável pela integração e pela segurança.

O gargalo maior primeiro

Os casos maduros escolhem o processo com o gargalo econômico ou operacional mais claro: o cadastro de fornecedores, a preparação de cotações e editais, o acompanhamento de conformidade. Os casos mais maduros da pesquisa dos autores concentram os agentes nos materiais diretos e nos serviços complexos, que pesam mais no gasto que as compras de tecnologia. O resultado concentrado acelera o aprendizado e fica difícil de ignorar quando chega a discussão sobre escala.

O que fazer: ordene os processos de compras pelo volume de gasto e pelo tempo parado na fila, e comece pelo primeiro da lista.

Os dados como infraestrutura

A qualidade dos dados é condição para confiar uma decisão a um agente. O cadastro de fornecedores, a classificação de gastos e a integração entre sistemas são investimentos feitos antes da implantação, mesmo que atrasem o primeiro agente.

O que fazer: antes do primeiro agente, meça a completude do cadastro de fornecedores e a parcela do gasto sem classificação, e defina a meta de cada uma.

A autonomia em degraus

A autonomia avança do conselho à decisão com aprovação humana e, depois, à execução sob supervisão. Em tarefas estruturadas e de baixo risco, como a validação de documentos, o agente sobe rápido. Na negociação, ele pode ficar no papel de apoio por tempo indeterminado. No setor público, a decisão final continua com o agente de contratação, e o degrau do agente de IA se ajusta a isso.

O que fazer: para cada tarefa, escreva o degrau atual do agente, a condição para subir de degrau e quem aprova a mudança.

A capacidade que passa de um agente para o outro

Em vez de projetos isolados, as organizações que avançam montam um método repetível para identificar, implantar e escalar agentes. A equipe do primeiro agente leva ao segundo os componentes, as integrações e as regras de governança. O profissional de compras passa a supervisionar os agentes e a decidir onde a IA não alcança.

O que fazer: trate o primeiro agente como o início de uma carteira, com a mesma equipe, um repositório de componentes reaproveitáveis e um rito de revisão a cada nova implantação.

A governança desde o primeiro agente

Alçadas de aprovação, trilha de auditoria, caminhos de escalonamento e mecanismos para anular a decisão do agente são definidos antes da entrada em produção. Na pesquisa, 54% dos respondentes citam a revisão humana das saídas da IA entre os mecanismos já adotados ou em adoção, e só 27% citam a trilha de auditoria e 17% o escalonamento das decisões da IA. Nos casos maduros, cada agente tem um caso de investimento ligado a uma etapa do processo e a um indicador financeiro.

O que fazer: não ponha em produção um agente sem trilha de auditoria, regra de escalonamento e caso de investimento aprovados.

O resultado medido em dinheiro

Os casos maduros medem o agente pelos indicadores da área: economia capturada, ganho em negociação, custo evitado e tempo de decisão em situações críticas. O uso do chatbot e a redução do tempo de ciclo ficam como indicadores secundários. Na pesquisa, os indicadores mais acompanhados são a eficiência operacional (57%) e a produtividade (56%), e só 18% acompanham novas receitas. O que fazer: inclua os agentes no relatório de resultados de compras, com a economia e o custo evitado atribuídos a cada um.

Conclusão

Compras adota menos IA agêntica que as outras áreas porque a responsabilidade pela decisão, o dono do projeto e os dados ficaram como estavam antes da tecnologia. As organizações que avançam dão a compras a responsabilidade pelos agentes, preparam os dados e a governança antes da produção e medem o resultado em dinheiro. No setor público, a Alice e o MentorIA já mostram o primeiro degrau, com a decisão nas mãos do servidor.

Os agentes trabalham sobre dados de contratos e fornecedores. O Takter Converge CLM reúne num só lugar o cadastro dos contratos, os atestes eletrônicos, a execução financeira e o histórico rastreável de cada um, e se integra a ERPs como SAP e Oracle por APIs REST. Para avaliar essa base na carteira de contratos da sua organização, fale com a Takter.

Fontes

• Harvard Business Review Analytic Services, What Drives AI Value, pesquisa de abril de 2026, patrocinada pela Appian.
• Heiner Himmelreich, Ilan Oshri, Paolo Scala e Anas Zaidani, Why Agentic AI Could Transform Procurement, Harvard Business Review, agosto de 2026.
• Lei nº 14.133/2021, a Lei de Licitações e Contratos.
• CGU, Alice integrada ao Compras.gov.br, dezembro de 2025.
• MGI, MGI lança MentorIA, fevereiro de 2026.