Como o varejo cria IA que executa e não apenas responde
*Por Alessandro Gil, VP da Wake
Por vários anos, "ter IA" no varejo significou basicamente ter um chatbot. Uma caixa de conversa que respondia perguntas frequentes, orientava o cliente e, no melhor dos casos, encaminhava a solicitação para um humano quando não sabia o que fazer. Esse recurso era útil, mas fundamentalmente limitado. A IA falava, mas não fazia.
Estamos vivendo agora uma transição de natureza completamente diferente — e as pesquisas mostram que ela está acontecendo muito mais rápido do que a maioria das operações imagina. A IA está deixando de ser uma tecnologia que responde para se tornar uma tecnologia que executa.
A Gartner projeta que, até o fim de 2026, 40% das aplicações corporativas contarão com agentes de IA voltados a tarefas específicas, o que significa um salto vertiginoso frente aos menos de 5% registrados em 2025. No varejo, o movimento é ainda mais agressivo: o Deloitte 2026 Retail Industry Global Outlook, que ouviu 330 executivos globais, apurou que 68% deles esperam implementar IA agêntica em atividades operacionais e corporativas centrais nos próximos 12 a 24 meses.
A diferença entre um chatbot e um agente é qualitativa, não incremental. Como a própria Deloitte define, IA agêntica é aquela capaz de agir de forma autônoma e tomar decisões, não apenas analisar dados. Um chatbot responde "seu pedido está a caminho", um agente identifica que o pedido vai atrasar, avalia rotas alternativas, redireciona o fulfillment para a loja mais próxima com estoque e notifica o cliente com a nova previsão. Tudo isso sem intervenção humana. É a diferença entre uma ferramenta de informação e um executor de processos de ponta a ponta.
No atendimento, os agentes resolvem solicitações complexas de ponta a ponta, processam trocas, reagendam entregas e aplicam políticas previamente estabelecidas. Na reposição, monitoram estoque em tempo real, preveem rupturas e disparam pedidos de reabastecimento antes que a prateleira esvazie. Na precificação, ajustam preços dinamicamente respeitando margem-piso e regras de negócio. No back-office, automatizam conciliações, enriquecem catálogos com milhares de SKUs e cruzam dados fiscais que antes exigiam semanas de trabalho manual.
A Gartner estrutura essa evolução em cinco estágios do simples assistente embarcado (estágio 1) até ecossistemas de agentes colaborando entre múltiplas aplicações (estágios 4 e 5, com maturidade prevista para 2028–2029). Estamos, agora, na fronteira do estágio 2 em que os agentes de tarefa específica. E é justamente aqui que o varejo precisa aprender a construir com segurança.
O entusiasmo com agentes autônomos precisa vir acompanhado de uma dose saudável de realismo sobre os riscos. A McKinsey reportou que 51% das organizações já sofreram pelo menos uma consequência negativa relacionada à IA. E, à medida que os agentes ganham autonomia para executar, o custo de um erro passa a ser uma ação real com impacto financeiro: um preço errado aplicado, sortimento de produto feito indevidamente, um pedido mal roteado, uma promessa que a operação não cumpre.
O problema ganha ainda mais relevância diante de um dado do Stanford AI Index 2025: as taxas de alucinação entre os 26 principais modelos avaliados variaram de 22% a 94%. Um modelo que alucina não pode receber autonomia cega para executar decisões irreversíveis. É por isso que os high performers, não largam os agentes soltos, mas os combinam estritamente com guardrails de políticas, RAG (geração aumentada por recuperação) e checkpoints humanos para impedir ações não autorizadas.
Como criar agentes com segurança: a arquitetura importa
Construir um agente confiável começa por uma verdade que a Deloitte destaca: 44% dos varejistas afirmam que sistemas legados estão ativamente atrasando sua inovação. Não se constrói um agente autônomo robusto sobre uma base de dados fragmentada, com estoque desencontrado e regras de negócio que vivem na cabeça das pessoas em vez de estarem nos sistemas. A fundação de dados unificada e em tempo real é a condição de partida.
Sobre essa fundação, três princípios governam a criação segura de agentes. Primeiro, o perímetro determinístico: regras inegociáveis, como margem-piso, SLA, política de frete e preço, que o agente jamais pode violar, por mais "criativa" que a IA generativa seja. Segundo, a rastreabilidade: cada decisão do agente precisa ser auditável, algo especialmente crítico. Terceiro, a supervisão calibrada por criticidade: quanto mais irreversível a ação, mais próximo o checkpoint humano deve estar. Enriquecer catálogo pode rodar autônomo, aprovar uma condição comercial excepcional, não.
O varejo que vai vencer é o que combina autonomia com controle
A transição do chatbot ao agente é uma das maiores oportunidades da década para o varejo — a Gartner projeta que a IA agêntica movimentará cerca de 30% da receita de software corporativo até 2035, ultrapassando US$ 450 bilhões. Mas oportunidade dessa magnitude não se captura com fé cega em automação. Captura-se com engenharia, fundação de dados sólida, perímetro determinístico bem desenhado, rastreabilidade e supervisão proporcional ao risco.
O agente que executa pode ser muito mais valioso que o chatbot que responde. Mas ele só entrega esse valor quando é construído com a mesma seriedade com que se constrói qualquer sistema crítico de missão. E, no varejo de margem apertada, esse é um luxo que ninguém pode se dar.
