EP16 - A lição da Prosus: sessenta mil agentes e pouco retorno de verdade

Ouvir em: Spotify | Apple Podcasts | RSS Feed

Sobre este episódio

A adoção de agentes de IA está crescendo rápido, mas escala sozinha não garante resultado. Muitas empresas celebram a quantidade de ferramentas implantadas sem perceber que a maior parte delas consome recursos e entrega pouco valor real, enquanto uma fração minúscula concentra todo o impacto financeiro.

Neste episódio do TheAgent Podcast, Mark, Lily e Raquel analisam o caso real da Prosus, que rodou sessenta mil agentes para quarenta mil funcionários e descobriu a lei de potência por trás dos resultados. Eles explicam como separar o que merece atenção estratégica do que é só custo escondido, ensinam a criar filtros de governança por faixa de uso e mostram um passo a passo prático para encontrar os dois por cento de casos que realmente mudam a operação.

O que fazer na prática

1. Mapeie as tarefas repetitivas dos últimos três meses e ranqueie-as pelo volume de execução e pelo custo do erro, escolhendo apenas uma para testar primeiro.
2. Defina um limite de investimento e um prazo de quinze dias para o teste do agente, estabelecendo antes qual resultado concreto precisa aparecer para ele continuar existindo.
3. Ao final do prazo, tome uma decisão objetiva: se o agente entregar o resultado esperado de forma previsível, escale; se o erro for aleatório ou o resultado não aparecer, encerre o teste imediatamente.

Capítulos

• 00:00 Cold open: a ilusão dos sessenta mil agentes
• 01:00 O caso Prosus e a lei de potência explicada
• 02:30 Por que a maioria dos agentes some no radar
• 04:00 O erro de governar tudo igual e o filtro por requisição
• 05:30 Exemplo prático: fintech e estornos
• 07:00 Raquel: caixa, noventa dias e o custo escondido
• 08:15 Como aplicar: o passo a passo de quinze dias
• 09:30 Quando encerrar e quando ajustar o teste
• 10:30 A pergunta final sobre reorganizar o time

Fontes e referências

• Relatório público da Prosus sobre implantação e resultados de agentes de IA

Perguntas frequentes

O que é lei de potência no contexto de agentes de IA?
É o padrão onde o retorno dos agentes não se distribui de forma igual. A maioria entrega valor pequeno, enquanto uma fração mínima concentra quase todo o impacto financeiro, como aconteceu na Prosus com menos de um por cento dos agentes gerando retornos extraordinários.

Como funciona a governança por faixa de uso mencionada no episódio?
A empresa libera o uso do agente até um limite de custo, como duzentas requisições por hora, e exige aprovação apenas quando esse limite é ultrapassado. Isso permite testar ideias de alto potencial sem medo de estourar o orçamento, concentrando a atenção nos casos que realmente importam.

Por que a quantidade de agentes ativos não é um bom indicador de sucesso?
Contar agentes ativos só mostra volume de implantação, não valor real. A Prosus tinha sessenta mil agentes rodando, mas oitenta e dois por cento deles economizavam menos de vinte horas mensais cada um, enquanto menos de um por cento gerava retornos milionários. O indicador que importa é o resultado novo que só existe porque aquele agente existe.

O que fazer se o agente não entregar resultado em quinze dias?
A decisão depende do tipo de erro que apareceu durante o teste. Se ele entregou algo próximo do esperado de forma previsível, você pode ajustar o prompt e testar por mais uma semana. Se o erro for aleatório ou o resultado não aparecer, encerre o teste, porque agentes imprevisíveis costumam exigir mais supervisão humana do que o trabalho manual original.

Edições da newsletter que inspiraram este episódio

• Briefing: O primeiro ransomware conduzido por agente de IA já aconteceu
• Dossiê: Prosus e os 60 mil agentes: o mapa da transformação silenciosa

Assine a newsletter TheAgent em theagent.bz para análises sobre agentes de IA duas vezes por semana.