A era agêntica no varejo: dados, governança e retorno financeiro como critérios de adoção

O painel “A era agêntica no varejo” realizado nesta sexta, 9, reuniu José Fugice, da Goakira, Gutemberg Almeida, do Google Cloud, e Fabricio Medeiros, da Red Hat, para discutir como empresas estão avançando do uso experimental de Inteligência Artificial para modelos baseados em agentes com impacto operacional mensurável. A discussão foi orientada por critérios práticos de adoção, com foco em dados, segurança, capacitação e retorno financeiro.

Dados como pré-requisito operacional

O primeiro ponto abordado foi a necessidade de estruturar dados antes da aplicação de qualquer camada de Inteligência Artificial. Segundo os participantes, empresas que tentam implantar IA sem organizar bases documentais, dados operacionais e históricos transacionais tendem a criar soluções frágeis e difíceis de escalar.

Esse estágio inicial tem sido descrito como “grounding das informações”. O processo consiste em consolidar documentos, bases internas e dados operacionais em ambientes controlados, tornando esse conteúdo acessível a plataformas de IA. A centralização em uma plataforma específica reduz o risco de vazamento de informações sensíveis e permite definir políticas claras de acesso, versionamento e uso.

A adoção de plataformas corporativas também está associada à definição prévia de processos de segurança e guardrails. Esses mecanismos delimitam o que agentes de IA podem acessar, executar e decidir, reduzindo riscos regulatórios e operacionais.

Capacitação e definição de casos de uso

Outro ponto recorrente foi a necessidade de capacitação do time. A implementação de IA agêntica não se sustenta apenas com tecnologia. Equipes precisam entender limites, possibilidades e critérios de uso para que os projetos não fiquem restritos a áreas técnicas.

Os debatedores apontaram um caminho inicial claro: definir casos de uso prioritários, estabelecer um objetivo de negócio mensurável, escolher uma plataforma segura e, a partir disso, treinar as equipes envolvidas. Essa sequência reduz a probabilidade de projetos que consomem recursos sem gerar impacto.

Dados apresentados reforçam essa dificuldade de direcionamento. Um estudo da McKinsey indica que apenas 25% das empresas possuem uma estratégia clara sobre por que querem usar Inteligência Artificial. A ausência desse alinhamento costuma resultar em iniciativas que não chegam à fase de escala.

Retorno financeiro como critério de continuidade

O painel destacou que projetos de IA precisam ser avaliados por retorno financeiro concreto. Iniciativas que não conseguem demonstrar impacto tendem a ser descontinuadas, independentemente do potencial tecnológico.

Foram citados exemplos de empresas que iniciaram soluções autônomas para atendimento interno e atendimento ao cliente e alcançaram retorno sobre o investimento em aproximadamente cinco meses. Esses resultados foram possíveis porque havia definição clara de objetivo, janela de investimento e indicadores de desempenho desde o início do projeto.

A mensuração do ROI exige estabelecer onde o investimento está sendo feito, qual período será analisado e qual resultado se espera daquela aplicação. Sem esse recorte, torna-se difícil justificar continuidade ou expansão.

Barreiras culturais no contexto brasileiro

Ao analisar o cenário brasileiro, os participantes apontaram fatores culturais que influenciam a adoção de IA. Muitas empresas ainda operam com estruturas familiares próximas e mantêm um pensamento artesanal sobre gestão. Esse contexto gera questionamentos recorrentes sobre investimento, mensuração de resultados e aplicabilidade em negócios de menor porte.

Essa postura tende a atrasar decisões estratégicas. A discussão indicou que a percepção de que IA é exclusiva para grandes empresas não se sustenta diante dos casos apresentados, especialmente quando o foco está em automação de processos específicos com retorno mensurável.

Casos práticos no varejo brasileiro

Foram apresentados exemplos concretos de uso de IA no varejo com impacto direto em conversão e experiência do cliente. Um dos casos citados envolveu um projeto do Google com o Mercado Livre. A plataforma identificou que gerações mais novas valorizam fortemente imagens e vídeos nos anúncios. A partir disso, foi disponibilizada uma solução de IA para que sellers gerassem imagens complementares de produtos.

A funcionalidade foi lançada em outubro do ano anterior e alcançou cerca de 80 milhões de visitas, com aumento aproximado de 15% na conversão. O dado foi apresentado como evidência de que a IA, quando aplicada a um ponto específico da jornada, pode gerar impacto relevante.

Outro exemplo veio do Magazine Luiza, que desenvolveu o chamado “cérebro da Lu”. A solução concentra vendas via WhatsApp, com buscas refinadas e recomendações mais objetivas. O projeto não foi desenhado como um chat conversacional genérico, mas como um canal orientado à conversão. Segundo dados divulgados, a ferramenta gerou crescimento de até três vezes na conversão e elevou o NPS de 85 para patamares acima de 90.

Uso ainda amador e necessidade de contexto

Apesar dos avanços, o painel destacou que o uso de IA ainda ocorre de forma superficial em muitos casos. Dados apresentados indicam que 89% dos prompts utilizados no Gemini possuem apenas uma linha, e 92% não ultrapassam três linhas. Esse comportamento limita a qualidade das respostas, pois não cria contexto suficiente para decisões mais complexas.

A criação de contexto e a qualidade da informação fornecida aos modelos foram apontadas como fatores determinantes para resultados consistentes. Sem isso, a IA tende a operar de forma genérica, com baixo impacto prático.

Governança, vieses e LGPD

A discussão sobre governança e segurança ocupou parte relevante do painel. Os participantes ressaltaram a importância de definir protocolos institucionais para uso de IA, disseminando essas regras por todas as áreas da empresa. Isso inclui clareza sobre como os dados são utilizados, armazenados e protegidos.

Questões relacionadas a vieses e qualidade dos dados também foram destacadas. No varejo, onde o dado do cliente é central, há risco elevado de exposição indevida se não houver controle adequado. A segurança, segundo os debatedores, deve acompanhar o dado ao longo de todo o processo, independentemente da aplicação específica.

A conformidade com a Lei Geral de Proteção de Dados foi tratada como critério básico para qualquer projeto de IA que envolva informações de consumidores.

Escala limitada e fase de testes

Por fim, foram apresentados dados sobre o estágio atual de adoção de agentes no varejo. Aproximadamente 37% das empresas do setor implementaram até dez agentes de IA. A limitação de escala está associada ao fato de que muitos projetos ainda estão em fase de teste, mesmo quando os resultados iniciais são positivos.

A transição para escala depende da definição adequada de guardrails e da consolidação de práticas de governança. Sem esses elementos, o risco operacional tende a aumentar à medida que o número de agentes cresce.

O painel concluiu que a era agêntica no varejo já está em curso, mas sua consolidação depende menos de tecnologia disponível e mais de decisões estruturais sobre dados, segurança, capacitação e mensuração de resultados.

A missão NRF 2026 é uma realização da Central do Varejo, com patrocínio da TOTVS e Getnet.

(*) Fabiana Hamada é COO do Ecossistema Goakira, especialista em varejo e franchising e apoia empreendedores a crescer. Saiba mais sobre as soluções da Goakira em https://goakira.com.br/

Imagens: Estúdio Versailles