Durante décadas, a tecnologia entrou nas empresas principalmente para automatizar tarefas. O conceito de Autonomous Business Model (ABM) leva essa discussão ainda mais longe.
Na virada dos anos 1970 para 1980, quando os microcomputadores começaram a ficar acessíveis e começaram a chegar às empresas, dois aplicativos chamados WordStar e SuperCalc, os avós do processador de texto e da planilha eletrônica moderna, faziam enorme sucesso no Brasil e no mundo. Depois deles vieram o Lotus 1-2-3 e WordPerfect, que mais tarde foram substituídos pelo Word e o Excel da Microsoft. Durante muito tempo ensinei pessoas a usá-los e assisti ao nascimento de uma febre que conhecemos bem: “vamos automatizar tudo e simplificar o trabalho!".
A planilha eletrônica, à sua época, fazia controle de estoque, folha de pagamento, orçamentos e tudo o que pudesse ser automatizado com fórmulas matemáticas, nas empresas que não podiam desenvolver ou comprar sistemas complexos. Vi até lista de aniversários em planilhas, sem uma única fórmula, porque, aparentemente, linhas e colunas já eram motivo suficiente para usar uma planilha. O processador de texto automatizou a elaboração de contratos, cartas, propostas e todo tipo de documento reutilizável.
Logo, cada departamento tinha suas planilhas, depois, cada funcionário tinha as suas, pois é importante ser o dono da informação. O curioso era a proliferação de planilhas criadas para calcular a mesma coisa, na mesma empresa, que conseguiam produzir resultados diferentes. As fórmulas cresceram, vieram as macros, pequenos códigos escritos pelos usuários nas planilhas e processadores de texto, que permitiam maior automação, e a consequência disso foi que ninguém mais sabia exatamente quem havia criado o quê e nascia uma verdadeira Torre de Babel digital. Foi quando aprendemos uma lição importante: depois de automatizar, precisamos governar o que automatizamos.
Quarenta anos depois, olho para Copilots e agentes de IA surgindo em marketing, vendas, finanças, atendimento, tecnologia e sei-lá-mais-o-quê, sem falar nos processadores de textos e planilhas, agora, turbinados com IA, e penso: eu já vi esse filme e conheço as cenas de horror.
Só que agora a planilha não apenas calcula, já que a IA interpreta, decide e age. O cenário se repete, mas com tecnologias muito mais poderosas. Estamos evoluindo das empresas que apenas usam IA para modelos AI First, nos quais a IA passa a orientar o desenho da operação, avançando para a Empresa Agêntica, Empresa Agêntica Governada e, finalmente, o Autonomous Business Model (ABM), que recebe muitos nomes diferentes para o mesmo tema.
Durante décadas, a tecnologia entrou nas empresas principalmente para automatizar tarefas. Sistemas substituíram formulários, ERPs integraram departamentos, workflows eliminaram atividades manuais e, mais recentemente, a Inteligência Artificial Generativa passou a ajudar profissionais a escrever, analisar, programar, pesquisar e tomar decisões. Mas uma transformação mais profunda está começando. A discussão já não é apenas o quanto a IA pode aumentar a produtividade de uma pessoa. A questão passa a ser o quanto da própria operação, das decisões e até do modelo de negócio pode ser executado autonomamente por sistemas de IA.
É nesse ponto que aparecem conceitos sobre empresa aumentada, empresa agêntica, Autonomous Enterprise, Digital Labor, Autonomous Workforce e, em uma formulação acadêmica particularmente provocadora, surge o Autonomous Business Model (ABM). Para entender o tamanho dessa mudança, precisamos primeiro separar alguns conceitos.
Nos meus primeiros anos de consultoria em governança, me recordo das situações que vivenciei em sistemas legados de empresas públicas e privadas, de todos os tipos e portes, onde ninguém da equipe de T.I se lembrava daquelas triggers esquecidas em algum lugar nos bancos de dados. Trigger é um gatilho automático do banco de dados, quando determinado evento acontece, como incluir, alterar ou excluir uma informação, o banco executa automaticamente uma ação previamente definida.
As triggers eram disparadas durante as transações no banco de dados e muitas vezes, por não estarem documentadas, ninguém conseguia explicar mudanças fantasmagóricas que ocorriam nas tabelas da base de dados, com informações sendo alteradas, inseridas e até excluídas, como se alguma força metafísica poderosa fosse a responsável por tal magia. A rotatividade de pessoas levava o conhecimento embora e regras de automações com triggers eram esquecidas. Parece que este filme também vai passar novamente com a tecnologia da IA.
Uma empresa automatizada utiliza tecnologia para executar processos previamente definidos. O software faz aquilo que foi programado, isto é, uma nota fiscal dispara um fluxo, um sistema atualiza um estoque, uma automação envia uma mensagem ao cliente ou transfere informações entre aplicações. O processo continua essencialmente desenhado e controlado por pessoas. Já é possível comprar automações prontas por apenas cem reais a dúzia, conforme os anúncios nas redes sociais. Como está sendo feito o controle dessas automações nas empresas que adquirem? Acho que todos sabem a resposta.
Na empresa aumentada por IA, ocorre um avanço importante. A IA passa a ampliar a capacidade cognitiva das pessoas. Copilots pré instalados produzem textos, resumem documentos, analisam dados, sugerem decisões, criam códigos e auxiliam diversas atividades profissionais. O humano, entretanto, continua sendo o principal agente da operação, ele pergunta, interpreta, decide e executa, mas quem documenta ou controla tudo isso?
A empresa agêntica introduz outra lógica. Agentes de IA recebem objetivos específicos, utilizam ferramentas, consultam sistemas, elaboram planos, executam sequências de ações e podem colaborar com outros agentes. O software deixa de apenas responder e passa a agir. A diferença parece pequena na linguagem, mas é enorme na arquitetura empresarial:
Automação: “quando X acontecer, execute Y.”
Copilot: “analise X e me ajude a decidir Y.”
Agente: “O objetivo é X. Planeje e execute as ações necessárias dentro dos limites autorizados.”
Em seu site, a IBM define Agentic Enterprise justamente como uma organização que integra agentes de IA às diferentes funções empresariais, permitindo que planejem e executem tarefas de múltiplas etapas, antecipem problemas e tomem decisões ao lado das pessoas. Mas existe ainda um quarto conceito essencial, a Empresa Agêntica Governada.
Nela, agentes possuem autonomia operacional, mas essa autonomia não significa ausência de controle. Existem responsáveis humanos, identidade e permissões, limites de decisão, segregação de funções, monitoramento, registros, evidências, escalonamento, supervisão humana para situações críticas e mecanismos capazes de interromper ações inadequadas. Em outras palavras, a empresa agêntica pergunta o que os agentes conseguem fazer. A Empresa Agêntica Governada quer saber o que os agentes de IA fazem, sob quais condições, com qual autonomia e quem responde pelas consequências. É justamente essa questão que se torna ainda mais importante quando avançamos para o conceito de Autonomous Business Model.
O conceito de Autonomous Business Model (ABM) ganhou formulação acadêmica explícita no trabalho "AI is the Strategy: From Agentic AI to Autonomous Business Models onto Strategy in the Age of AI", publicado em 2025 pelos pesquisadores René Bohnsack e Mickie de Wet.
Os autores propõem algo além do uso de agentes para aumentar produtividade. Em um ABM, a IA agêntica começa a executar os mecanismos fundamentais pelos quais uma empresa cria, entrega e captura valor. A tese central é provocadora, pois, nesse estágio, a IA deixa de simplesmente apoiar a estratégia para tornar-se parte constitutiva da própria estratégia. Esse ponto separa o ABM de grande parte do discurso atual sobre IA corporativa, por exemplo, usar IA para redigir uma proposta comercial mais rapidamente é aumento de produtividade. Usar um agente de IA para pesquisar prospects e preparar contatos já representa execução agêntica.
Porém, imagine agentes de IA capazes de identificar segmentos de mercado, analisar comportamento dos consumidores, formular ofertas, criar campanhas, realizar experimentos, redistribuir orçamento, negociar com fornecedores, acompanhar margens e modificar continuamente sua própria execução em função dos resultados. Aqui já não estamos apenas tornando um trabalhador mais produtivo, estamos modificando o mecanismo operacional do negócio e isso é criação de valor.
Essa diferença fica mais clara quando utilizamos os três componentes clássicos de um modelo de negócio. Na criação de valor, agentes podem identificar necessidades, detectar oportunidades e compor ofertas dinamicamente. Marketing deixa de funcionar apenas por campanhas periódicas, concebidas por equipes, e pode passar a experimentar continuamente segmentos, mensagens e canais diferentes.
Na entrega de valor, agentes podem coordenar atendimento, aquisição, logística, contratos, operações, tecnologia e outras atividades, interagindo diretamente com aplicações empresariais. Na captura de valor, sistemas podem analisar demanda, margem, estoque, comportamento e condições de mercado para ajustar preços, pacotes e ofertas.
É justamente nesse último exemplo que também aparece o problema da governança. Uma IA capaz de otimizar preços em escala pode aumentar resultados, mas também produzir discriminação, desequilíbrio comercial, comportamentos comerciais inadequados ou decisões impossíveis de justificar posteriormente. Quanto maior a autonomia, maior precisa ser a capacidade de governá-la. Em 2010 aconteceu um caso parecido, não com uso de agentes de IA obviamente, que ficou conhecido como o "Flash Crash" de 2010.
Bohnsack e de Wet também introduzem a expressão Synthetic Competition. A ideia decorre naturalmente do ABM, se diferentes empresas começarem a delegar decisões comerciais e estratégicas a sistemas autônomos, teremos agentes competindo contra agentes em velocidade e escala de máquina. Sendo assim, preços podem mudar, campanhas de uma empresa podem responder imediatamente às campanhas dos concorrentes. Além disso, estoques podem ser redistribuídos, fornecedores podem ser renegociados, produtos e serviços podem ser reposicionados, só que tudo isso em intervalos de velocidade de máquina, incompatíveis com ciclos tradicionais de reuniões gerenciais. Os autores argumentam que essa possibilidade altera pressupostos da estratégia e da própria organização empresarial.
Entretanto, é importante colocar essa ideia em perspectiva, Synthetic Competition ainda é uma construção teórica emergente, não uma descrição de como a maioria das empresas funciona hoje. A maioria das organizações ainda está muito distante de um ABM completo e talvez essa seja uma das conclusões mais importantes para executivos, não confundir a direção da tecnologia com o estágio atual de maturidade da própria empresa.
Embora a formulação de Bohnsack e de Wet seja recente, ela faz parte de uma evolução intelectual muito maior, uma vez que, a literatura sobre algorithmic management, por exemplo, estuda há anos situações nas quais algoritmos assumem funções tradicionalmente gerenciais para distribuir trabalho, monitorar desempenho, coordenar pessoas, avaliar resultados e estabelecer incentivos. São ações que podem modificar a autonomia, relações de poder e mecanismos de controle nas empresas.
O que a IA agêntica acrescenta é a capacidade de combinar raciocínio, planejamento, uso de ferramentas, comunicação e execução de ações de múltiplas etapas, assim, podemos enxergar uma trajetória conceitual, conforme visto na figura abaixo:
Pesquise no google e você vai achar dezenas de artigos da Microsoft utilizando o conceito de Frontier Firm. Essa visão descreve organizações construídas em torno de “inteligência sob demanda”, equipes formadas por humanos e agentes de IA, que passam também a administrar agentes de IA. Em 2025, a empresa chegou a propor a figura do agent boss, profissionais que criam, delegam e gerenciam agentes como parte normal do trabalho.
A Microsoft avançou também para o Agent 365, concebido como um plano de controle para registrar, controlar acesso, visualizar, monitorar e proteger agentes corporativos. Isso mostra que a discussão já migrou da simples criação de agentes para governança do ecossistema de agentes.
A SAP foi ainda mais explícita ao adotar a expressão Autonomous Enterprise. Sua formulação é particularmente interessante, onde as pessoas definem a direção e a IA cuida da execução, mantendo governança ao longo do processo. A arquitetura reúne dados empresariais, contexto dos processos, Joule Agents, aplicações e uma plataforma destinada também à governança dessa autonomia.
A Salesforce trabalha com o conceito de Digital Labor. O Agentforce posiciona agentes como uma força de trabalho digital capaz não apenas de auxiliar funcionários, mas de analisar, decidir e executar tarefas complexas. A própria empresa diferencia esses agentes das ferramentas tradicionais de produtividade justamente porque eles podem agir de forma autônoma.
A ServiceNow fala atualmente em Autonomous Workforce, especialistas de IA com contexto empresarial, workflows, segurança, autoridade e escopo para executar trabalhos completos, não apenas tarefas isoladas. Paralelamente, seu AI Control Tower centraliza inventário, riscos, compliance, identidade, monitoramento e governança de agentes e modelos.
E a Alibaba lançou em 2026 o Accio Work, apresentado como uma AI Taskforce para PMEs. Agentes especializados podem executar operações envolvendo pesquisa de mercado, sourcing, negociação, marketing, compliance e logística. É particularmente significativo, pois, ações sensíveis, como transações financeiras e acesso a arquivos privados, precisam de mecanismos específicos de autorização humana.
Podemos observar que há diferenças importantes entre essas propostas, mas uma convergência é evidente, sendo óbvio que a próxima fase da IA empresarial não está sendo construída somente em torno de copilots, está sendo construída em torno de agentes capazes de executar trabalho e de mecanismos capazes de governar esse trabalho, onde cada fabricante afirma que a sua solução é melhor que a do concorrente, e você só descobre isso na prática depois que pagar.
Penso que muitas discussões sobre IA ainda estão pequenas demais. Observe que, se utilizarmos IA apenas para escrever e-mails mais rapidamente, produzir apresentações, resumir documentos ou acelerar programação, teremos enormes ganhos de produtividade, mas a arquitetura da empresa continuará praticamente igual, ou seja, o funcionário continua no mesmo departamento, o processo continua essencialmente o mesmo com ferramentas novas, a hierarquia permanece como está e a IA apenas acelera partes do trabalho. Em uma outra ótica, a transformação torna-se estrutural quando começamos a perguntar:
a. Quais decisões precisam necessariamente continuar humanas?
b. Quais processos podem ser executados por agentes?
c. Quais agentes podem conversar entre si?
d. Quais sistemas eles podem acessar?
e. Até que valor financeiro podem decidir?
f. E muitas outras mais.
É óbvio que essas perguntas não pertencem ao universo da tecnologia, elas pertencem ao universo da governança corporativa.
Agentic Stack é a pilha de camadas tecnológicas, operacionais e de governança necessária para que agentes de IA consigam perceber o contexto, raciocinar, tomar decisões, executar ações e ser controlados dentro de uma organização. Uma empresa que caminha nessa direção, precisa de uma arquitetura de sustentação. Na primeira camada vêm os objetivos, ou seja, o agente precisa saber qual resultado procura e quais resultados não pode perseguir a qualquer custo. Na segunda camada vem o contexto, dados, regras, processos, conhecimento organizacional, políticas e condições necessárias para interpretar corretamente a tarefa. Já a terceira camada é a ação, APIs, ERP, CRM, e-mail, bancos de dados, navegadores, sistemas financeiros e demais ferramentas que permitem transformar uma decisão em execução.
Existe também uma camada econômica frequentemente negligenciada. Agentes consomem modelos, tokens, infraestrutura, APIs e capacidade computacional, além disso, erros geram revisão humana, retrabalho, risco, penalizações financeiras e tudo isso é custo. É um alerta que sempre faço aos meus clientes: um agente tecnicamente impressionante pode ser economicamente péssimo.
Finalmente, existe a camada de governança que sustenta todas as demais. Um agente de IA precisa ter proprietário, precisa possuir identidade, precisa obedecer ao princípio do menor privilégio, decisões relevantes precisa deixar evidências, a autonomia precisa ser graduada conforme risco e criticidade, ações sensíveis podem exigir Human-in-the-Loop e deve existir capacidade técnica de interromper a operação desse agente.
Isso não é apenas uma preocupação teórica. A ServiceNow, por exemplo, afirma que governança não pode ser acrescentada posteriormente à força de trabalho agêntica, mas precisa fazer parte de sua fundação. A SAP também coloca governança, segurança e controle de ponta a ponta dentro da própria definição de Autonomous Enterprise. Portanto, existe uma mensagem importante escondida por trás da corrida pela autonomia, quanto mais poderosa se torna a IA, menos sustentável é tratá-la apenas como tecnologia.
Se AI First é pensar a IA desde o desenho da empresa, Governance by Design é pensar a governança desde o desenho da IA e da autonomia. A governança deve ser incorporada à arquitetura desde a concepção, e não adicionada depois como uma camada de controle. Assim como nas planilhas eletrônicas com fórmulas e macros que ninguém mais sabia quem era o dono ou nas triggers de banco de dados que ninguém mais sabia da existência por causa da rotatividade de pessoas, o mesmo cenário surgirá com agentes de IA para aquelas empresas que acham que governança é fardo e atrasa a transformação digital, porém, os resultados serão muito mais catastróficos, por assim dizer.
Conceitos como o Autonomous Business Model apresenta uma possibilidade fascinante, onde organizações nas quais agentes participam diretamente dos mecanismos de criação, entrega e captura de valor, se adaptam continuamente a execução e às condições do ambiente. Mas existe uma enorme distância entre essa visão e simplesmente instalar agentes em todos os departamentos.
Nas minhas consultorias de GRC Ágil Compartilhado, explico aos meus clientes, quase como um mantra, que uma empresa pode ter dezenas de agentes e continuar sendo apenas uma organização tradicional cheia de novas automações e riscos proporcionais. Autonomia empresarial exige processos maduros, dados confiáveis, identidade, segurança, gestão de riscos, observabilidade, responsabilidades claras e mecanismos de supervisão. Há ainda um paradoxo importante que destaco sempre: quanto mais autônoma desejamos tornar uma organização, mais madura precisa ser sua governança corporativa. Não se engane, governança é aquilo que permite acelerar sem perder o controle.
É por isso que, na visão que estamos desenvolvendo na P2 Consultoria Brasil, faz sentido distinguir a Empresa Agêntica da Empresa Agêntica Governada, uma vez que a primeira introduz agentes capazes de agir e a segunda constrói as condições para que esses agentes possam agir com propósito, limites, responsabilidade, segurança, rastreabilidade e alinhamento ao negócio. Somente depois de construir essa capacidade uma organização deveria considerar níveis crescentes de autonomia.
Essa filosofia foi colocada em prática na metodologia MVG Governança de Agentes de IA que foi publicada. É importante lembrar que não serão todas as empresas que usarão os mecanismos de governança que acompanham os produtos das Big Techs, já que nem todas as empresas tem recursos financeiros suficientes para isso. Muitas soluções de agentes de IA estão sendo construídas com software de código aberto. Esses agentes precisam de governança como qualquer outro.
O ABM, como conceito, não importa o nome que receba nas Big Techs, pode ser o horizonte estratégico e a Empresa Agêntica Governada é o caminho responsável para chegar até ele. Penso muito nisso, talvez a maior mudança provocada pela IA não seja fazer as mesmas empresas produzirem mais. Talvez seja nos obrigar a repensar o que significa, afinal, uma empresa operar, decidir, aprender, competir e se transformar sempre, utilizando a tecnologia.
Clique no botão abaixo e saiba como o GRC Ágil Compartilhado e a metodologia MVG Governança de Agentes de IA, pode ajudar a preparar o futuro da sua empresa para a nova era da inteligência artificial agêntica governada.
Links referenciados:
Autonomous Business Model (ABM): https://arxiv.org/abs/2506.17339
Flash Crash de 2010: https://www-theguardian-com.translate.goog/business/2015/apr/22/2010-flash-crash-new-york-stock-exchange-unfolded?_x_tr_sl=en&_x_tr_tl=pt&_x_tr_hl=pt&_x_tr_pto=tc
Microsoft Frontier Firm: https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
Microsoft Agent 365: https://www.microsoft.com/pt-br/microsoft-agent-365
SAP Autonomous Enterprise: https://www.sap.com/brazil/products/autonomous-enterprise.html
Salesforce Digital Labor: https://www.salesforce.com/agentforce/digital-labor/
ServiceNow Autonomous Workforce: https://www.servicenow.com/platform/autonomous-workforce.html
Alibaba Acctio Work: https://seller.alibaba.com/pages/accio_work