A inteligência empresarial já estava dentro do processo
Em 7 de outubro de 2026, a SAP apresentou um serviço de ativação de assistentes e agentes de inteligência artificial sobre sua base de ERP. O anúncio parte de uma ideia relevante para qualquer empresa, mesmo para quem não utiliza a plataforma: finanças, compras, produção, estoque, logística e atendimento já acumulam regras, aprovações, limites e exceções que explicam como o negócio funciona.
Esse conjunto costuma ser visto apenas como software antigo, cadastro ou obrigação administrativa. Na prática, ele forma uma memória operacional. Ali estão as condições que transformam uma intenção genérica, como atender um pedido urgente, em decisões concretas sobre disponibilidade, fornecedor, margem, prazo, autorização e entrega.
Um modelo de linguagem pode interpretar uma solicitação e propor caminhos. Para participar do trabalho real, porém, precisa encontrar essa memória, respeitar quem pode fazer o quê e devolver uma ação ao sistema correto. A diferença entre uma demonstração convincente e uma operação confiável aparece justamente nessa passagem.
Contexto não é um documento colocado no prompt
Quando empresas falam em dar contexto à IA, muitas pensam primeiro em anexar manuais, políticas e apresentações. Esses materiais ajudam, mas representam apenas uma parte do conhecimento necessário. O processo também vive em estados, relacionamentos, históricos, permissões e dependências que mudam enquanto o trabalho acontece.
Uma política pode dizer que determinada compra exige aprovação. O sistema de gestão mostra qual centro de custo está envolvido, quem possui autoridade naquele momento, se o fornecedor está habilitado, qual orçamento ainda existe e que exceção foi aberta. O contexto relevante não é uma coleção estática de textos. É a situação operacional atual combinada com regras que limitam a próxima ação.
Por isso, conectar um agente ao ERP não deveria significar entregar acesso amplo ao banco de dados. Significa construir uma forma controlada de consultar fatos, interpretar a etapa do processo e executar somente as operações previstas para aquela identidade e finalidade.
O ERP pode ser legado e ainda assim carregar conhecimento vivo
Sistemas antigos frequentemente recebem o rótulo de legado como se fossem apenas um obstáculo à inovação. Alguns realmente acumulam limitações técnicas, integrações frágeis e cadastros inconsistentes. Ainda assim, costumam preservar decisões que foram refinadas durante anos: como um pedido é validado, quando uma nota é bloqueada, que condição altera um prazo e quem resolve uma divergência.
Substituir a interface não elimina esse conhecimento. Se a empresa cria um agente sem compreender as regras já incorporadas ao processo, corre o risco de produzir uma camada moderna que ignora a realidade. O sistema conversa em linguagem natural, mas recomenda algo que a operação não consegue cumprir ou tenta executar uma ação que deveria depender de aprovação.
A modernização mais útil começa separando o que é dificuldade técnica do que é regra de negócio. O código pode precisar mudar. A infraestrutura pode migrar. A memória sobre clientes, fornecedores, controles e exceções precisa ser identificada, revisada e preservada em formato compreensível.
Automatizar uma tarefa é diferente de operar um processo
A SAP ilustra seu anúncio com um pedido urgente que exige coordenação entre estoque, produção, compras, transporte e finanças. O exemplo é promocional, mas revela uma distinção importante. Uma IA que redige uma ordem de compra executa uma tarefa. Um agente que identifica a falta de componentes, consulta fornecedores autorizados, ajusta o planejamento e encaminha uma variação para aprovação participa de um processo.
Quanto mais longo o percurso, maior o número de transições em que algo pode dar errado. O dado pode estar desatualizado. A regra pode ter exceção. Uma ferramenta pode responder parcialmente. O agente pode interpretar como autorização aquilo que era apenas uma consulta. O resultado final pode parecer coerente mesmo quando uma etapa intermediária falhou.
A empresa precisa avaliar a trajetória, não apenas a resposta final. Isso inclui observar quais fontes foram consultadas, que permissões estavam ativas, quais ações foram propostas, quais foram executadas e por que uma exceção seguiu para uma pessoa.
Permissão precisa acompanhar o agente durante toda a jornada
Materiais oficiais da SAP sobre seus agentes afirmam que as ações ficam vinculadas à identidade e às permissões do usuário. Essa direção está alinhada ao princípio de privilégio mínimo do NIST, segundo o qual usuários e processos devem receber apenas os recursos e autorizações necessários para cumprir a tarefa atribuída.
O princípio precisa ser aplicado de forma concreta. Um profissional autorizado a consultar estoque não ganha automaticamente poder para alterar produção. Quem pode preparar uma compra talvez não possa aprová-la. Um agente que atravessa áreas não deveria herdar a soma de todas as permissões encontradas pelo caminho.
Também é necessário distinguir a pessoa que iniciou a solicitação do serviço que executa cada etapa. A autenticação confirma identidades. A autorização verifica se aquela ação, naquele recurso e naquele momento, é permitida. Quando a automação faz chamadas entre sistemas, essa verificação precisa continuar presente, inclusive nas ações silenciosas que não aparecem na interface.
A regra herdada também pode estar errada
Usar o ERP como memória operacional não significa tratar tudo o que está nele como verdade definitiva. Sistemas preservam boas práticas, mas também podem conservar atalhos, controles excessivos, cadastros abandonados e decisões que ninguém revisou. A IA pode acelerar tanto o processo correto quanto o defeito histórico.
Antes de automatizar, a equipe precisa perguntar por que cada regra existe, quem responde por ela e que evidência mostra sua validade atual. Uma aprovação pode proteger a empresa ou apenas reproduzir uma estrutura que já mudou. Um fornecedor pode permanecer habilitado por ausência de revisão. Uma exceção frequente pode indicar que o processo oficial não corresponde mais ao trabalho real.
O projeto de IA oferece uma oportunidade de tornar essas regras visíveis. Quando a organização precisa explicar ao agente o objetivo, os dados, as restrições e o resultado esperado, lacunas antigas deixam de caber na frase sempre fizemos assim.
Ativação não deve ser confundida com adoção
O serviço anunciado pela SAP separa ativação e adoção. Na primeira fase, prevê validação de requisitos, alinhamento aos processos, configuração, testes e apoio à entrada em produção. Depois, propõe acompanhamento para enfrentar bloqueios e verificar uso. Essa divisão ajuda a lembrar que colocar um agente disponível não muda sozinho a forma de trabalhar.
Adoção exige que as pessoas saibam quando usar o sistema, como revisar uma recomendação e onde registrar uma falha. Também exige espaço para que a equipe conteste o desenho inicial. Um agente pode estar tecnicamente integrado e ainda aumentar o esforço se entregar decisões sem explicação, criar alertas demais ou interromper a sequência natural da operação.
O indicador mais útil não é quantas pessoas abriram o assistente. É se o processo melhorou sem perder controle. A empresa deve observar tempo, retrabalho, exceções, correções e qualidade das decisões dentro do contexto real, sempre documentando como cada medida foi produzida.
Governança precisa entrar antes do primeiro comando
O NIST organiza a gestão de risco em inteligência artificial nas funções governar, mapear, medir e administrar. Aplicada a agentes sobre sistemas de gestão, essa lógica começa pela finalidade. Que problema o agente resolverá? Quem será afetado? Que decisão continuará humana? Qual consequência exige interrupção imediata?
Mapear significa conhecer dados, integrações, atores, permissões e dependências. Medir significa testar desempenho e risco com situações representativas, inclusive casos incompletos e exceções. Administrar significa decidir como responder a falhas, atualizar controles e aceitar, reduzir ou interromper um risco.
Governança não é uma camada documental adicionada depois. Ela determina o desenho. Se a empresa não consegue dizer quem aprova, quem monitora, quem pode revogar o acesso e quem responde ao incidente, ainda não definiu o processo que pretende automatizar.
A trilha de auditoria precisa explicar, não apenas registrar
Guardar um volume de logs não garante compreensão. Quando um agente altera um pedido, consulta um dado sensível ou encaminha uma exceção, a trilha precisa permitir reconstruir o acontecimento. Qual identidade iniciou a ação? Qual agente participou? Que versão estava em uso? Que informações sustentaram a decisão? Qual permissão estava ativa?
A documentação da SAP sobre conformidade de agentes destaca justamente identidade, permissão e sequência de ações. Para a gestão, o ponto principal é transformar registro técnico em evidência utilizável. Segurança precisa investigar. Auditoria precisa conferir. A área de negócio precisa entender por que o resultado apareceu. A pessoa afetada precisa encontrar um caminho de correção.
Uma decisão automatizada sem capacidade de reconstrução cria velocidade sem aprendizado. Quando a empresa consegue localizar a etapa defeituosa, a falha deixa de ser apenas um incidente e passa a melhorar regra, dado, integração ou treinamento.
Começar por um processo completo, mas limitado
Uma boa primeira experiência não precisa cobrir a empresa inteira. Ela deve acompanhar um processo suficientemente real para revelar transições, mas limitado o bastante para ser observado. Pode ser o tratamento de uma divergência de estoque, a preparação de uma compra recorrente ou a triagem de uma solicitação financeira.
A equipe descreve o início e o fim, identifica dados e sistemas, lista decisões, define aprovações e reúne exceções conhecidas. Depois, estabelece o que o agente pode consultar, o que pode preparar e o que pode efetivamente alterar. As ações de maior consequência permanecem bloqueadas até que testes e responsabilidades estejam maduros.
O teste precisa incluir o caminho feliz e as situações incômodas: informação ausente, fornecedor bloqueado, limite ultrapassado, conflito entre fontes, indisponibilidade da integração e pedido ambíguo. O valor de um agente não aparece apenas quando tudo está organizado. Aparece na forma segura como ele lida com o que não consegue resolver.
Pequenas empresas também possuem memória operacional
Nem toda organização utiliza um ERP amplo. Em empresas menores, parte da operação pode viver em planilhas, sistemas de atendimento, aplicativos financeiros e conhecimento das pessoas. A escala muda, mas o problema permanece. Um agente precisa saber onde estão os fatos, que regra vale e quem decide a exceção.
O primeiro passo pode ser mapear uma rotina recorrente e transformar conhecimento informal em critérios claros. Quais informações são obrigatórias? Que condição impede o avanço? Quem pode autorizar? Onde o resultado deve ser registrado? Que dado não pode ser exposto? Esse trabalho melhora o processo mesmo antes da automação.
A empresa pode então conectar a IA apenas às fontes necessárias e manter confirmação humana nas ações mais sensíveis. O objetivo não é imitar a arquitetura de uma grande corporação. É evitar que a automação dependa de acesso irrestrito e de regras que só existem na memória de uma pessoa.
Conclusão
O anúncio da SAP mostra uma etapa importante da IA empresarial. O agente deixa de ser apenas uma interface que responde perguntas e tenta participar de processos sustentados por dados, regras e responsabilidades. O ERP ganha relevância porque guarda parte da linguagem operacional que a inteligência artificial precisa aprender a respeitar.
Essa aproximação não transforma automaticamente sistemas antigos em uma base confiável. Antes de acelerar decisões, a empresa precisa revisar regras, qualidade dos dados, permissões, exceções e caminhos de auditoria. Também precisa testar o percurso completo e garantir que uma pessoa consiga interromper, compreender e corrigir a automação.
Na minha visão, a empresa não deveria começar perguntando qual agente deseja instalar. A pergunta mais produtiva é qual parte do trabalho ela consegue explicar com clareza suficiente para que uma máquina ajude sem assumir uma autoridade que ninguém decidiu conceder.
IA com propósito aparece quando a memória operacional deixa de ser uma caixa fechada e se transforma em contexto governado. O modelo pode mudar. O agente pode evoluir. O que sustenta a confiança é a capacidade da organização de dizer como trabalha, por que decide e quem responde por cada ação.