De acordo com um novo relatório de DatabricksO cenário da IA ​​empresarial está passando por uma transformação radical. As organizações estão indo além de simples chatbots e programas piloto, adotando soluções inteligentes. sistemas agentes que redefinem os fluxos de trabalho operacionais.

A onda inicial da IA ​​generativa foi marcada por grandes expectativas, mas frequentemente por utilidade limitada. Os líderes de tecnologia se depararam com ferramentas isoladas que não conseguiram gerar valor transformador para os negócios. No entanto, novos dados de telemetria da Databricks indicam uma virada. O mercado está amadurecendo e o foco agora está em agentes autônomos capazes de planejar e executar tarefas complexas.

Dados coletados de mais de 20.000 organizações — incluindo 60% das empresas da lista Fortune 500 — revelam uma rápida migração para arquiteturas em que os modelos de IA não apenas recuperam informações, mas também orquestram fluxos de trabalho de forma independente. Essa evolução representa uma realocação fundamental de recursos de engenharia, com o uso de fluxos de trabalho multiagentes na plataforma Databricks aumentando 327% entre junho e outubro de 2025.

A Ascensão do 'Agente Supervisor'

Fundamental para esse crescimento é o conceito de 'Agente Supervisor'Em vez de depender de um modelo monolítico para lidar com todas as solicitações, um supervisor atua como um orquestrador. Ele divide as consultas complexas do usuário e delega tarefas específicas a subagentes ou ferramentas especializadas, de forma semelhante a um gerente de projetos em uma equipe humana.

Desde o seu lançamento em julho de 2025, o Agente Supervisor rapidamente se tornou o caso de uso dominante para agentes, representando 37% de toda a utilização em outubro. Essa estrutura espelha hierarquias organizacionais eficazes: um gerente garante a execução sem realizar pessoalmente cada tarefa. Da mesma forma, um agente supervisor gerencia a detecção de intenção, as verificações de conformidade e o encaminhamento para ferramentas específicas do domínio.

Embora as empresas de tecnologia estejam atualmente liderando essa transformação — construindo quase quatro vezes mais sistemas multiagentes do que qualquer outro setor —, a utilidade da IA ​​agética vai muito além da tecnologia. Empresas de serviços financeiros, por exemplo, estão implementando sistemas multiagentes para lidar simultaneamente com a recuperação de documentos complexos e a conformidade regulatória, fornecendo respostas verificadas aos clientes sem intervenção humana.

Infraestrutura sob pressão: a realidade em tempo real

À medida que os agentes de IA evoluem de responder perguntas para executar tarefas, a infraestrutura de dados subjacente enfrenta demandas sem precedentes. Os bancos de dados tradicionais de Processamento de Transações Online (OLTP), projetados para interações em velocidade humana, estão sendo levados ao limite. Os fluxos de trabalho baseados em agentes invertem essas premissas, gerando padrões contínuos de leitura e gravação de alta frequência.

A escala dessa automação é impressionante. Há dois anos, os agentes de IA criavam apenas 0,1% dos bancos de dados. Hoje, esse número chega a impressionantes 100%. 80%Além disso, 97% dos ambientes de teste e desenvolvimento de bancos de dados agora são criados por agentes de IA, permitindo que os desenvolvedores criem ambientes efêmeros em segundos, em vez de horas.

Ao contrário do legado do processamento em lote do Big Data, a IA agente opera principalmente no "agora". O relatório destaca que 96% de todas as solicitações de inferência são processadas em tempo real.Essa mudança é particularmente evidente em setores onde a latência está diretamente relacionada ao valor, como saúde e finanças.

O padrão multimodelos e a independência do fornecedor

A dependência de um único fornecedor continua sendo um risco persistente para os líderes empresariais. Para mitigar esse problema, as organizações estão adotando ativamente estratégias multimodelo. Em outubro de 2025, 78% das empresas utilizavam duas ou mais famílias de Modelos de Linguagem Ampla (LLM, na sigla em inglês)., como ChatGPT, Claude, Llama e Gemini.

A sofisticação dessa abordagem está aumentando. A proporção de empresas que utilizam três ou mais famílias de modelos cresceu significativamente, de 36% para 59%, em apenas dois meses. Essa diversidade permite que as equipes de engenharia direcionem tarefas mais simples para modelos menores e mais econômicos, enquanto reservam os modelos de ponta para tarefas de raciocínio complexas.

Governança como acelerador

Talvez a descoberta mais contraintuitiva para muitos executivos seja a relação entre governança e velocidade. Frequentemente vista como um gargalo, a governança rigorosa e as estruturas de avaliação funcionam como aceleradores para a implementação em produção.

Organizações que utilizam ferramentas de governança com IA superam as expectativas. Doze vezes mais projetos de IA em produção. Em comparação com aquelas que não utilizam, as empresas que empregam ferramentas de avaliação para testar sistematicamente a qualidade de seus modelos alcançam quase seis vezes mais implantações em produção. A governança fornece as salvaguardas necessárias — como a definição do uso de dados e o estabelecimento de limites de taxa — dando às partes interessadas a confiança necessária para aprovar a implantação.

O valor da automação "monótona"

Embora os agentes autônomos frequentemente evoquem imagens de capacidades futuristas, o valor atual para as empresas reside na automação de tarefas rotineiras e corriqueiras. Os principais casos de uso de IA variam conforme o setor, mas se concentram na solução de problemas de negócios específicos e práticos:

• Indústria e Automotiva: 35% dos casos de uso focam na manutenção preditiva.
• Ciências da Saúde e da Vida: 23% dos casos de uso envolvem a síntese de literatura médica.
• Varejo e Bens de Consumo: 14% dos casos de uso são dedicados à inteligência de mercado.

Além disso, 40% dos principais casos de uso de IA abordam preocupações práticas dos clientes, como suporte, defesa e integração. Essas aplicações geram eficiência mensurável e fortalecem a estrutura organizacional necessária para fluxos de trabalho automatizados mais avançados.

Para a alta administração, o caminho a seguir envolve menos foco na "mágica" da IA ​​e mais no rigor da engenharia que a envolve. A vantagem competitiva está voltando a se concentrar em como as empresas constroem, em vez de simplesmente no que compram. Plataformas abertas e interoperáveis ​​permitem que as organizações apliquem IA aos seus próprios dados corporativos, criando diferenciação a longo prazo em mercados altamente regulamentados.