A consultoria Bain & Company identificou um mercado potencial de US$ 100 bilhões nos Estados Unidos para empresas de Software como Serviço (SaaS) que adotarem automação baseada em inteligência artificial agêntica. Segundo a firma, essa oportunidade está diretamente ligada à automação do chamado “trabalho de coordenação” dentro dos sistemas corporativos.
A estimativa integra o segundo relatório de uma série de cinco publicações da Bain sobre a indústria de software na era da IA. O documento analisa onde a IA agêntica pode criar novos mercados de software e como as empresas SaaS podem se posicionar para capturá-los.
O que é o trabalho de coordenação
A Bain define o trabalho de coordenação como as tarefas manuais que funcionários realizam entre diferentes aplicações corporativas. Esses fluxos de trabalho geralmente envolvem sistemas de ERP, CRM e suporte, além de ferramentas de gestão de fornecedores e e-mail.
Entre as atividades incluídas estão a extração de dados de um sistema para conferência em outro, a interpretação de mensagens não estruturadas e a tomada de decisões sobre aprovação, resposta, escalonamento ou espera. A consultoria afirma que automações baseadas em regras e robótica de processos (RPA) apresentam limitações nesses cenários, especialmente quando há ambiguidade ou informações dispersas em múltiplos sistemas.
De acordo com o relatório, a IA agêntica consegue interpretar dados de diferentes fontes, coordenar ações em sistemas distintos e operar dentro de diretrizes de política corporativa. A Bain também ressalta que a IA agêntica não deve ser vista como uma substituta das plataformas SaaS, mas como uma forma de converter trabalho intensivo em mão de obra em gastos com software.
Mercado atual e potencial global
A Bain estima que os fornecedores já capturam entre US$ 4 bilhões e US$ 6 bilhões do mercado americano, o que significa que mais de 90% do potencial ainda não foi explorado. Fora dos EUA, a consultoria projeta que Canadá, Europa, Austrália e Nova Zelândia representam um mercado de tamanho semelhante, elevando o total combinado para aproximadamente US$ 200 bilhões.
Distribuição por função empresarial
O mercado potencial não é distribuído de forma uniforme entre as áreas corporativas. A Bain estima que vendas representa a maior fatia individual, com cerca de US$ 20 bilhões, impulsionada principalmente pelo volume de funcionários na área, e não por um potencial de automação excepcionalmente elevado.
Custos de produtos vendidos e operações somam aproximadamente US$ 26 bilhões. P&D e engenharia, suporte ao cliente e finanças representam, cada um, entre US$ 6 bilhões e US$ 12 bilhões em mercado endereçável.
Em termos de potencial de automação por fluxo de trabalho, suporte ao cliente e P&D/engenharia lideram, com 40% a 60% das tarefas automatizáveis. Finanças e recursos humanos ficam na faixa de 35% a 45%. Vendas e TI situam-se entre 30% e 40%. A área jurídica apresenta o menor potencial, entre 20% e 30%, devido ao risco associado a erros e à necessidade de supervisão mais rigorosa.
Fatores que determinam a automação
O relatório identifica seis fatores que determinam o quanto de um fluxo de trabalho pode ser realista mente gerenciado por um agente de IA: verificabilidade dos resultados, consequência de falhas, disponibilidade de conhecimento digitalizado, variabilidade de processos, complexidade de integração e existência de lógica de decisão documentada.
Fluxos com sinais claros de verificação, como compilação de código, conciliação de faturas e resolução de chamados de suporte, são mais fáceis de automatizar. Já fluxos que envolvem risco regulatório ou financeiro — como declarações fiscais, conformidade legal e resposta a incidentes de segurança — exigem supervisão humana mais próxima, mesmo quando os agentes são tecnicamente capazes.
A complexidade de integração também é apontada como um obstáculo quando os fluxos passam por múltiplos sistemas e APIs, com camadas de autenticação e processos de tratamento de exceções. As áreas de maior valor, segundo a Bain, são aquelas onde nenhum sistema único controla o resultado completo do processo.
David Crawford, presidente da prática global de tecnologia e telecomunicações da Bain, afirmou que as empresas SaaS passaram as últimas duas décadas construindo posições em torno de sistemas de registro, e que a próxima fonte de vantagem competitiva será o “contexto de decisão entre fluxos de trabalho” — definido como a capacidade de interpretar e agir em processos que transitam por múltiplos sistemas.
Empresas citadas e modelos de precificação
O relatório menciona empresas como Cursor, Sierra, Harvey, Glean, Salesforce, ServiceNow e Workday como exemplos de adoção de IA agêntica. A Cursor ultrapassou US$ 16,7 milhões em receita média mensal após dobrar de receita em um único trimestre. A Sierra superou US$ 150 milhões anuais, a Harvey passou de US$ 190 milhões e a Glean atingiu US$ 200 milhões anuais.
O GitHub é citado como exemplo de empresa que utilizou dados de seu fluxo principal — colaboração entre desenvolvedores e controle de código-fonte — para expandir para automação de produtividade e segurança com auxílio de IA.
A Bain aponta que os modelos de precificação tendem a mudar à medida que os agentes entregam resultados concretos. Precificação baseada em resultados e em uso pode se tornar mais relevante quando agentes resolvem problemas ou processam faturas, em contraste com os modelos tradicionais baseados em licenças por usuário.
Recomendações para empresas SaaS
A consultoria recomenda que as empresas SaaS comecem mapeando quais fluxos de trabalho de seus clientes já são automatizáveis com IA agêntica, avaliando a automação no nível de subprocessos e não tratando funções inteiras como uniformemente automatizáveis.
A Bain também orienta as empresas a avaliarem a qualidade de seus dados — incluindo abrangência, vinculação a resultados e usabilidade para automação — e a fecharem lacunas de capacidade por meio de desenvolvimento interno, aquisições ou parcerias. Como exemplos, o relatório cita o desenvolvimento interno da plataforma Axon pela AppLovin, a aquisição da Moveworks pela ServiceNow e a parceria entre Salesforce e Workday.
A firma destaca ainda a necessidade de talento em engenharia de IA, arquitetura nativa em nuvem para orquestração de múltiplos agentes e investimento em treinamento e inferência de modelos. Crawford alertou que o prazo para as empresas SaaS se adaptarem “é medido em trimestres, não em anos”, à medida que companhias nativas de IA acumulam mais dados de implantação a cada fluxo de trabalho automatizado.
Siga o Ensinando a Vencer e receba nossos conteúdos em primeira mão.
