Agentes de IA vão executar suas negociações comerciais, e a governança não está pronta

TL;DR

• Agentes de IA não criam lógica comercial, eles executam a que já existe, certa ou errada, em escala
• A corrida por chips de IA (como o movimento da Qualcomm para um chip específico para o mercado chinês sob as restrições americanas de exportação) mostra que até a infraestrutura de IA é moldada por regras antes de operar
• Empresas que automatizaram processos sem estruturar a decisão primeiro amplificam inconsistências, não as eliminam
• A pergunta relevante não é "qual agente usar", mas "qual regra comercial esse agente vai executar"

A infraestrutura chega antes do problema estar resolvido?

A Qualcomm anunciou o desenvolvimento de um chip de data center desenhado especificamente para o mercado chinês, dentro dos limites impostos pelas restrições americanas de exportação. A decisão é uma resposta direta a um ambiente regulatório que impõe fronteiras concretas ao que hardware pode fazer e onde pode operar.

O detalhe que interessa ao líder comercial B2B não é geopolítico. É este: mesmo a camada mais básica de infraestrutura de IA, o chip, precisa ser desenhada dentro de uma estrutura de regras antes de ser implantada. A Qualcomm não lançou um chip genérico e ajustou depois. O produto foi concebido dentro de uma governança.

O mesmo princípio vale para agentes de IA comerciais, com uma diferença importante: enquanto um chip opera em condições físicas controladas, um agente de IA operando em negociação B2B executa dentro de um ambiente de variáveis comerciais que raramente está formalizado com o mesmo rigor.

A dor que o agente vai amplificar

Pergunte ao seu time comercial quantas regras de precificação existem de fato na operação. Você vai receber uma resposta sobre a política oficial. Pergunte depois quantas exceções foram negociadas nos últimos doze meses, quais condições de crédito foram concedidas fora do fluxo padrão, quais clientes têm condições específicas que vivem em planilhas ou na memória de vendedores sênior.

Esse conjunto, regras formais mais exceções informais mais condições negociadas não documentadas, é o DNA de negociação real da empresa. É exatamente esse DNA que um agente de IA vai executar quando for implantado.

Se esse DNA estiver mal mapeado, o agente não vai corrigi-lo. Vai escalar o erro. Rapidamente, de forma consistente e, dependendo do caso, em volume que torna a reversão custosa.

A tensão não é nova. Empresas que implementaram automação comercial em outros momentos tecnológicos enfrentaram versão anterior do mesmo problema: o sistema automatizou o processo errado. O que muda com IA agêntica é a velocidade de execução e o grau de autonomia. Um agente pode fechar condições, acionar fluxos de aprovação, ajustar propostas e comunicar ao cliente, tudo isso antes de um gestor ter a oportunidade de intervir.

O que o caso JOKR mostra sobre sequência

O caso da JOKR, empresa de quick commerce que atingiu equilíbrio de EBITDA após cinco anos de reconstrução em torno de IA e automação, ilustra uma sequência que tende a ser ignorada na pressa de implantar tecnologia. Conforme documentado pelo Retail Tech Innovation Hub, o resultado não veio da IA em si, veio de uma reconstrução do modelo operacional antes de a IA operar sobre ele.

Automação por IA amplifica a estrutura existente. Quando a estrutura está bem desenhada, o ganho é real e mensurável. Quando não está, a automação acelera a degradação.

No contexto de operações comerciais B2B, a estrutura que precisa existir antes do agente inclui, no mínimo: critérios de aprovação por perfil de cliente e volume, condições de crédito com parâmetros claros, regras de precificação diferenciada auditáveis, e limites de autonomia do próprio agente, ou seja, o ponto em que ele escala para um humano.

O custo da inação

Há dois erros simétricos aqui. O primeiro é implantar agentes sem governança e amplificar inconsistências comerciais em escala. O segundo, menos discutido, é não implantar e perder a janela competitiva para concorrentes que estruturaram a decisão antes de agir.

O custo de transação de uma operação comercial B2B não governada cresce com o volume. Cada exceção não documentada, cada condição negociada fora do sistema, cada aprovação que existe só na cabeça de um diretor comercial representa um custo latente que agentes de IA vão expor, não resolver, se implantados sobre essa base.

Empresas que já vivem esse problema em escala, com operações de centenas de clientes ativos, SKUs diferenciados e condições negociadas por segmento, sentem esse custo na forma de: ciclos de aprovação longos, inconsistências de margem entre canais, e incapacidade de dar ao agente uma instrução que ele possa executar com segurança.

Princípios para estruturar antes de agentificar

• Mapeie as regras reais, não as oficiais: documente as exceções que já existem, porque o agente vai encontrá-las
• Defina os limites de autonomia antes de ligar o agente: o que ele pode decidir sozinho, o que precisa de aprovação humana e em qual prazo
• Trate o DNA de negociação como ativo estratégico: condições negociadas, critérios de crédito e preços diferenciados são vantagem competitiva, não bagunça a ser escondida
• A auditabilidade é requisito de implantação, não opcional: você precisa saber o que o agente decidiu, quando e com qual critério
• A sequência importa mais que a velocidade: estruture a decisão, depois automatize a execução

FAQ

O agente de IA não aprende as regras sozinho? Modelos de linguagem aprendem padrões de dados históricos. Se os dados históricos refletem inconsistências comerciais, o agente aprende a replicar essas inconsistências. Aprendizado não substitui governança, depende dela.

Nossa operação é pequena para isso importar? O problema aparece com clareza em operações maiores, mas a causa raiz, ausência de regras de decisão formalizadas, existe desde o primeiro cliente com condição especial. Estruturar enquanto a operação é pequena é mais barato que reconstruir depois.

Preciso pausar a implantação de IA para resolver isso? Não necessariamente pausar, mas sequenciar. Agentes podem começar em contextos de baixa autonomia e alta supervisão enquanto a governança é construída, desde que esse seja o plano, não o estado permanente.

Quem já vive isso

No setor automotivo, onde condições comerciais negociadas, crédito diferenciado e precificação por cliente são parte do dia a dia, a complexidade das regras é a norma, não a exceção. Uma revisora verificada no Software Advice, com experiência em empresa do setor com mais de 5.000 funcionários, descreveu o que encontrou ao trabalhar com regras comerciais estruturadas:

"The support and project team, responsive, technically engaged, and willing to work through complex commercial rules (negotiated pricing, credit, customer-specific conditions)."

, Maite S., revisora verificada, setor automotivo, Software Advice (https://www.softwareadvice.com/product/546664-CWS-Platform/)

O que chama atenção não é o elogio ao suporte. É a lista de complexidades que a frase pressupõe: precificação negociada, crédito e condições específicas por cliente. São exatamente essas três variáveis que um agente de IA vai precisar encontrar formalizadas para operar com segurança.

Um caso que ilustra

A trajetória da JOKR até o equilíbrio de EBITDA, documentada pelo Retail Tech Innovation Hub em junho de 2026, é um exemplo de sequência correta: cinco anos de reconstrução do modelo operacional, com IA e automação entrando depois da lógica de decisão redesenhada. O resultado positivo não veio de adotar IA mais rápido, veio de adotá-la na ordem certa.

Para operações comerciais B2B, a leitura é direta: agentes que operam sobre estrutura sólida entregam ganho mensurável; agentes que operam sobre ambiguidade entregam ambiguidade em escala.

Caso completo: https://retailtechinnovationhub.com/home/2026/6/25/quick-commerce-firm-jokr-reaches-ebitda-break-even-after-five-year-rebuild-around-ai-and-automation

Como a CWS Platform se posiciona nessa discussão

A CWS atua como B2B Commerce Platform for Governed Negotiation: o trabalho central é estruturar as regras de decisão comercial, condições por cliente, critérios de aprovação, lógica de crédito e preço negociado, de forma que possam ser executadas de maneira auditável. Quando agentes de IA entram nessa equação, eles encontram uma estrutura sobre a qual operar, não um campo aberto para improviso. A analogia com a Qualcomm desenhando o chip dentro dos limites regulatórios antes de lançá-lo é precisa: governança não é restrição ao agente, é a condição para que ele opere com segurança.

Sobre esta publicação

"O Custo da Venda" é a publicação da CWS Platform sobre operação comercial B2B: custo de transação, governança de negociação e decisão antes de automação. Escrita para CEOs, líderes comerciais e donos de operação que precisam de análise, não de pitch.

Fontes

• Qualcomm / ZeroHedge (https://www.zerohedge.com/markets/qualcomm-design-china-specific-data-center-chip-compliance-us-export-curbs): notícia sobre o desenvolvimento de chip específico para a China dentro das restrições americanas de exportação, usada como gancho para a tese de que governança precede a operação de qualquer tecnologia de IA
• JOKR / Retail Tech Innovation Hub (https://retailtechinnovationhub.com/home/2026/6/25/quick-commerce-firm-jokr-reaches-ebitda-break-even-after-five-year-rebuild-around-ai-and-automation): case de empresa que atingiu EBITDA positivo após cinco anos reconstruindo o modelo operacional antes de implantar IA e automação
• Software Advice, Maite S. (https://www.softwareadvice.com/product/546664-CWS-Platform/): depoimento verificado de usuária do setor automotivo sobre a complexidade de regras comerciais estruturadas (precificação negociada, crédito, condições por cliente)