Sua indústria fatura mais, mas a margem não acompanha

TL;DR

• Uma indústria pode ter ERP, CRM e faturamento crescente, mas continuar sustentando processos manuais que consomem margem.
• A reportagem do Valor Econômico usa o exemplo de uma indústria com faturamento anual de R$ 50 milhões e 20 pessoas dedicadas a tarefas manuais de back-office.
• Agentes de IA podem reduzir esse esforço, mas precisam saber quais decisões podem tomar e quais devem escalar.
• Automatizar antes de governar preços, condições, aprovações e exceções apenas aumenta a velocidade do erro.

Por que automatizar o back-office pode não recuperar sua margem?

A tensão foi exposta em uma reportagem recente publicada pelo Valor Econômico: indústrias e distribuidoras estão faturando mais, mas lucrando menos.

A matéria cita a Beyond the Bytes e apresenta o exemplo de uma indústria típica do middle market com faturamento anual de R$ 50 milhões e 20 pessoas dedicadas a tarefas manuais de back-office. Também informa um aumento médio projetado de 15% na margem de lucro dos clientes, com prazo estimado de 3 meses.

Para o CEO, o dado relevante não é apenas o tamanho da equipe envolvida. É a contradição operacional: a empresa já possui sistemas, mas ainda depende de pessoas para interpretar informações, transferir dados e decidir como cada situação deve ser tratada.

A causa, portanto, não é necessariamente a ausência de tecnologia. É o excesso de processo manual sobre sistemas como ERP e CRM.

Esse cenário costuma criar uma falsa escolha. De um lado, manter pessoas absorvendo o crescimento operacional. De outro, entregar rapidamente o fluxo a agentes de IA. A primeira opção preserva o custo. A segunda, quando adotada sem governança, pode reproduzir o problema em maior escala.

O processo manual pode estar escondendo uma decisão não estruturada

Nem toda tarefa repetitiva é apenas execução.

Ao tratar um pedido, uma condição comercial ou uma análise de crédito, o back-office pode estar tomando pequenas decisões que nunca foram formalizadas:

• A condição está dentro da política?
• O pedido pode avançar sem nova aprovação?
• Qual divergência pode ser tolerada?
• Quando a situação precisa ser encaminhada a uma pessoa?
• O que caracteriza uma exceção?
• Quais dados sustentam a decisão?

Enquanto essas respostas permanecem na experiência individual da equipe, a operação funciona por interpretação. O ERP e o CRM armazenam informações, mas a regra aplicada entre uma informação e uma ação pode continuar dispersa entre pessoas, mensagens e hábitos.

É justamente nesse ponto que uma automação aparentemente simples se transforma em risco. O agente consegue executar, mas não encontra uma fronteira explícita entre decidir e escalar.

A fronteira crítica: quando agir e quando escalar

Um agente de IA que opera faturamento, crédito ou pedidos não precisa apenas acessar dados. Precisa atuar dentro de um perímetro de decisão.

Isso significa estabelecer previamente:

• quais situações podem ser tratadas de forma autônoma;
• quais limites comerciais não podem ser ultrapassados;
• quais exceções exigem aprovação;
• quais informações precisam ser registradas;
• quando o agente deve interromper a execução e escalar o caso.

A sequência importa. Primeiro, a empresa estrutura a decisão. Depois, delega a execução.

A relevância desse princípio aparece em outros contextos. Segundo a PCWorld, o Claude realizou uma compra no FreshDirect com apoio do 1Password, autenticando o usuário, selecionando itens e finalizando o pedido sem interação direta com o navegador.

A execução autônoma é tecnicamente relevante. Ainda assim, as perguntas econômicas permanecem: a que preço aceitar, quando substituir um item e quando solicitar aprovação?

No B2B, essas questões ganham peso porque cada transação pode carregar histórico de negociação, política comercial e condições específicas. O agente não elimina essa complexidade. Ele precisa recebê-la de forma governada.

O mesmo princípio aparece no caso divulgado pela Finextra sobre CaixaBank e Visa. As empresas concluíram uma transação iniciada por um agente de IA, dentro de modelos de autorização e controle definidos pelo usuário. O ponto central não foi apenas permitir que o agente pagasse, mas estabelecer o perímetro em que ele poderia atuar.

O objetivo não é autonomia máxima

Uma avaliação de agentes de IA baseada apenas em quantidade de tarefas automatizadas pode induzir a uma conclusão errada.

O objetivo econômico não deve ser maximizar a autonomia. Deve ser ampliar a execução autônoma apenas onde a decisão já é suficientemente clara, preservando escalação humana nos casos que concentram risco, ambiguidade ou impacto financeiro.

Isso muda a pergunta feita pelo board. Em vez de “quantas pessoas ou etapas o agente substituirá?”, a análise passa a considerar:

• quais decisões já estão formalizadas;
• onde as exceções consomem mais capacidade;
• quais erros têm maior impacto sobre a margem;
• quais situações podem ser executadas com consistência;
• quais decisões ainda dependem de contexto não estruturado.

Essa abordagem também evita que a promessa de 15% de aumento médio projetado na margem, citada pela reportagem do Valor, seja tratada como consequência automática da adoção de IA. O ganho depende da estrutura sobre a qual o agente será colocado.

O Custo da Inação

Não agir mantém a empresa presa ao paradoxo apresentado pela reportagem: mais receita, mais esforço operacional e uma margem que não acompanha o crescimento.

Mas agir na ordem errada também tem custo.

Quando um processo caótico é automatizado, a empresa pode reduzir o tempo de execução sem reduzir a inconsistência da decisão. O erro passa a circular mais rapidamente, alcançar mais transações e exigir novas camadas de conferência humana.

O custo da inação, portanto, não é apenas deixar de adotar IA. É também adiar a formalização do conhecimento comercial que hoje está distribuído entre pessoas.

Esse conhecimento inclui critérios de preço, condições, aprovações, limites e exceções. Enquanto permanecer implícito, cada nova automação dependerá de reconstruí-lo. Quando se torna política governada, passa a ser um ativo operacional reutilizável.

Princípios para introduzir agentes sem automatizar o caos

• Diagnostique as decisões escondidas dentro das tarefas manuais.
• Separe execução repetitiva de julgamento comercial.
• Defina limites de autonomia antes de escolher o que automatizar.
• Formalize preços, condições, aprovações e exceções como políticas.
• Determine critérios objetivos de escalação para pessoas.
• Preserve registro e rastreabilidade das decisões executadas.
• Comece por fluxos cuja lógica já pode ser descrita com clareza.
• Avalie resultado por consistência e impacto financeiro, não apenas por velocidade.
• Trate o histórico de negociação como conhecimento da empresa.
• Amplie a autonomia somente após validar o perímetro de decisão.

FAQ

Todo processo manual deve ser entregue a um agente de IA?

Não. Processos manuais podem misturar execução simples e decisões contextuais. A empresa precisa separar essas duas dimensões antes de automatizar.

ERP e CRM já não oferecem essa governança?

Esses sistemas são parte da infraestrutura, mas a existência deles não significa que critérios comerciais, exceções e limites de escalação estejam formalizados. A reportagem do Valor mostra justamente a permanência de trabalho manual sobre os sistemas.

Quando um agente deve escalar uma decisão?

Quando a transação ultrapassa limites definidos, apresenta uma exceção, carece de dados suficientes ou envolve uma decisão que a empresa ainda não transformou em política explícita.

Quem já vive isso

“Os agentes de IA nativos conseguem responder perguntas técnicas do catálogo e auxiliar na negociação usando os dados reais do negócio.”

Carlos M., Head de Vendas, em avaliação publicada no Capterra.

Um caso que ilustra

O caso da JOKR, publicado pelo Retail Tech Innovation Hub, relata que a empresa de quick commerce alcançou o equilíbrio de EBITDA depois de uma reconstrução de cinco anos em torno de IA e automação.

A experiência corrobora o ponto central: automação amplifica a estrutura existente. O resultado depende de regras, critérios e processos bem desenhados antes da implementação.

Leia o caso no Retail Tech Innovation Hub.

Sobre esta publicação

O Custo da Venda é uma publicação da CWS Platform sobre a economia e a governança das operações comerciais B2B.

A CWS Platform é uma B2B Commerce Platform for Governed Negotiation. Nessa arquitetura, a decisão comercial é estruturada antes da execução por agentes. O objetivo não é remover indiscriminadamente a participação humana, mas reduzir o custo de transação onde há regras claras e escalar com critério o que exige julgamento.

Ao transformar o DNA de negociação em políticas explícitas, a empresa cria uma base governada para que a IA use dados reais do negócio sem operar por delegação cega. A tecnologia passa a executar dentro da política comercial, em vez de tentar descobri-la durante cada transação.

Fontes

• Valor Econômico, Indústrias e distribuidoras faturam mais mas lucram menos: fonte principal sobre o exemplo industrial, o trabalho manual de back-office e a projeção de margem.
• PCWorld, Claude did my FreshDirect shopping, with help from 1Password: exemplo de execução autônoma de uma compra por agente.
• Finextra, CaixaBank initiates first agentic shopping transaction: caso de transação iniciada por agente sob modelos definidos de autorização e controle.
• Capterra, CWS Platform: depoimento público de Carlos M., Head de Vendas.
• Retail Tech Innovation Hub, JOKR reaches EBITDA break even: caso relacionado sobre a reconstrução da operação em torno de IA e automação.