Agentes de IA no balcão: o que a OpenAI, a AMD e a Intel anunciaram no mesmo dia, e o que isso muda para o pequeno negócio brasileiro

Em 30 de setembro de 2026, três empresas publicaram, com poucas horas de diferença, anúncios sobre agentes de inteligência artificial — programas que executam tarefas sozinhos, em vez de só responder perguntas. A OpenAI divulgou um relatório mostrando que, entre os seus usuários em pequenas empresas, dois terços do trabalho já é feito por agentes, e fechou uma parceria para treinar donos de negócio nos Estados Unidos. A AMD lançou o Ross, um agente para engenheiros de sistemas embarcados. A Intel voltou a promover a sua receita para rodar agentes no próprio computador, gastando menos nuvem. Nenhum dos três é notícia brasileira, mas o Brasil é o país onde esse assunto tem mais chão: 24 milhões de pequenos negócios, e uma pesquisa do Sebrae que mostra mais da metade deles já usando IA — proporção maior que a americana. Este aprofundamento explica o que é um agente, o que cada anúncio diz de verdade, quanto custa isso em reais, o que os dados brasileiros mostram e onde estão os riscos.

O que é um agente, afinal

A diferença entre um chatbot e um agente é a diferença entre perguntar e delegar.

Um chatbot responde: você pergunta como escrever uma proposta comercial, ele escreve o texto, você copia e cola. Um agente executa: você diz “monte a proposta para o cliente X com os preços da nossa tabela, gere o PDF e deixe pronto para eu enviar”, e ele abre a tabela, escreve, formata, salva e avisa quando terminou — tomando as decisões intermediárias sozinho. A Anthropic, uma das empresas que fazem esses sistemas, define agente como um sistema em que o modelo “dirige dinamicamente os próprios processos e o uso de ferramentas”, em contraste com fluxos de trabalho pré-definidos, em que cada passo é fixo.

Na prática, o que torna um agente diferente é o acesso a ferramentas: planilhas, e-mail, calendário, sistemas de pagamento, o navegador. Um modelo sem ferramentas só fala; com ferramentas, trabalha. E é esse acesso que explica tanto o entusiasmo quanto o cuidado — um agente que pode mandar e-mails pode mandar o e-mail errado.

O que a OpenAI mostrou

O relatório da OpenAI chama-se “Small Businesses, Bigger Capabilities” e vem acompanhado de um post, “Helping small businesses put AI to work”. Os números são do uso dos próprios produtos da empresa, e isso importa: é uma fotografia dos clientes da OpenAI, não do universo das pequenas empresas. Com essa ressalva, o que ele diz:

– Na semana de 9 a 15 de setembro, cerca de 4 milhões de funcionários de empresas com menos de 500 pessoas usaram produtos da OpenAI. Quase um em cinco deles trabalha numa empresa com menos de dez funcionários.

– Em agosto, os tokens “agênticos” — gerados pelo ChatGPT Work e pelo Codex, os produtos que executam tarefas — foram dois terços de tudo o que as pequenas empresas produziram com a OpenAI. Em abril, eram um terço. Em quatro meses, o uso passou de “perguntar” para “delegar”.

– Comparadas às empresas grandes, as pequenas usam agentes três vezes mais em finanças e contabilidade, cadeia de suprimentos, jurídico e conformidade, e marketing — justamente as áreas em que um negócio pequeno não tem um departamento.

O relatório traz casos: uma empresa chamada Goliath Data construiu um recurso em cerca de um dia, com cerca de US$ 40 de computação, e fechou um contrato de US$ 10 mil por mês seis dias depois; uma empreendedora, Teri Moten, levantou 48 contatos em dez minutos e vendeu um treinamento em dez dias. São exemplos escolhidos pela empresa, não uma amostra.

A parceria. A OpenAI fechou acordo com a America’s SBDC, a rede de centros de apoio a pequenas empresas dos Estados Unidos — 63 organizações, cerca de mil centros, um milhão de empreendedores atendidos por ano. A OpenAI vai treinar cerca de 150 conselheiros desses centros, que por sua vez vão dar oficinas presenciais de três horas para pelo menos mil pequenas empresas, com guias práticos; quem completar a oficina ganha acesso ao ChatGPT Plus sem custo. O cronograma fala em “próximos meses”, sem data final. Chris Lehane, da OpenAI, resumiu o argumento: a IA “pode ajudar pequenas empresas a lutar acima do seu peso”.

O que a AMD e a Intel anunciaram — e para quem

Os outros dois anúncios do dia são mais técnicos, e é honesto dizer que não se dirigem ao dono de loja.

O AMD Ross é um agente para quem desenvolve sistemas embarcados — os computadores dentro de máquinas, equipamentos e placas programáveis. Ele conversa em linguagem natural com as ferramentas de engenharia da AMD (Vivado, Vitis, ROCm, Ryzen AI, entre outras), busca documentação, gera código e depura, e funciona dentro dos editores que os programadores já usam: VS Code, Cursor, Claude Code, Codex. Tem quatro peças: servidores MCP — o protocolo que conecta modelos a ferramentas —, uma base de conhecimento, “habilidades” prontas e projetos de exemplo. Não exige licença adicional além das ferramentas AMD, está disponível para download e tem versão para redes isoladas da internet. Salil Raje, vice-presidente da divisão de embarcados, diz que o Ross “reúne as ferramentas da AMD, conhecimento confiável e fluxos escritos por especialistas”.

O post da Intel promove um “projeto de referência” para manutenção preditiva em infraestrutura crítica — dutos, por exemplo —, publicado em outubro de 2025: câmeras com visão computacional, um banco de dados local e agentes coordenados pelo LangGraph, rodando em pequenos computadores industriais com chips Core Ultra. A frase do post, “cortando os tokens de nuvem em até 70%”, tem origem em testes da própria Intel, divulgados em maio de 2026, em que parte do trabalho dos agentes rodava no computador local em vez de na nuvem. É um número de laboratório da fabricante, sobre uma configuração específica, não uma medição independente.

Por que os três juntos importam. O que une os anúncios é o movimento: os agentes estão saindo do chat e entrando no trabalho especializado — o contador da empresa pequena, o engenheiro de placas, o técnico de manutenção. A OpenAI mostra a demanda; a AMD e a Intel mostram que os fabricantes de chips querem que parte dessa demanda rode nas máquinas deles, e não só nos servidores das empresas de IA.

Quanto custa, em reais

Para um pequeno negócio brasileiro, o preço dos agentes já está em reais e em página oficial. Os valores abaixo são os de 1º de outubro de 2026, por usuário e por mês:

Três observações para ler a tabela:

– O ChatGPT Business inclui “agentes no espaço de trabalho”; o plano Pro individual vem com o “Dot”, que a OpenAI chama de “seu agente sempre ativo”. O Go e o Plus são o chatbot com mais capacidade, não agentes.

– O Google Workspace inclui o Gemini e o “Workspace Studio”, para criar fluxos automáticos entre Gmail, Drive, Planilhas e Agenda — é o caminho mais barato para quem já usa o Google no negócio.

– O Copilot Business da Microsoft traz agentes prontos, como o Researcher (pesquisa) e o Analyst (análise de dados), dentro do Word, do Excel e do Teams.

Para uma empresa de cinco pessoas, portanto, a conta começa em cerca de R$ 160 por mês (Workspace Starter em promoção) e chega a R$ 500 (ChatGPT Business padrão) — sem contar o tempo de aprender a usar, que é o custo que ninguém põe na tabela.

O Brasil já usa mais do que os Estados Unidos

Aqui o quadro muda de escala. Segundo o Sebrae, o Brasil tem 24 milhões de pequenos negócios ativos — 95% das empresas do país, 26,5% do PIB, oito em cada dez empregos formais criados em 2025. De cada R$ 100 pagos em salários no país, R$ 40 saem de um pequeno negócio.

Duas pesquisas recentes medem o uso de IA nesse universo:

– Sebrae e Meta, agosto de 2026, com 7.182 entrevistados entre março e maio: 52% dos pequenos negócios brasileiros usaram IA nas duas semanas anteriores — contra 21% nos Estados Unidos, pela pesquisa equivalente do Census Bureau americano. 60% pretendem ampliar o uso; 90% não mudaram o quadro de funcionários por causa da IA; entre os que não usam, 38% dizem que é por desconhecimento.

– Sebrae, FGV IBRE e Google, dezembro de 2025, com cerca de 5 mil empresas: 96% das micro e pequenas empresas e 87% dos MEIs conhecem IA; 46% das MPEs e 42% dos MEIs usam; o marketing lidera (59% e 74%), seguido de atendimento e produção de conteúdo.

Os dois estudos medem coisas um pouco diferentes — “usou nas duas últimas semanas” e “usa” —, mas convergem: metade dos pequenos negócios brasileiros já usa IA, e o uso mais comum é o chatbot para texto, imagem e atendimento. O salto para agentes, que a OpenAI mede nos seus clientes americanos, ainda não tem medição brasileira.

Há capacitação gratuita. Em junho de 2026, o Sebrae lançou o “Negócio em dIA”, programa nacional e gratuito de formação em IA para pequenos negócios, com Google, Itaú, Tera e Blip; as inscrições vão até 15 de dezembro, no site onegocioemdia.com.br. É o equivalente brasileiro, com meses de antecedência, da parceria que a OpenAI acaba de anunciar com os SBDC americanos.

O que um agente faz num negócio pequeno — e o que não faz

Para dar concretude, três cenários em que agentes já funcionam, e um em que não:

Cobrança e conciliação. Um agente lê o extrato bancário, cruza com as notas emitidas, identifica quem pagou e quem não pagou, e prepara as mensagens de cobrança para a aprovação do dono. É o uso em finanças que a OpenAI vê três vezes mais nas pequenas empresas: não há um financeiro, há o dono.

Atendimento fora do horário. O agente responde no WhatsApp ou no site com as informações do negócio — horários, preços, disponibilidade —, agenda e registra o pedido, e passa ao humano o que não sabe. A diferença para o chatbot antigo é que ele consulta a agenda e grava o pedido, em vez de só responder.

Marketing com rotina. O agente monta o calendário de posts, escreve, cria as imagens, agenda e, ao final da semana, resume o que teve mais resposta. É o uso que lidera nas duas pesquisas brasileiras.

O que não faz bem: decidir. Um agente executa o que foi definido; não sabe se o preço está certo, se o cliente merece desconto, se vale aceitar a encomenda. Nos casos de finanças, ele prepara; o dono aprova. É o desenho que funciona, e é o que os fornecedores recomendam.

Os riscos, com os números

O entusiasmo tem contraponto, e ele vem de quem mede.

– A Gartner, consultoria de referência em tecnologia corporativa, previu em junho de 2025 que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custo crescente, valor de negócio pouco claro ou controle de risco inadequado — e cunhou o termo *agent washing*: produtos antigos rebatizados como agentes. Em 29 de setembro de 2026, a mesma Gartner previu que 70% das empresas abandonarão, até 2028, os agentes construídos sob medida pelos engenheiros dos fornecedores.

– Um estudo do NBER, o escritório americano de pesquisa econômica, de fevereiro de 2026, ouviu cerca de 6 mil executivos nos Estados Unidos, Reino Unido, Alemanha e Austrália: 69% usam IA, mas nove em cada dez relatam nenhum impacto em produtividade ou emprego nos últimos três anos; a expectativa média é de 1,4% de ganho de produtividade.

– A pesquisa do Sebrae com a Meta tem o seu próprio dado de cautela: 90% dos negócios que usam IA não mudaram o quadro de funcionários. A IA está entrando como ferramenta, não como substituta — o que é bom para o emprego e diz pouco, por enquanto, sobre o resultado.

A leitura equilibrada: os agentes funcionam para tarefas definidas e repetitivas, com um humano aprovando; os projetos que fracassam são os que prometem autonomia total, custam mais do que rendem ou não têm como medir o ganho. Para o pequeno negócio, isso sugere começar pelo que já se faz todo dia — cobrar, responder, postar — e medir o tempo que sobrou.

MCP: a tomada em que os agentes se ligam

Um termo aparece no anúncio da AMD e vai aparecer cada vez mais nos produtos para pequenas empresas: MCP, sigla em inglês para “protocolo de contexto de modelo”. Vale uma explicação curta, porque é a peça que torna os agentes práticos.

Até pouco tempo, ligar um modelo de IA a uma ferramenta — o sistema de notas, o estoque, o calendário — exigia um programador escrevendo uma ponte específica para cada combinação. O MCP padroniza essa ponte: a ferramenta expõe o que sabe fazer num formato fixo, e qualquer agente que fale o protocolo consegue usá-la. É a tomada padrão da parede: o fabricante do aparelho não precisa saber qual é a sua companhia de energia.

O Ross da AMD é, no fundo, um conjunto de servidores MCP para as ferramentas de engenharia da empresa. Mas o mesmo mecanismo é o que permite, num negócio pequeno, que o agente do ChatGPT ou do Copilot consulte o sistema de vendas, o programa de emissão de notas ou a planilha de estoque — desde que o fornecedor desses sistemas tenha publicado o seu “servidor MCP”. Os grandes já publicaram; os sistemas brasileiros de gestão para pequenas empresas estão começando. Quando o seu fornecedor de ERP anunciar “suporte a MCP”, é isso: a tomada ficou pronta, e o agente pode se ligar.

O que o dono de negócio deve perguntar ao fornecedor

Como o termo “agente” virou argumento de venda — a Gartner chama de *agent washing* o produto antigo com nome novo —, cinco perguntas separam o que é agente do que é chatbot com marketing:

1. O que ele executa sozinho, e onde para? Um agente de verdade faz uma sequência de passos e sabe parar para pedir aprovação; um chatbot responde e espera.

2. A que sistemas ele se conecta? Se a resposta é “nenhum, você copia e cola”, não é agente.

3. O que fica registrado? Cada ação de um agente precisa deixar rastro — o que leu, o que escreveu, o que enviou. Sem registro, não há como auditar um erro.

4. Quem é o dono dos dados? O extrato bancário, a lista de clientes e as notas que o agente lê são o patrimônio do negócio; o contrato precisa dizer que não servem para treinar o modelo do fornecedor.

5. Como se desliga? Um agente com acesso ao e-mail precisa poder ser revogado em um clique, sem depender do fornecedor.

Quem fizer essas perguntas vai descobrir que boa parte do que se vende como agente, hoje, é a resposta de um chatbot com um botão de “enviar” — e que os agentes de verdade, os que a OpenAI mede nos seus dados, ainda estão concentrados em quem tem alguém técnico por perto. É uma distância que os programas de capacitação, o americano e o brasileiro, existem para encurtar.

Como começar sem se machucar

Cinco regras práticas, que valem para qualquer tamanho de negócio:

1. Comece pelo plano que você já paga. Quem usa Google Workspace ou Microsoft 365 já tem agentes incluídos ou a um clique; não precisa de assinatura nova para experimentar.

2. Dê ao agente só o acesso da tarefa. Um agente de cobrança lê o extrato; não precisa de acesso para transferir dinheiro. Permissão mínima é a regra número um da segurança com agentes.

3. Aprovação humana antes de qualquer envio — e-mail, mensagem, pagamento, publicação. Deixe o agente preparar; mande você.

4. Meça uma coisa. Horas por semana numa tarefa, antes e depois. Sem esse número, não há como saber se vale a assinatura.

5. Use a capacitação gratuita. O “Negócio em dIA” do Sebrae está aberto até dezembro; é mais barato errar numa oficina do que no caixa.

O que não se sabe

– Quantos pequenos negócios brasileiros usam agentes, e não só chatbots: nenhuma das pesquisas separa os dois.

– O retorno financeiro medido no pequeno negócio — os casos da OpenAI são escolhidos; os estudos amplos mostram pouco impacto até agora.

– Se a parceria OpenAI–SBDC chega a outros países, inclusive ao Brasil.

– Se o uso de agentes muda o emprego no pequeno negócio: por enquanto, 90% dizem que não.

O fecho

A notícia do dia 30 é menos sobre tecnologia nova e mais sobre uma passagem: nos clientes da OpenAI, o pequeno negócio deixou de perguntar e passou a delegar, em quatro meses. O Brasil chega a essa passagem com mais empresas usando IA do que os Estados Unidos, com capacitação gratuita já em curso e com preços em reais nas páginas oficiais. O que falta — aqui e lá — é o número que ninguém tem ainda: quanto isso rende. Enquanto ele não vem, a receita é a mesma dos anúncios e das pesquisas: tarefas claras, acesso mínimo, humano aprovando, e uma medida de tempo antes e depois.

Fontes: 1 · 2 · 3 · 4 · 5 · 6 · 7 · 8 · 9 · 10 · 11 · 12 · 13 · 14 · 15 · 16 · 17 · 18 · 19 · 20 · 21 · 22 · 23 · 24