A AI Agente Pode Transformar o Procurement — Mas o Modelo Operacional Vem Primeiro

A HBR está certa: o procurement é excepcionalmente adequado para a AI agêntica. Minha defesa é que a tecnologia não é o primeiro passo. Os líderes devem redesenhar a equipe, desafiar o modelo comercial e definir os direitos de decisão antes de escalar um agente.

A HBR está certa. Eu iria além.

Quando a Harvard Business Review publicou “Por que a AI Agente Pode Transformar o Procurement” em 13,, concordei com a premissa. Os autores, incluindo líderes do BCG e um acadêmico, argumentam que o procurement está excepcionalmente pronto para agentes porque o trabalho é estruturado, financeiramente mensurável e repleto de tarefas que exigem julgamento.

A evidência suporta parte desse caso. Gartner nomeia gestão de contratos, escopo de projetos, recomendações de fornecedores e elaboração de RFx entre os usos emergentes de fluxo de trabalho. A pesquisa de caso revisada por pares coloca classificação de gastos entre as análises avançadas que apoiam decisões estratégicas de compra. Se os agentes puderem absorver mais dessa preparação, os compradores terão mais espaço para julgamento. Mas esse é apenas o caso da tecnologia.

1. Altere o organograma antes de implantar o agente

O próprio estudo 2026 do BCG pesquisou mais de 200 CIOs, líderes de compras e compradores de tecnologia-compras na América do Norte, Europa e Ásia-Pacífico. Seus autores afirmam que as organizações que combinam a implantação de tecnologia com construção de capacidade, redesenho de processos e governança relataram resultados mais fortes do que aqueles focados apenas em tecnologia. Essa é uma associação autorreferida, não uma prova. A direção ainda merece ser levada a sério.

Coloque os agentes nos mesmos silos de categoria, nas mesmas escadas de aprovação e nas mesmas transferências de construção de decks, e você terá uma versão mais rápida do sistema antigo. Útil? Talvez. Transformador? Não.

Minha visão é que uma equipe central compacta deve ser proprietária da plataforma de agentes, controles, padrões e fluxos de trabalho reutilizáveis. Ela não deve ser proprietária de todos os resultados de categoria. Os proprietários de categoria e multifuncionais mantêm a estratégia, especificações, seleção de fornecedores e premiações. Os agentes realizam mais da preparação, análise e monitoramento. As pessoas se concentram em exceções, julgamento comercial, negociação e relacionamentos.

2. Desafie os preços construídos em torno do fluxo de trabalho antigo

Se um contrato de plataforma for precificado por assentos ou módulos, os líderes devem perguntar se essa unidade ainda corresponde ao valor quando os agentes executam mais do fluxo de trabalho. Um assento pode permanecer simples de vender e orçar. Não é automaticamente a unidade natural de valor. A melhor pergunta é qual trabalho foi concluído, com qual evidência e quem é o proprietário do resultado.

A advertência de Gartner é importante aqui: muitas organizações estão experimentando ROI desigual ou ficando aquém das expectativas. Também diz dados fragmentados e de baixa qualidade em todos os sistemas de compras podem dificultar resultados precisos, enquanto integrar soluções GenAI autônomas com plataformas existentes é frequentemente complexo. Comprar um complemento de agente para uma pilha inalterada não remove essas restrições. Pode simplesmente tornar a arquitetura antiga mais cara.

• Pelo que estamos pagando: acesso, um fluxo de trabalho executado ou um resultado verificado?
• Qual linha de base, volumes e exclusões definem esse resultado?
• Quem paga por entradas ruins, retrabalho ou exceções fora do controle do fornecedor?
• Quem é o proprietário dos dados enriquecidos de fornecedores, contratos e gastos — e podemos levá-los conosco?
• Quais direitos de auditoria, níveis de serviço e suporte de rescisão protegem o comprador?

3. Escreva os direitos de decisão antes de pedir confiança

O modelo durável é híbrido, não autônomo. A pesquisa de classificação de gastos propõe combinando processamento AI com validação e ajuste humano. Para sistemas classificados como de alto risco, a Lei AI da UE exige que eles podem ser efetivamente supervisionados por pessoas naturais durante o uso, incluindo a autoridade não usar o sistema em uma situação específica. Não estou afirmando que as ferramentas de compras comuns se enquadram nessa classe legal. O princípio operacional útil é mais simples: uma pessoa deve ser capaz de ver, contestar e interromper a ação.

Torne essa fronteira operacional. Permita que os agentes elaborem, normalizem, monitorem e recomendem dentro da política declarada. Mantenha prêmios, estratégia de negociação, aceitação de riscos, compromissos financeiros e relacionamentos com fornecedores com pessoas nomeadas. Nosso guia para AI em compras mapeia essa fronteira de execução versus decisão ao longo de todo o ciclo.

• Executar: nomear os dados permitidos, sistemas, políticas, limites, evidências necessárias e fallback antes que o agente atue.
• Recomendar: nomeie a pessoa responsável, a revisão que ela realiza e o registro retido quando ela aceita ou substitui a saída.
• Aprovar ou parar: reserve dinheiro, risco, estratégia, compromissos com fornecedores e desligamento do sistema para o proprietário autorizado; preserve a segregação de funções e a escalada.

A confiança segue o controle. Não o contrário.

Um estudo da IDC patrocinado pela Kinaxis, relatado pelo Supply Chain Quarterly da CSCMP, torna a lacuna visível. Apenas 6% dos entrevistados descreveram suas cadeias de suprimentos como autônomas em escala, enquanto 41% esperava que isso se tornasse seu modelo operacional principal dentro de um a dois anos. Na mesma pesquisa, 52% apontou a confiança em decisões orientadas por AI como uma das principais barreiras. O estudo cobriu mais de 2,000 líderes de cadeia de suprimentos em nove mercados, uma população mais ampla do que apenas a área de compras.

Eu não colocaria essas expectativas em um orçamento. Expectativas não são implementações. Mas eu levaria a lacuna a sério. A confiança não surge porque o próximo modelo é melhor. Ela cresce quando todos sabem o que o agente pode fazer, que evidências ele deve deixar para trás e quem é o dono da decisão.

Então, o que realmente muda?

O que eu faria na segunda-feira

1. Escolha um fluxo de trabalho de baixo risco. Comece com a reprodução histórica ou uma execução paralela aprovada junto com um evento ao vivo. Conclua as revisões de segurança, privacidade, jurídicas, de registros e de proprietários de categoria necessárias antes de usar dados confidenciais.
2. Mapeie cada entrega. Marque onde as informações são copiadas, resumidas, normalizadas, verificadas, comunicadas e aprovadas.
3. Escreva o limite operacional. Para cada etapa, registre se o agente pode executar, recomendar ou deve esperar; nomeie o proprietário, entradas, limite, evidência, substituição e fallback.
4. Reabrir os termos comerciais. Pergunte o que você paga quando os assentos e os toques manuais diminuem, e como seus dados enriquecidos saem com você.
5. Defina a linha de base antes do piloto. Registrar tempo de ciclo, retrabalho, taxa de exceção e a parcela de produção aceita sem correção substancial. Sem linha de base, sem história de ROI.

Não compre um agente para preservar o fluxo de trabalho que você já possui. Defina o escopo do fluxo de trabalho, linha de base, matriz de direitos de decisão e plano de sombra em dias. Mova para produção somente depois que os controles e aprovações corresponderem aos dados, interação com o fornecedor, autoridade financeira e risco envolvido. Rápido é bom. Autoridade não documentada não é.