O fim do clique programado: RPA, Agentes Autônomos e a disputa silenciosa pelo coração da automação corporativa

Quando o robô que te salvou começa a te custar caro

Havia uma certa magia na primeira vez que uma empresa via um robô de software abrir o SAP, preencher um formulário, copiar dados de uma planilha e disparar um e-mail — tudo sem que nenhum humano tocasse no teclado. Era 2015, 2017, 2019, dependendo da maturidade da empresa, na época, quando liderei um projeto de implantação em uma grande construtora, todos ficaram espantados. O RPA chegou prometendo transformação digital acessível, sem mexer nos sistemas legados, sem grandes projetos de TI, sem dor. E cumpriu. Para milhares de empresas, foi a primeira automação real que saiu do PowerPoint e entrou em produção.

O problema é que o mercado não parou de se mover — e o robô ficou parado na tela esperando o botão aparecer na mesma posição de sempre. Hoje, o setor corporativo vive uma tensão crescente entre três gerações de automação que coexistem no mesmo ambiente: o RPA clássico, o RPA turbinado com IA Generativa, e os Agentes Autônomos que operam diretamente sobre APIs e conectores nativos. Não são tecnologias que se substituem linearmente — pelo menos por enquanto. Mas a trajetória está clara, e as apostas precisam ser feitas agora, antes que a janela de vantagem competitiva se feche.

A verdadeira disrupção da automação corporativa não vem de uma tecnologia melhor fazendo a mesma coisa. Vem de uma tecnologia diferente tornando a pergunta original — "como automatizo esse processo?" — progressivamente obsoleta.

Primeiro, vamos entender o que cada coisa é de verdade

Antes de traçar qualquer cenário competitivo, vale nomear com precisão o que está em disputa. Já elaboro melhor cada uma!

RPA Clássico é, em sua essência, automação por interface. O bot enxerga a tela como um humano enxergaria — pixels, campos, botões — e executa ações pré-programadas nessa camada visual. É verdade que plataformas como UiPath e Automation Anywhere já permitem integrações via API há algum tempo — é possível chamar endpoints REST, consumir webservices e orquestrar chamadas entre sistemas dentro de um fluxo RPA. Mas aqui mora uma distinção importante: essa integração é imperativa e estática. Você define cada chamada, cada parâmetro, cada tratamento de erro explicitamente no fluxo. Não há adaptação, não há inferência, não há decisão contextual — é um script disfarçado de integração. Quando a API muda de versão, o fluxo quebra. Quando surge uma exceção não mapeada, o processo trava. A força original do RPA — a não-invasividade, o "se tem tela, tem automação" — carrega junto a sua limitação estrutural mais profunda: o bot não entende o que está fazendo. Ele apenas replica, com ou sem tela na frente.

RPA com IA Generativa é a resposta das grandes plataformas — UiPath, Automation Anywhere, Blue Prism — à pressão dos LLMs. Aqui, capacidades de compreensão de linguagem natural, visão computacional e processamento de documentos são enxertadas sobre a estrutura clássica. O resultado é um bot que ainda opera sobre interfaces, mas agora consegue interpretar documentos não estruturados, compreender variações de layout e tomar decisões contextuais simples. É evolução incremental — útil, mas não transformacional.

Agentes Autônomos sobre APIs é uma categoria diferente em natureza, não apenas em grau. Aqui, não há interface sendo simulada. O agente se comunica diretamente com os sistemas via APIs, conectores nativos ou protocolos padronizados como o MCP. Ele recebe um objetivo, não um script. Decide a sequência de ações, lida com exceções, adapta o comportamento ao contexto e — o ponto central — aprende com cada execução. A janela de contexto substitui o fluxograma. A intenção substitui o clique.

Dimensão	RPA Clássico	RPA + IA Generativa	Agentes Autônomos
Camada de operação	Interface gráfica (UI)	UI + documentos/texto	API / conectores nativos
Flexibilidade	Baixa (quebra com mudança de UI)	Média	Alta (adapta ao contexto)
Dados não estruturados	Não suporta	Suporte parcial	Suporte nativo
Manutenção	Alta (frágil)	Média	Baixa (auto-adaptativo)
Custo de implantação	Baixo-médio	Médio	Médio-alto
Custo de operação no longo prazo	Cresce com complexidade	Estável	Decresce com aprendizado
Dependência de legado	Total	Alta	Baixa a nula
Tempo até produção	Semanas	Semanas-meses	Meses
ROI no curto prazo (0-12 meses)	Alto	Alto-médio	Médio
ROI no longo prazo (2-5 anos)	Decrescente	Estável	Crescente

A tabela conta uma história clara: o RPA vence no curto prazo, os Agentes vencem no longo. Mas o mercado corporativo raramente pensa em cinco anos quando decide sobre automação — e é exatamente aí que mora a armadilha.

Como o RPA está se adaptando — e até onde essa adaptação vai

Seria ingênuo ignorar o movimento das grandes plataformas de RPA. UiPath e Automation Anywhere não estão dormindo. Ambas integraram módulos de IA Generativa, capacidades de processamento de linguagem natural e, mais recentemente, arquiteturas agênticas dentro de suas próprias plataformas. A UiPath lançou o Autopilot. A Automation Anywhere tem o AutoAnywhere AI. A mensagem é: "você não precisa sair da nossa plataforma para ter IA."

É uma jogada defensiva inteligente — e funcionará para uma fatia relevante do mercado, especialmente empresas que já têm licenças, times treinados e processos mapeados em cima dessas ferramentas. A switching cost aqui é real e não deve ser subestimada. Migrar 200 bots de produção para uma arquitetura agêntica do zero não é decisão que um CTO toma em uma reunião de sexta.

Mas há um limite estrutural nessa adaptação. O RPA com IA Generativa ainda carrega o DNA do clique programado — a lógica de fluxo, a dependência de interface, a fragilidade diante de mudanças sistêmicas. Enxertar um LLM sobre um bot que navega telas é como colocar um motor elétrico num carroção de boi. Funciona. Anda mais rápido. Mas a estrutura ainda é a do carroção.

A pergunta que o mercado vai fazer nos próximos três anos não é "meu RPA tem IA?" — é "meu RPA ainda faz sentido existir?"

A ascensão dos Agentes e o novo mapa de poder

Os Agentes Autônomos chegam com uma premissa radicalmente diferente: o processo é o prompt, não o fluxograma. Em vez de mapear cada etapa, cada condição, cada exceção em um diagrama de fluxo que vira código que vira bot, você descreve o objetivo e o agente decide como chegar lá.

Isso só é possível porque o ecossistema de conectividade amadureceu em paralelo. Salesforce, SAP, ServiceNow, HubSpot, Jira, Slack, Google Workspace — praticamente toda plataforma corporativa relevante hoje expõe APIs ricas e bem documentadas. Protocolos como o MCP padronizam como os agentes acessam essas interfaces. O resultado é um mundo onde um agente bem configurado tem acesso nativo a mais sistemas do que qualquer time de RPA jamais conseguiria automatizar.

O caso de uso que melhor ilustra essa diferença: gestão de pedidos de compra.

Com RPA clássico, você mapeia o fluxo — bot abre o ERP, lê o pedido, verifica o estoque no WMS, aprova ou reprova com base em regras fixas, dispara e-mail para o fornecedor. Funciona. Mas se o layout do ERP muda, o bot quebra. Se o fornecedor responde fora do padrão esperado, o bot trava. Se surge uma exceção não mapeada, humano entra.

Com um Agente Autônomo via API: o agente recebe o objetivo "gerir pedidos de compra com base na política de procurement", acessa o ERP via conector nativo, consulta histórico do fornecedor, verifica condições de mercado se necessário, negocia prazos via e-mail com compreensão de linguagem natural, e escalona para humano apenas quando há ambiguidade real de decisão. Nenhuma tela foi aberta. Nenhum pixel foi verificado. Nenhum fluxograma foi desenhado.

A questão que ninguém quer responder: até onde faz sentido automatizar sobre legado?

Aqui chegamos no ponto mais espinhoso — e o mais relevante estrategicamente. Quando vale mais a pena construir um agente que opera sobre um sistema legado versus reconstruir o próprio legado?

Não há resposta universal, mas há variáveis que tornam o cálculo mais racional. Pense nisto como uma matriz de decisão:

Automatize sobre o legado quando:

• O sistema legado é estável e tem API ou interface previsível

• O custo de substituição do legado ultrapassa 3-4x o custo da automação

• O sistema tem vida útil restante superior a 5 anos no roadmap

• O processo automatizável tem alto volume e baixa variabilidade

• A organização não tem maturidade técnica para absorver uma migração
  

Questione seriamente o legado quando:

• O bot quebra mais de uma vez por mês por mudança de interface

• O custo de manutenção da automação cresce trimestre a trimestre

• O sistema não expõe API e provavelmente nunca irá expor

• O processo exige cada vez mais exceções tratadas manualmente

• Existem plataformas SaaS modernas que resolvem o mesmo problema com conectores nativos já disponíveis
  

O erro mais comum que vejo no mercado é tratar a automação sobre legado como solução permanente quando ela é, na melhor das hipóteses, uma ponte. Uma ponte útil, às vezes necessária, mas que não substitui a estrada. Empresas que constroem dez bots sobre um ERP de 1998 estão, muitas vezes, postergando uma decisão inevitável e acumulando dívida técnica disfarçada de transformação digital.

Aquela planilha marota do Business Case precisa incluir uma coluna que a maioria esquece: custo de oportunidade de não modernizar o legado. Quanto vale, em produtividade perdida e velocidade de inovação represada, cada ano que o sistema legado permanece no centro da operação?

O plano de competição: quem vence, quando e por quê

Aqui vão minhas apostas — e assumo que são apostas, não profecias.

2024–2026: Coexistência com RPA dominante

RPA ainda domina o mercado corporativo pelo simples fato de que a base instalada é gigantesca e o custo de migração é real. O crescimento das plataformas RPA com IA Generativa sustenta essa posição. Agentes Autônomos avançam em nichos: empresas nativas digitais, startups de tecnologia, squads de inovação em grandes empresas. O mercado aprende.

2026–2028: Bifurcação clara

Duas trajetórias se consolidam. Empresas com sistemas modernos e APIs bem estruturadas migram progressivamente para arquiteturas agênticas — os casos de sucesso se multiplicam e o ROI começa a superar o RPA nas análises de longo prazo. Empresas com legados profundos mantêm RPA como camada de automação, mas começam a sentir os limites de escala. As plataformas RPA respondem com produtos "agente-first" — mas a dívida arquitetural é difícil de esconder.

2028–2030: O RPA clássico vira commodity de nicho

RPA puro — sem camada agêntica significativa — migra para o mesmo espaço que o mainframe ocupa hoje: presente, necessário em contextos específicos, mas fora do centro estratégico das decisões de automação. Os Agentes Autônomos tornam-se o padrão para novos projetos. A disputa passa a ser entre plataformas agênticas, não entre RPA e agentes. O campo de batalha muda — e quem apostou cedo nas arquiteturas abertas sai na frente.

A aposta final: o que realmente vai prevalecer

Minha convicção — construída sobre os padrões que observo nos projetos, nas plataformas e no movimento dos grandes players — é que a arquitetura vence a ferramenta. Empresas que investirem nos próximos dois anos em modernizar a camada de APIs dos seus sistemas centrais, adotar protocolos padronizados como MCP, e construir capacidade interna de orquestrar agentes terão uma vantagem que nenhum bot de RPA, por mais sofisticado, conseguirá replicar.

O RPA não vai morrer amanhã. Mas vai deixar de ser resposta para novas perguntas. E as perguntas novas — processos cognitivos, decisões contextuais, automações que aprendem — são exatamente onde o mercado está crescendo.

Aqui vai minha última provocação: a maior ameaça para as empresas não é escolher a tecnologia errada de automação. É continuar fazendo a pergunta errada. "Como automatizo este processo sobre este sistema?" é uma pergunta de 2018. A pergunta de 2026 é: "que sistema e que processo precisam existir para que a automação seja nativa, não uma camada de remendo?"

Quem responder essa segunda pergunta primeiro vai construir uma operação que os concorrentes vão demorar anos para entender — e ainda mais para replicar.

Bons ensaios a todos. E bora reconstruir o legado 💣