Por décadas, o varejo dedicou seus maiores esforços para capturar a atenção humana, do merchandising nas lojas físicas até o design de experiência nas telas do e-commerce. No entanto, estamos vivenciando o nascimento de uma nova dinâmica operacional, na qual a decisão de compra deixa de ser feita por humanos e passa a ser executada por agentes autônomos de inteligência artificial.

Isso deixou de ser uma tendência teórica e tornou-se dado concreto. É o que aponta o levantamento da NielsenIQ, de 2026, em que 42% dos consumidores brasileiros já utilizam ferramentas de IA para pesquisar, comparar e selecionar produtos antes de comprar. Mais do que isso, a pesquisa Agentic Commerce Consumer Study da Visa, do mesmo ano, revela que 76% dos brasileiros pretendem delegar suas compras a agentes inteligentes, liderando a intenção global à frente de mercados como os Estados Unidos (44%).

Na prática, uma fatia crescente das “visitas” aos catálogos de produtos será feita por software, não por olhos humanos. Embora a experiência visual continue sendo decisiva para interações humanas diretas, o algoritmo não se impressiona com layout. Um agente quer dados limpos: estoque real, atributos padronizados, preço consistente entre canais, prazo de entrega confiável. Se a operação de uma marca não for perfeitamente “legível” e acessível por máquina, seus produtos serão descartados pelo agente antes mesmo que o consumidor saiba que eles existiam como opção.

O maior gargalo para atender a essa demanda não costuma ser a falta de dados, mas a fragmentação do legado tecnológico. No varejo tradicional, informações de ponto de venda, e-commerce, CRM e logística vivem em sistemas isolados que nunca foram projetados para conversar entre si. A reação instintiva é pensar em trocar o ERP ou migrar toda a plataforma, mas isso raramente é o primeiro passo certo. A abordagem mais eficiente é estabelecer uma arquitetura de integração desacoplada, baseada em serviços e APIs, que permita interoperabilidade, governança e evolução contínua. O núcleo continua fazendo o que faz (registrar transações), enquanto essa camada responde às consultas automatizadas em tempo real. É trabalho de arquitetura, não de substituição.

Leia também: Lucro operacional da Alares cresce 14,4% e atinge R$ 127 milhões

O risco e o preço de abrir a porta

Em paralelo, abrir a infraestrutura para que agentes externos consultem catálogos e bases de dados, gera uma exposição a riscos cibernéticos que crescem exponencialmente. O Cybersecurity Readiness Index 2025, da Cisco, aponta que 77% das empresas brasileiras já enfrentaram ataques potencializados por IA, que gera um custo estimado enorme para as empresas. Por essa razão, a segurança deve ser desenhada junto com a arquitetura do sistema, adotando o princípio do privilégio mínimo: sistemas com acesso a estoque não devem visualizar dados pessoais, e integrações de catálogo não precisam de permissão de escrita, contendo o impacto de eventuais incidentes. Parece óbvio, mas é exatamente o tipo de decisão que fica para depois e custa caro quando dá errado.

A diferença entre adotar uma ferramenta de forma isolada, sem arquitetura adequada, e construir capacidade tecnológica real reside na arquitetura de software. Implementar ferramentas sem uma estratégia arquitetural integrada e plugar agentes no fim do processo para resolver falhas operacionais ataca o sintoma, mas ignora a causa raiz. Automatizar o atendimento de uma ruptura de estoque, por exemplo, é infinitamente menos valioso do que utilizar dados integrados e inteligência preditiva para evitar que a ruptura aconteça.

O que garante o sucesso de um agente inteligente é o contexto ao seu redor, construído com unificação de dados, analytics em tempo real e observabilidade. Um exemplo é o setor de delivery, a implementação dessa disciplina de automação e monitoramento ativo reduziu o tempo médio de resposta a incidentes operacionais de oito minutos para apenas 47 segundos, demonstrando o impacto direto na eficiência do negócio.

Para quem precisa começar com orçamento apertado, minha recomendação é escolher um caso de uso com métrica clara, dono definido e dados que a empresa já tem. Resultado rápido financia a etapa seguinte e, mais importante, cria competência interna, algo que nenhuma ferramenta entrega por si só, sem a devida implementação arquitetural. Na hora de escalar, vale definir com clareza o que o sistema pode fazer sozinho e o que não pode: ações reversíveis e de baixo risco rodam automatizadas; qualquer coisa que toque receita ou dado sensível mantém um humano na decisão, o tão citado “human-in-the-loop”.

Nesse novo cenário do varejo, o papel da marca não se extingue, mas se transforma. A marca deixa de depender exclusivamente do impulso visual e passa a atuar como um ativo fundamental de reputação e confiança, levando o consumidor a instruir seu agente de IA a dar prioridade ao catálogo daquela empresa.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!