Muitas empresas consideram a Automação Robótica de Processos (RPA) uma tecnologia superada, com a ascensão de discussões sobre agentes de inteligência artificial (IA) e modelos generativos. Contudo, dados recentes sobre a adoção de IA no ambiente corporativo revelam que grande parte das organizações não estabeleceu a base necessária para que a inteligência artificial entregue todo o seu potencial, e essa fundação é precisamente o que o RPA tem oferecido por anos quando bem implementado.

A lacuna entre experimentação e implementação efetiva de IA

O AI Index 2026, produzido pelo Instituto de Inteligência Artificial Centrada no Ser Humano da Universidade Stanford, aponta que 88% das empresas pesquisadas já utilizavam IA em alguma área de negócio em 2025, e a IA generativa alcançou 70% de adoção. Apesar desses números expressivos, o mesmo levantamento indica que o uso de agentes de IA, que de fato executam tarefas de forma autônoma, permaneceu em um dígito percentual na maioria das funções empresariais analisadas. Essa discrepância entre experimentar IA generativa e ter IA operando de forma autônoma e confiável evidencia um mercado que prioriza a experimentação em detrimento da estruturação para escalabilidade.

Relatos do setor confirmam que empresas estão adotando a inteligência artificial rapidamente, mas sem reestruturar processos, organizar dados ou estabelecer governança. O resultado, segundo especialistas, não é o aumento da eficiência, mas a transferência de gargalos e a criação de mais complexidade e custos. A aplicação de novas tecnologias sobre processos mal desenhados tende a ampliar os problemas existentes, em vez de solucioná-los.

Dados, não ferramentas, são o verdadeiro gargalo

Uma análise de 2026 sobre a evolução da adoção de IA concluiu que o maior obstáculo não é a ferramenta de inteligência artificial em si, mas sim os dados. Empresas que progrediram mais rapidamente com a IA já possuíam bases de dados organizadas, históricos confiáveis e sistemas integrados, aspectos nos quais o RPA sempre se mostrou relevante. Projetos de automação robótica de processos bem executados vão além da eliminação de tarefas repetitivas; eles impõem a disciplina de mapear processos, estruturar dados, conectar sistemas e padronizar fluxos, organizando a base essencial para qualquer projeto de IA.

Empresas que já automatizaram processos com RPA não estão atrasadas na corrida da IA; na verdade, elas têm uma vantagem significativa. A automação inteligente atual é vista como uma composição em camadas, onde o RPA organiza e extrai dados, a IA generativa interpreta solicitações com base nesses dados, e o agente de IA decide a ação final. Remover o RPA dessa composição não acelera a adoção da IA, mas sim compromete a confiabilidade das camadas subsequentes. Dados da KPMG revelam que, embora 62% das empresas estejam experimentando IA agêntica, apenas 26% a utilizam ativamente, demonstrando a importância de uma fundação de automação sólida.

Antes de questionar qual IA deve ser adotada, as empresas deveriam focar em quais de seus processos já estão automatizados, com dados limpos, fluxos mapeados e sistemas integrados. A verdade é que muitos processos manuais ainda persistem por trás do discurso de inovação. O RPA não é uma etapa anterior à IA por ser mais simples, mas porque constrói a confiabilidade necessária para o bom funcionamento de qualquer camada de inteligência artificial. Quem pula essa fase pode estar correndo mais rápido, mas em direção a um resultado que provavelmente precisará ser refeito.