O Modelo de Maturidade de AI Agents: Os Estágios Crawl, Walk e Run da Adoção

O modelo de maturidade de AI agents classifica a adoção de agents de uma organização em três estágios: crawl, um único agent supervisionado provando o conceito; walk, vários agents governados rodando em mais de uma equipe; e run, agents operando como uma frota coordenada, incorporada à forma como o negócio realmente funciona. A maioria das empresas diz que "usa AI agents" sem dizer a qual dos três estágios se refere, e é justamente essa vagueza que permite que projetos de agents sejam financiados e depois travem em silêncio. Este modelo dá os sinais reais de cada estágio, para que você possa dizer onde realmente está, e não onde o slide da apresentação diz que está.

Por Que a Maturidade Vence a Adoção como Pergunta Certa

A adoção pergunta se você usa agents. A maturidade pergunta até onde esse uso realmente vai, e a distância entre essas duas perguntas é enorme. A pesquisa State of AI 2025 da McKinsey constatou que 88% das organizações usam AI em pelo menos uma função de negócio, e 62% estão em algum ponto do caminho da agentic AI em particular: 23% escalando um agent em alguma área do negócio, 39% experimentando. Mas, dentro de qualquer função de negócio individual, a McKinsey constatou que no máximo cerca de 10% das organizações têm agents rodando de fato em escala. A maior parte desse número de adoção chamativo ainda é crawl ou início de walk, e não run, seja qual for a mensagem do slide de AI no organograma. Agentic AI em 2026 cobre esse panorama completo de adoção no mercado. Esta página trata do que realmente separa os estágios depois que você passou de "usamos um agent em algum lugar".

Crawl, Estágio 1: Um Agent, Muito Supervisionado

O crawl se parece com um único agent restrito, de responsabilidade de uma equipe, geralmente construído em uma plataforma no-code porque o trabalho é padronizado e não inédito. Algo no formato do AI Reply Agent ou do AI Meeting Scheduler Agent é uma primeira construção típica: escopo limitado, regras claras, baixo risco se ele errar algo. A revisão humana fica perto de cada ação, e o sucesso nesse estágio não é "economizou dinheiro?", e sim "funcionou, e construímos confiança e trilha de auditoria suficientes para ampliar o escopo depois?". O checklist de prontidão de quando usar um AI agent e a rampa em shadow mode de implantar AI agents em produção acontecem ambos dentro do crawl, aplicados a exatamente um agent. A maturidade é o relógio mais lento que corre por baixo: quantas vezes você passou por essa rampa e o que guardou de cada passagem.

A pesquisa State of AI in the Enterprise 2026 da Deloitte mostra a maior parte do mercado exatamente aqui. 30% das organizações ainda estão explorando a agentic AI e 38% a estão pilotando, enquanto 35% dizem não ter nenhuma estratégia formal de agentic AI. Se é o seu caso, você não está atrasado. Está onde a maior parte do mercado realmente está, seja qual for o discurso dos fornecedores.

Walk, Estágio 2: Governado, Repetível, Multifuncional

O walk é diferente em natureza, não só em quantidade. Não é "cinco pilotos de crawl rodando ao mesmo tempo". É um punhado de agents, geralmente entre três e oito, rodando em dois ou mais departamentos, com um responsável de governança nomeado e padrões de barreiras de proteção que são reaproveitados em vez de reinventados a cada nova construção. Tipos de AI agents passa a importar na prática aqui, e não só na teoria, porque uma equipe em walk escolhe de propósito o nível de autonomia e a arquitetura para cada trabalho, em vez de adotar por padrão o que o primeiro agent usou. A disciplina de custos também aparece: as alavancas de cache, roteamento e orçamento de otimização de custos de AI agents deixam de ser opcionais quando você roda agents suficientes para que um agent não otimizado apareça de fato na fatura.

O sinal mais claro do walk, porém, é a medição. Uma equipe em crawl pode se contentar com "parece que está ajudando". Uma equipe em walk tem linhas de base, acompanha métricas primárias a partir da semana 4 e consegue mostrar números reais, a disciplina coberta em ROI de AI agents. Os dados da Deloitte colocam cerca de 14% das organizações no ponto de "solução pronta para implantar", que corresponde mais de perto ao início do walk, bem menos do que os 68% que ainda exploram ou pilotam no crawl.

Run, Estágio 3: Frota, Orquestrada, Incorporada

O run é o ponto em que os agents deixam de ser uma coleção de projetos individuais e passam a ser uma camada de capacidade em torno da qual a organização planeja. Os sistemas multiagent se tornam comuns aqui, não porque orquestração soe avançada, mas porque já existem agents distintos e bem governados em número suficiente para que encadeá-los, como quando um agent de lead scoring passa o bastão a um agent de lead routing, que passa a um agent de follow-up, realmente supere construir um agent único e mais amplo do zero. A responsabilidade costuma se formalizar em uma estrutura como um AI Center of Excellence, e a governança deixa de ser um checklist acoplado a cada novo agent e passa a ser arquitetural: embutida na forma como qualquer novo agent é especificado desde o primeiro dia. O run é também onde a força de trabalho agentic vira uma descrição real de como a organização funciona, e não uma frase aspiracional num memorando de estratégia.

A previsão da Gartner de junho de 2025 dá uma ideia de onde fica o teto: 15% das decisões de trabalho do dia a dia serão tomadas de forma autônoma por meio de agentic AI até 2028, contra 0% em 2024, e 33% dos aplicativos de software corporativo incluirão agentic AI até 2028, contra menos de 1% em 2024. As organizações em run são as que hoje realmente empurram em direção a esse teto. Elas ainda são raras. A Deloitte constatou que apenas 11% das organizações rodam agentic AI em produção neste momento, embora 74% esperem usar agents pelo menos de forma moderada até 2027, 23% de forma extensiva, e 5% esperem que os agents sejam uma parte plenamente incorporada e central das operações. A trajetória é rápida. A população atual em run é pequena.

Autoavaliação: Em Que Estágio Você Realmente Está

Use as cinco dimensões abaixo como uma verificação prática. A dimensão mais fraca costuma definir o seu estágio real de maturidade, mesmo que outra dimensão pareça avançada.

Avalie-se com honestidade nas cinco, e não apenas na que lhe é favorável. Uma equipe com arquitetura de nível run mas governança de nível crawl não está em run. Está em crawl com mais peças em movimento, e mais exposição.

O Erro que Pula um Estágio

A falha mais comum não é ficar tempo demais no crawl, embora isso também aconteça. É saltar direto do crawl para o run: montar um sistema multiagent ou dar a um agent ampla autonomia antes que o básico do walk, um responsável de governança nomeado, barreiras reaproveitadas, um modelo de custos real, exista em qualquer lugar da organização. Sistemas multiagent é explícito ao dizer que mais agents significam mais superfície de coordenação, e a superfície de coordenação é onde as lacunas de governança se escondem. A previsão da Gartner de que mais de 40% dos projetos de agentic AI serão cancelados até o fim de 2027 aponta custos crescentes, valor de negócio pouco claro e controles de risco inadequados como as principais causas, e as três aparecem de forma desproporcional em projetos que pularam um estágio em vez de conquistá-lo.

A falha mais discreta segue na direção oposta: ficar no crawl indefinidamente. Um único piloto supervisionado que nunca ganha um segundo agent, nunca ganha um responsável nomeado e nunca é medido além de "funcionou?" não reduz risco algum. Apenas adia a decisão real. Se o seu agent está em piloto há dois trimestres e ninguém sabe dizer o custo por tarefa concluída, você não foi cuidadoso. Você travou, e ROI de AI agents cobre exatamente essa lacuna de medição e como fechá-la antes que um piloto parado seja desfinanciado em silêncio por falta de um business case que ninguém construiu.

Key Facts

• A pesquisa State of AI 2025 da McKinsey constatou que 88% das organizações usam AI em algum ponto e 62% estão no caminho da agentic AI (23% escalando, 39% experimentando), mas nenhuma função de negócio individual mostra mais de cerca de 10% das organizações em estágio realmente escalado.
• A pesquisa State of AI in the Enterprise 2026 da Deloitte constatou que 30% das organizações exploram a agentic AI, 38% a pilotam, 14% têm uma solução pronta para implantar e apenas 11% estão de fato em produção, com 35% dizendo não ter nenhuma estratégia agentic formal.
• Para 2027, a Deloitte constatou que 74% das organizações esperam usar agents pelo menos de forma moderada, 23% de forma extensiva, e 5% esperam agents plenamente incorporados como parte central das operações.
• A Gartner projeta que 15% das decisões de trabalho do dia a dia serão tomadas de forma autônoma por meio de agentic AI até 2028 (contra 0% em 2024) e que 33% dos aplicativos de software corporativo incluirão agentic AI até 2028 (contra menos de 1% em 2024).
• A Gartner projeta separadamente que mais de 40% dos projetos de agentic AI serão cancelados até 2027 por causa de custo, valor pouco claro e controles de risco fracos, riscos concentrados em projetos que pulam por completo o estágio walk.

Para Onde Ir Agora

Crawl, walk e run só são rótulos úteis se você agir de acordo com o estágio em que realmente está. Se ainda está no crawl, quando usar um AI agent e como construir um AI agent são as próximas leituras certas. Se está avançando para o walk ou o run, ROI de AI agents cobre a disciplina de medição de que esse estágio precisa, e a força de trabalho agentic mostra como é o run quando os agents deixam de ser um projeto e passam a ser uma camada de força de trabalho em torno da qual você planeja. Para ferramentas adequadas a um primeiro agent, em estágio crawl, o panorama de ferramentas de automação e o guia das melhores ferramentas de automação no-code são bons pontos de partida.