Agentes de IA verticais: o que muda quando a IA entende do seu setor

O que é um agente de IA vertical, na prática?

Um agente de IA vertical é um software que assume uma tarefa inteira de um setor, com começo, meio e fim, usando o conhecimento daquele ramo. Ele lê o que chega, consulta os sistemas da empresa, aplica as regras do setor e devolve o trabalho pronto, para uma pessoa conferir e aprovar.

"Agente", aqui, tem sentido técnico: é a IA que toma pequenas decisões em sequência para cumprir um objetivo, em vez de só responder a uma pergunta. "Vertical" vem do jargão de mercado. Software vertical é o que atende um setor de ponta a ponta, como o sistema de uma clínica ou de uma transportadora. Software horizontal é o que qualquer empresa usa, como planilha e e-mail.

Um exemplo deixa a diferença concreta. Um médico pode pedir a um assistente genérico que resuma uma consulta, desde que cole o texto e revise tudo depois. Um agente vertical de saúde escuta a consulta, escreve o rascunho da evolução clínica no formato que o prontuário exige e o grava no sistema do hospital, à espera da assinatura do médico.

Qual a diferença entre um agente vertical e um assistente de IA genérico?

A diferença entre um agente vertical e um assistente de IA genérico está no escopo e na autonomia. O assistente genérico sabe um pouco de tudo e depende de alguém pedindo cada passo. O agente vertical sabe muito de uma coisa só e conduz a tarefa inteira dentro dos sistemas daquele setor.

A Menlo Ventures usa essa mesma divisão para medir o mercado. No relatório de dezembro de 2025, ela separa as aplicações de IA em três grupos: horizontais (assistentes de uso geral), com US$ 8,4 bilhões em gastos de empresas em 2025; departamentais (feitas para uma área, como programação ou vendas), com US$ 7,3 bilhões; e verticais (feitas para um setor), com US$ 3,5 bilhões, quase o triplo do US$ 1,2 bilhão de 2024 (Menlo Ventures, 09/12/2025).

O vertical ainda é o menor dos três grupos. O que chama atenção é o ritmo, e o fato de que o dinheiro se concentra em poucos setores, como mostra a seção seguinte.

O Gartner faz outra distinção que ajuda a ler as ofertas do mercado. Para a consultoria, assistente depende de comando humano a cada passo e não opera sozinho; agente opera. Ela prevê que 40% dos aplicativos corporativos terão agentes dedicados a tarefas específicas até o fim de 2026, contra menos de 5% em 2025 (Gartner, 26/08/2025). Na prática, boa parte dos agentes verticais vai chegar à sua empresa dentro do sistema que você já usa, e não como compra separada.

Por que se diz que os agentes verticais podem superar o software tradicional?

A ideia de que agentes verticais podem superar o software tradicional vem de um argumento sobre onde está o dinheiro. O software comum vende a ferramenta, e a empresa ainda paga quem a opera. O agente vertical promete fazer parte desse trabalho, e por isso disputa também o orçamento de folha e de terceirização.

A formulação mais citada é da Y Combinator, a aceleradora americana de startups. Num episódio de seu programa de entrevistas publicado no fim de 2024, com o título "Vertical AI Agents Could Be 10X Bigger Than SaaS", os sócios defendem que o agente vertical de cada setor pode ficar dez vezes maior que a empresa de SaaS que ele desafia (Y Combinator, YouTube). SaaS, sigla de software as a service, é o software alugado por assinatura e usado pela internet.

É preciso ler o "dez vezes" pelo que ele é: uma aposta de investidores, que vivem de financiar exatamente esse tipo de empresa. Não é medição. O argumento por trás dela, porém, é útil para quem decide: se o agente vale pelo trabalho que entrega, a pergunta certa na hora de avaliar não é "quanto custa a licença", mas "quanto trabalho conferível ele tira da equipe".

Em quais setores os agentes de IA verticais já estão funcionando?

Os agentes de IA verticais já funcionam em escala sobretudo na saúde e no direito, os dois setores que mais concentram gasto. A saúde fica com cerca de US$ 1,5 bilhão, quase metade de todo o gasto vertical medido em 2025, e o direito virou um mercado de US$ 650 milhões (Menlo Ventures, 09/12/2025).

O caso mais visível na saúde é o do registro clínico. A Abridge faz um sistema que escuta a consulta e gera o rascunho da documentação clínica direto no prontuário do paciente. A rede americana UCHealth testou a ferramenta por nove meses com 250 profissionais em 2025 e, em fevereiro de 2026, informou que mais de um terço de cerca de 6.000 médicos e outros profissionais de saúde já a usavam (Abridge, 24/02/2026).

No direito, o exemplo mais conhecido é o Harvey, voltado a escritórios de advocacia e departamentos jurídicos: revisão de contratos, pesquisa e minutas.

Os dois casos têm algo em comum, e isso vale para qualquer setor: a tarefa é repetitiva, volumosa, cheia de regra e verificável por um especialista. O médico lê a nota antes de assinar. O advogado lê a minuta antes de protocolar. O agente faz o grosso do trabalho, e o profissional faz a parte que exige julgamento e responsabilidade.

Daqui para baixo o texto entra na parte técnica: do que um agente desses é feito e por que ele custa mais do que parece.

O que um agente de IA vertical precisa ter para funcionar?

Um agente de IA vertical funciona quando junta quatro peças: conhecimento do domínio, acesso aos sistemas do setor, regras explícitas sobre o que pode e o que não pode fazer, e um jeito de provar de onde tirou cada resposta. O modelo de linguagem, que todos usam, é a peça menos diferenciada das quatro.

Conhecimento do domínio. Não basta o modelo "saber medicina" ou "saber direito" no geral. Ele precisa da tabela de procedimentos, do manual interno e da jurisprudência que a empresa realmente usa. Isso costuma entrar por RAG: a técnica em que o agente busca o trecho relevante numa base de documentos antes de responder, em vez de depender da memória do modelo.

Integração com os sistemas do setor. O valor está em gravar o resultado no lugar certo: o prontuário, o ERP, o sistema do escritório. Integração é o trabalho mais caro e mais subestimado, porque cada sistema setorial tem a sua API (a porta pela qual um programa conversa com outro) e as suas manias. Padrões como o MCP, que padroniza a ligação entre a IA e outros sistemas, reduzem esse custo, mas não o eliminam.

Regras e limites explícitos. Um agente vertical sério sabe o que não deve fazer: não envia nada ao cliente sem aprovação, não altera valor acima de um teto, não responde fora do escopo. Essas regras vêm do setor, e muitas vezes da lei, como mostra a seção sobre o Brasil.

Rastreabilidade. Cada afirmação do agente precisa apontar para a fonte: o trecho da consulta, a cláusula do contrato, o lançamento do sistema. É isso que permite ao especialista conferir em segundos em vez de refazer o trabalho.

Vale mais comprar um agente vertical pronto ou construir um próprio?

Comprar um agente vertical pronto costuma valer mais quando o setor já tem fornecedor maduro e a tarefa é parecida em todas as empresas do ramo. Construir faz sentido quando o processo é o diferencial do negócio ou quando nenhum produto pronto cobre os sistemas e as regras que a empresa usa.

O dado mais citado sobre essa escolha vem de um estudo do MIT sobre IA nas empresas: comprar ferramentas de fornecedores especializados e firmar parcerias deu certo em cerca de 67% dos casos, e os projetos construídos internamente tiveram taxa de sucesso bem menor (Fortune, 18/08/2025). O mesmo levantamento achou o maior retorno na automação de rotinas internas, e não nas ferramentas de vendas e marketing, que levam mais da metade dos orçamentos.

Há um meio-termo que o mercado fala pouco: montar o agente sobre peças prontas. O conhecimento e as regras são da empresa; o modelo, a orquestração (a camada que encadeia os passos do agente) e as integrações vêm de ferramentas existentes. É o caminho de quem não acha produto pronto em português, para a realidade regulatória brasileira, e não quer escrever tudo do zero.

Que regras brasileiras já valem para agentes de IA em setores regulados?

Agentes de IA em setores regulados já estão sujeitos a regras no Brasil, mesmo sem uma lei geral de IA aprovada. Na medicina há resolução do conselho federal em vigor. Na advocacia há recomendações formais da OAB. E toda solução que trata dado pessoal responde à LGPD, a Lei nº 13.709/2018.

Medicina. A Resolução CFM nº 2.454/2026, publicada no Diário Oficial em 27/02/2026, entrou em vigor 180 dias depois. Ela diz que a IA é ferramenta de apoio e que o médico permanece integralmente responsável pelos atos praticados com ela (art. 7º). Também veda delegar à IA a comunicação de diagnósticos, prognósticos ou decisões terapêuticas sem mediação humana (art. 5º, § 2º), garante ao paciente a recusa informada do uso de IA (art. 5º, § 3º) e manda registrar no prontuário o uso de IA como apoio à decisão (art. 4º, V). Instituições que desenvolvem ou contratam esses sistemas precisam classificar o risco e manter processos de governança (arts. 12 a 14).

Para quem pensa em um agente vertical de saúde, isso desenha o produto: ele pode redigir, sugerir e organizar, mas não pode falar com o paciente no lugar do médico, e precisa deixar rastro do que fez.

Advocacia. Em novembro de 2024, o Conselho Federal da OAB aprovou recomendações para o uso de IA generativa na prática jurídica, organizadas em quatro eixos: legislação aplicável, confidencialidade e privacidade, prática jurídica ética e comunicação sobre o uso da ferramenta (OAB SP, 27/11/2024). São recomendações, não norma com sanção própria, mas apontam para os deveres do Código de Ética.

Lei geral. O PL 2338/2023, que regula a IA no país, foi aprovado no Senado e chegou à Câmara em março de 2025. Na consulta feita em 19/10/2026, constava como "Aguardando Parecer". Enquanto não houver lei, valem as regras de cada setor e a LGPD.

Quando um agente de IA vertical não vale a pena?

Um agente de IA vertical não vale a pena quando o volume é baixo, quando o processo muda a cada caso ou quando o dado de que ele depende está espalhado e desatualizado. Nesses casos, integrar e manter custa mais do que o trabalho que ele poupa, e uma automação simples resolve melhor.

Alguns sinais concretos de que ainda não é a hora:

• Ninguém consegue dizer se o resultado saiu certo. Se não existe critério de conferência, o agente não tem como ser avaliado, e o erro só aparece no cliente.
• A tarefa acontece poucas vezes por mês. O ganho de um agente vem da repetição. Dez casos por mês raramente pagam a integração.
• O sistema do setor não tem porta de integração. Sem API, o agente vira um robô clicando em tela, frágil a cada atualização do fornecedor.
• Não há fornecedor que fale a língua e a regra do país. Produto feito para o mercado americano pode não conhecer a norma brasileira, e o ajuste fica por sua conta.

Nesses casos, o caminho costuma ser começar menor: padronizar o processo, organizar o dado daquela tarefa e automatizar com regras fixas. Quando o volume e o critério de conferência aparecerem, o agente entra sobre uma base que já funciona.

A VT Sávio, ao mapear processos para automação com IA, encontra com frequência o mesmo padrão: a empresa chega querendo um agente "que entenda do nosso ramo" e descobre que a parte que mais pesa é organizar o cadastro e as regras que hoje estão na cabeça de duas ou três pessoas. O que se subestima é isso, e não o modelo. Quando o processo ainda muda toda semana, o melhor investimento é documentá-lo primeiro; o agente fica para depois e sai mais barato.

O que ainda não dá para afirmar sobre os agentes verticais?

Ainda não dá para afirmar que os agentes verticais vão substituir o software tradicional, nem com que velocidade isso chegaria às empresas brasileiras. Os números disponíveis são previsões de investidores e consultorias, ou pesquisas feitas fora do Brasil, e cada um tem limite que muda a leitura.

A tese das dez vezes é aposta, não dado. Ela foi feita por investidores que financiam startups desse tipo, o que não a invalida, mas pede cautela.

O mercado medido é o americano. A Menlo Ventures ouviu 495 decisores de empresas dos Estados Unidos, em novembro de 2025, e combinou a pesquisa com um modelo de mercado (Menlo Ventures, 09/12/2025). Não há medição equivalente para o Brasil.

A previsão do Gartner é previsão. Os 40% de aplicativos com agentes até o fim de 2026 descrevem o que os fornecedores de software vão embutir, não quanto disso as empresas vão de fato usar. O próprio Gartner alerta para o "agentwashing", o hábito de chamar de agente um assistente que só responde.

Taxa de sucesso depende de definição. O número do MIT sobre comprar ou construir vem de entrevistas e de uma amostra de implantações públicas. É indício forte, mas não substitui olhar o próprio caso.

O que se sustenta com segurança é mais modesto: a IA especializada já faz trabalho real em setores com tarefa repetitiva e conferível, e a regra brasileira, onde existe, mantém o profissional responsável pelo resultado.