É o fim da era do SaaS? O que muda para a sua empresa

O que exatamente foi dito sobre o fim do SaaS?

A tese saiu em 10 de setembro de 2026, em artigo de Daniel Sabença, CTO do Grupo Macro, publicado pelo Baguete. O argumento é curto: por duas décadas o mercado repetiu que software escala e serviço não, e a IA agêntica está desmanchando essa separação.

O que nasce no lugar, segundo ele, é uma empresa que por fora parece consultoria ou BPO e por dentro é plataforma — "um software disfarçado de serviço", nas palavras do autor. O cliente não recebe acesso a um painel; recebe o trabalho feito.

Vale dizer com todas as letras: é um artigo de opinião de um executivo do setor, não um estudo. Isso não o invalida — a leitura é boa e coincide com o que aparece nos dados —, mas muda o peso de cada afirmação, e este artigo trata as duas coisas de forma diferente.

Por que essa mudança está acontecendo agora?

Porque o software resolveu a parte fácil e parou ali. Um sistema de gestão organiza a informação, acelera o cálculo e evita erro de digitação, mas alguém precisa abrir a tela, interpretar o que está lá, decidir e tratar a exceção. Esse alguém é o gargalo, e nenhum upgrade de licença o remove.

O que mudou é que a IA agêntica consegue executar parte desse trabalho: ler o pedido, consultar a base, preencher o formulário, disparar a próxima etapa e chamar uma pessoa quando o caso sai do previsto. A metáfora usada no artigo original é precisa — o software era copiloto, o agente propõe piloto automático.

A adoção acompanha. Na pesquisa State of AI, da McKinsey, 88% das organizações dizem usar IA com regularidade em pelo menos uma função, contra 78% um ano antes. O artigo do Baguete cita a edição de 2024 dessa mesma pesquisa, com 72% — a distância entre os dois números, em dois anos, é o tamanho do movimento.

Então o SaaS vai acabar?

Não, e este é o ponto em que vale desconfiar do título. O que a mesma pesquisa da McKinsey mostra é que 23% das organizações escalaram um sistema agêntico em algum lugar da empresa — o resto experimenta, testa ou observa. Entre as grandes, com receita acima de US$ 1 bilhão, a fatia sobe para 40%.

Ou seja: a maior parte do mercado ainda compra e opera software do jeito antigo, e vai continuar comprando por um bom tempo. O ERP não vai embora; o sistema de folha não vai embora. O que muda é a camada de cima — quem opera essas telas no dia a dia.

A Gartner colocou número no ceticismo: mais de 40% dos projetos de IA agêntica devem ser cancelados até o fim de 2027, por custo crescente, valor pouco claro ou controle de risco insuficiente (Gartner, 25/06/2025). Uma transição real com 40% de mortalidade é uma transição — não uma troca de chave.

O que muda na relação entre quem compra e quem entrega?

Muda de quem é a culpa quando o resultado não vem. Ao comprar uma licença, a empresa assume a maior parte do risco: o fornecedor entregou o acesso, e o que acontece depois é problema de quem configurou, treinou e usou. Ao comprar uma entrega, o risco atravessa a mesa.

Isso tem uma consequência prática que quase ninguém menciona: contrato de resultado exige métrica combinada antes de começar. "Atendimento resolvido" precisa de uma definição que os dois lados assinem — resolvido em quanto tempo, com qual taxa de transbordo para humano, medido em qual sistema. Sem isso, o modelo vira discussão mensal.

É também onde a promessa fica mais frágil. Fornecedor que aceita responder por resultado sem definir como ele é medido não está mais seguro do que o cliente; está só com pressa de vender.

Por que agentes de IA pioram um processo desorganizado?

Porque automação não corrige processo: ela repete o processo mais rápido. Se o cadastro do cliente está em três planilhas que discordam entre si, o agente vai consultar as três e errar em escala — com registro, horário e aparência de coisa feita.

Esse é o alerta mais útil do artigo original, e ele é consenso técnico. Para o modelo de "entrega pronta" funcionar, três coisas precisam existir antes:

1. Dado estruturado e único. Uma fonte por informação. Enquanto o preço estiver em dois lugares, nenhum agente acerta sempre.
2. Integração entre sistemas. O agente precisa ler e escrever nos sistemas que já rodam — ERP, CRM, WhatsApp, planilha. Automação que só funciona dentro de uma ferramenta apenas mudou o lugar do trabalho manual.
3. Governança. Registro do que foi feito, ponto de aprovação humana no que é sensível e caminho de reversão. Além de reduzir risco operacional, é o que sustenta a prestação de contas exigida pela LGPD (Lei nº 13.709/2018) quando há dado pessoal envolvido.

A VT Sávio trabalha exatamente nessa ordem, e por um motivo prático: mapear o processo antes costuma revelar que uma parte do problema se resolve sem IA nenhuma — e o que sobra fica barato de automatizar.

Por onde uma empresa de porte médio começa?

Pelo trabalho que já é repetitivo, tem regra clara e ninguém gosta de fazer. Não pelo processo mais importante da empresa.

Um caminho que costuma funcionar, em quatro passos:

1. Liste as tarefas que consomem hora e não exigem julgamento. Conferir dado entre dois sistemas, responder a mesma dúvida, transcrever informação de um documento para um formulário, montar o mesmo relatório toda segunda-feira.
2. Escolha uma, com começo e fim visíveis. O critério é conseguir dizer "isso está pronto" sem depender de opinião. Tarefa com fronteira difusa é péssimo primeiro projeto.
3. Automatize o fluxo antes de colocar IA nele. Boa parte do ganho vem de conectar sistemas — o que ferramentas como o n8n fazem sem modelo de linguagem envolvido. A IA entra onde é preciso interpretar texto, classificar ou decidir entre casos.
4. Meça o antes e o depois. Tempo gasto, volume tratado, retrabalho. Sem linha de base, a automação vira questão de fé — e projeto que ninguém consegue defender com número é o primeiro a ser cortado.

Esse é o elo entre a discussão de mercado e o chão da empresa: você não precisa virar "uma operação automatizada disfarçada de serviço" para aproveitar o movimento. Precisa tirar trabalho repetitivo das pessoas e devolver a elas as decisões — que é o que a tecnologia deveria ter feito desde o começo.

Como saber se o fornecedor entrega mesmo o que promete?

Olhando o que ele mostra funcionando, não o que ele chama de agente. A Gartner batizou de agent washing a prática de renomear chatbot, assistente e RPA antigo como "IA agêntica", e estima que, entre os milhares de fornecedores que se apresentam assim, apenas cerca de 130 oferecem algo de fato agêntico (Gartner, 25/06/2025).

Quatro perguntas que separam demonstração de promessa:

• Em quais sistemas meus isso vai escrever? Se a resposta for vaga, não há integração — há um chat.
• O que acontece quando o agente erra? Precisa existir log, alerta e caminho de reversão.
• Onde a pessoa entra? Aprovação humana em decisão sensível não é atraso, é o que torna o modelo defensável.
• De quem são os dados e onde ficam? Pergunta de LGPD, e a resposta precisa caber num contrato.

O que ainda não dá para afirmar

Duas coisas seguem em aberto, e quem disser o contrário está vendendo.

A primeira é o preço. O modelo de cobrar por resultado só se sustenta se o custo de rodar o agente for previsível, e ele ainda não é: consumo de modelo varia com o caso, e uma operação que ficou barata num trimestre pode não ficar no seguinte. Fornecedor que assume esse risco está apostando junto com o cliente.

A segunda é a durabilidade. Nada garante que a arquitetura de agentes de hoje seja a de 2028. A defesa é a mesma de sempre: não amarre a operação a um fornecedor ou modelo específico. Se o processo está bem desenhado e os dados são seus, trocar a peça de baixo é projeto de semanas, não de recomeçar.

---

Este artigo foi escrito a partir do artigo de opinião de Daniel Sabença publicado pelo Baguete em 10/09/2026, da pesquisa State of AI da McKinsey e da previsão da Gartner sobre projetos de IA agêntica.