A discussão sobre agentes de IA em compras tratou até aqui de um agente executando uma tarefa: montar a cotação, comparar propostas, revisar uma cláusula.
O Hype Cycle for Procurement and Sourcing Solutions 2026, publicado pelo Gartner em 10 de junho de 2026, coloca os sistemas multiagentes no centro da discussão, com classificação de benefício transformacional e adoção projetada para 2 a 5 anos.
Vários agentes coordenados entre si conduzem etapas encadeadas de um mesmo processo, negociam prioridade entre demandas concorrentes e repassam contexto de uma etapa para a seguinte sem intervenção manual. A diferença de arquitetura muda o trabalho do comprador.
O que caracteriza um sistema multiagente
Um sistema multiagente combina vários agentes de software, cada um responsável por uma parte do processo, que trocam informação entre si para concluir um objetivo comum.
Em um agente isolado, uma tarefa entra, uma resposta sai e a ligação com a etapa seguinte depende de uma pessoa. Em um sistema multiagente, cada agente recebe o resultado do anterior, decide o que fazer com esse resultado dentro de regras definidas e passa o contexto adiante.
Características definem esse modelo:
- Coordenação: os agentes dividem um processo em etapas e acompanham o andamento de cada uma.
- Negociação de prioridade: quando duas demandas disputam o mesmo recurso, os agentes decidem a ordem com base em critérios configurados.
- Continuidade de contexto: a informação gerada em uma etapa segue para a próxima sem recomeço manual.
Agente isolado e agentes coordenados em uma cotação
Considere uma cotação de materiais indiretos com vários fornecedores. Com um agente isolado, o agente monta a cotação a partir da requisição.
A comparação de propostas, a checagem de alçada e o acompanhamento de prazo voltam para o comprador, que conecta cada etapa manualmente.
Com agentes coordenados, um agente estrutura a requisição em cotação, outro dispara o pedido aos fornecedores habilitados, outro organiza as propostas recebidas e um quarto verifica se o resultado está dentro da alçada de quem vai aprovar.
Cada passagem carrega o contexto da etapa anterior: o histórico do fornecedor, o critério de comparação e o limite de valor.
O comprador deixa de operar cada etapa e passa a revisar o conjunto, com a inteligência artificial aplicada a compras conduzindo o encadeamento e registrando cada decisão.
O que a empresa precisa ter pronto antes de operar nesse modelo
Operar com agentes coordenados depende de preparação prévia:
- Dado organizado: cada agente decide a partir da informação que recebe. Cadastro de fornecedores, histórico de compras e política de categorias precisam estar estruturados e acessíveis. A preparação de dados e processos sustenta todo o restante.
- Alçada definida por tipo de decisão: o sistema precisa saber qual valor e qual tipo de compra cada agente pode conduzir sozinho e a partir de que ponto a decisão sobe para uma pessoa.
- Ponto de aprovação humana: o modelo mantém um comprador ou gestor na decisão que envolve valor alto, risco de abastecimento ou exceção de política.
- Trilha de auditoria de cada agente: cada ação precisa ficar registrada: qual agente agiu, com base em qual informação e com qual resultado. Sem esse registro, a área perde controle sobre o processo.
A arquitetura chega antes da preparação
O movimento tem peso financeiro. O Gartner projeta que o gasto com software de supply chain com IA agêntica cresça de menos de US$ 2 bilhões em 2025 para US$ 53 bilhões em 2030.
A condição para usar essa tecnologia, porém, depende de organização interna. O Gartner projeta que apenas 20% das organizações de compras terão maturidade de dados suficiente para operar sistemas multiagentes até 2027.
Para a área de compras, a pergunta deixa de ser quando a tecnologia chega e passa a ser o quanto a operação está pronta para coordenar várias decisões automáticas sobre dados confiáveis.
Gostou deste conteúdo? Compartilhe com seus colegas de profissão.
Até a próxima! 😉
