Ecossistema brasileiro para criação de agentes de IA e automação de projetos
Leitura estratégica de especialistas técnicos, pesquisadores e docentes conectados à criação de IA, sistemas multiagentes, LLMs, automação de software, dados, governança técnica e redução de processos manuais.
Confira o report completo
Acesse a análise completa do ecossistema brasileiro para criação de agentes de IA e automação de projetos diretamente na plataforma. Faça login ou crie sua conta para explorar o report completo.
O ecossistema é tecnicamente robusto, mas exige curadoria para transformar autoridade acadêmica em automação prática.
A base revela uma concentração expressiva de pesquisadores e especialistas em sistemas multiagentes, aprendizado de máquina, PLN, engenharia de software, dados e infraestrutura. A tensão central está entre profundidade técnica — fortemente representada por universidades, centros de pesquisa e especialistas sêniores — e capacidade de ativação prática em comunidades, empresas e ambientes de desenvolvimento.
Para decisores interessados em “gastar menos tempo em processos manuais”, a oportunidade está em combinar quatro camadas: arquitetura de agentes, automação de workflows, integração com dados e adoção prática por desenvolvedores.
Autoridade técnica
USP, Unicamp, UFMG, UFRGS, PUC-Rio, IBM Research e centros federais aparecem como polos recorrentes.
Ativação prática
João Moura, Erick Wendel, Luan Moreno, Renato Groffe, Alura e influenciadores técnicos ampliam a ponte com implementação.
Risco de baixa validação digital
Muitos atores têm presença digital parcial ou canais não encontrados, exigindo confirmação antes de relacionamento.
Agenda de confiança
A automação com agentes depende de governança, avaliação, teste, explicabilidade e desenho centrado no usuário.
Contexto do mapeamento
O objetivo informado foi a criação de agentes para automação de projetos, dentro do tema “Criação de IA”, com foco na hipótese: “Como gastar menos tempo em processos manuais”.
Este relatório interpreta um conjunto de 200 stakeholders enriquecidos, majoritariamente composto por pesquisadores, docentes e especialistas técnicos. O recorte privilegia atores com competência em agentes inteligentes, sistemas multiagentes, LLMs, PLN, automação de software, engenharia de dados, workflows, infraestrutura de IA, sistemas autônomos e governança técnica.
Principais insights
Os achados abaixo sintetizam padrões observados nos scores, prioridades, papéis estratégicos, áreas técnicas e canais digitais disponíveis.
Os atores críticos estão diretamente ligados à arquitetura de agentes.
Fábio Gagliardi Cozman, Rodrigo Nogueira, João Moura e Rafael H. Bordini aparecem com prioridade crítica e alta relevância técnica para agentes, LLMs, programação de agentes ou fundamentos de IA.
Implicação: devem formar o núcleo inicial de referência técnica, validação e benchmarking.
A maior parte do ecossistema tem força acadêmica, não necessariamente ativação digital.
Muitos pesquisadores têm autoridade 5 e relevância 5, mas presença digital entre 2 e 3, com website institucional como principal evidência.
Implicação: relacionamento deve combinar curadoria acadêmica com validação manual de canais.
Comunidades técnicas são a ponte para adoção rápida.
Erick Wendel, Guilherme Silveira, Paulo Silveira, Jones Granatyr, Felipe Deschamps, Fábio Akita, Luan Moreno, Diego Nogare e Renato Groffe têm presença digital elevada ou canais múltiplos.
Implicação: são úteis para disseminação, pilotos e educação técnica.
PLN em português é uma frente decisiva.
Rodrigo Nogueira, Thiago Pardo, Maria das Graças Volpe Nunes, Helena Caseli, Erick Fonseca, Renata Vieira e Alexandre Rademaker concentram aderência a LLMs, PLN e agentes baseados em linguagem.
Implicação: agentes para automação no Brasil precisam privilegiar linguagem natural em português e RAG.
Processos e engenharia de software aparecem como camada operacional.
Kate Revoredo, Marco Tulio Valente, Fabio Kon, Guilherme Travassos, Karin Breitman, Carlos Lucena e Thais Batista conectam IA a workflows, engenharia, qualidade e arquitetura.
Implicação: automação de projetos deve partir de processos reais, não apenas de modelos generativos.
Há risco de fragmentação entre pesquisa, produto e governança.
A base reúne especialistas em fundamentos, implementação, educação, dados, ética e infraestrutura, mas não contém relações formais entre eles.
Implicação: a estratégia deve montar coalizões por função, evitando presumir rede consolidada.
Como está composto o ecossistema de stakeholders
A composição é dominada por pesquisadores/docentes, com uma camada menor — porém estratégica — de especialistas técnicos, empreendedores, consultores e criadores de conteúdo técnico.
| Dimensão | Leitura principal | Stakeholders destacados | Implicação estratégica |
|---|---|---|---|
| Prioridade crítica | Quatro atores aparecem como centrais para arquitetura, LLMs e programação de agentes. | Fábio Gagliardi Cozman; Rodrigo Nogueira; João Moura; Rafael H. Bordini | Iniciar por entrevistas técnicas, validação de arquitetura e desenho de referências. |
| Alta autoridade acadêmica | Vários atores têm autoridade 5, especialmente em universidades e centros de pesquisa. | USP, Unicamp, UFMG, UFRGS, PUC-Rio, UFPE, ITA, IBM Research | Usar para legitimar decisões metodológicas e reduzir risco técnico. |
| Especialistas práticos | Adoção e disseminação dependem de atores com presença digital e comunidade. | Erick Wendel; João Moura; Luan Moreno; Diego Nogare; Renato Groffe; Fábio Akita; Alura | Ativar pilotos, conteúdos técnicos, workshops e provas de conceito. |
| Evidência mais frágil | Alguns stakeholders têm vínculo, posição ou presença digital incertos. | Álvaro Freitas Moreira; Antonio Carlos da Rocha Costa; Antonio Francisco do Prado; João Carlos Gluz; Ricardo Tanscheit | Classificar para verificação antes de abordagem externa. |
O que revela a conexão com criação de IA e automação
Como o campo “conexão temática” não aparece nominalmente, a leitura usa prioridade, relevância, área principal, subtópicos e papel estratégico como sinais observáveis.
Conexão muito alta por aderência direta a agentes
João Moura, Rafael H. Bordini, Fábio Gagliardi Cozman, Rodrigo Nogueira, Jaime Sichman, Jomi Hübner, Felipe Meneguzzi, Ana Bazzan, Viviane Torres da Silva, Carlos Lucena, Alberto Sardinha e Ricardo Choren aparecem associados a agentes, sistemas multiagentes, coordenação, programação de agentes ou arquitetura de sistemas autônomos.
Conexão alta por linguagem, RAG e PLN
Rodrigo Nogueira, Alexandre Rademaker, Thiago Pardo, Maria das Graças Volpe Nunes, Helena Caseli, Erick Fonseca, Renata Vieira, Ivandré Paraboni e Celso Kaestner sustentam a frente de agentes conversacionais e automação documental em português.
Conexão alta por engenharia e processos
Kate Revoredo, Marco Tulio Valente, Fabio Kon, Guilherme Travassos, Thais Batista, Karin Breitman, Márcio Ribeiro, Rodrigo Bonifácio e Alessandro Garcia conectam automação de projetos à engenharia de software, qualidade, arquitetura e produtividade.
Conexão média por especialização complementar
Atores focados em visão computacional, robótica, otimização, bancos de dados ou educação têm valor para casos específicos, mas exigem enquadramento conforme o tipo de processo manual a automatizar.
Reputação digital e legitimidade pública
Não há um campo explícito de reputação digital. A avaliação considera autoridade, presença digital, verificação de vínculo institucional, prioridade e robustez dos canais informados.
Autoridade acadêmica consolidada
Atores com autoridade 5 e instituições confirmadas ou prováveis — como USP, Unicamp, UFMG, UFRGS, PUC-Rio, UFPE, IBM Research e ITA — oferecem forte credibilidade técnica.
Presença digital como capacidade de ativação
João Moura, Silvio Meira, Erick Wendel, Paulo Silveira, Guilherme Silveira, Fábio Akita, Luan Moreno, Diego Nogare e Renato Groffe combinam relevância com canais digitais úteis para influência e difusão.
Presença baixa não equivale a baixa reputação
Muitos pesquisadores têm presença digital 2 ou 3, mas autoridade 4 ou 5. A ausência de redes sociais deve ser tratada como limite de ativação pública, não como fragilidade técnica.
Presença digital e capacidade de ativação
A capacidade de ativação varia de websites institucionais até presença multicanal em X/Twitter, LinkedIn, Instagram, Facebook e sites próprios.
| Stakeholder | Presença digital validada | Leitura estratégica |
|---|---|---|
| João Moura | Website CrewAI, X, LinkedIn | Ator prioritário para implementação prática, orquestração de agentes e automação de fluxos complexos. |
| Erick Wendel | Website, X, LinkedIn, Instagram | Alta capacidade de formação técnica e disseminação entre desenvolvedores. |
| Paulo Silveira | Alura, X, LinkedIn, Instagram | Ponte com educação tecnológica, comunidade tech e capacitação corporativa. |
| Fábio Akita | Website, X, Facebook, LinkedIn, Instagram | Influência técnica crítica e potencial de debate público sobre uso responsável de IA em software. |
| Luan Moreno, Diego Nogare e Renato Groffe | Websites, LinkedIn e/ou X | Conectam nuvem, IA generativa, Microsoft/Azure e comunidades de desenvolvimento. |
| Pesquisadores com website institucional apenas | Website acadêmico ou página institucional | Boa legitimidade técnica, mas menor ativação pública; requer abordagem institucional ou acadêmica. |
| Atores sem website encontrado | Canais não encontrados com confiança | Exigem verificação adicional antes de priorizar relacionamento externo. |
Avaliação da hipótese do usuário
Tese avaliada: “Como gastar menos tempo em processos manuais”.
| Tese | Resultado | Evidência disponível | Interpretação estratégica |
|---|---|---|---|
| É possível gastar menos tempo em processos manuais por meio da criação de agentes de IA. | Parcialmente confirmada | A base contém múltiplos stakeholders com relevância 5 em agentes, LLMs, automação de workflows, engenharia de software, dados, PLN e sistemas autônomos. | A hipótese é tecnicamente plausível e bem suportada pelo ecossistema, mas a redução real de tempo dependerá de desenho de processos, integração de dados, avaliação, governança e adoção prática. |
Decisões que o ecossistema permite antecipar
Os insights abaixo diferenciam evidência observada, interpretação e ação recomendada.
Montar um núcleo técnico de referência em agentes antes de escalar pilotos.
Stakeholders envolvidos: João Moura, Rafael H. Bordini, Fábio Gagliardi Cozman, Rodrigo Nogueira, Jaime Sichman, Jomi Hübner e Felipe Meneguzzi.
Evidência: prioridade crítica ou alta, relevância 5 e subtópicos diretamente ligados a agentes, LLMs, multiagentes, planejamento e programação de agentes.
Ação recomendada: criar conselho técnico ou rodada de entrevistas para definir arquitetura, limites e critérios de automação.
Confiança alta
Automação de projetos deve começar pelos workflows, não pela ferramenta.
Stakeholders envolvidos: Kate Revoredo, Daniel de Oliveira, André Santanchè, Guilherme Travassos, Marco Tulio Valente e Fabio Kon.
Evidência: presença de process mining, workflows, engenharia de software, produtividade e automação de desenvolvimento como subtópicos recorrentes.
Ação recomendada: mapear processos manuais por frequência, tempo consumido, risco e disponibilidade de dados antes de definir agentes.
Confiança alta
A baixa presença digital de pesquisadores exige abordagem institucional.
Stakeholders envolvidos: grande parte dos docentes com presença digital 2 ou 3 e autoridade 4 ou 5.
Evidência: vários registros têm website institucional, mas X, LinkedIn, Instagram e Facebook “não encontrados”.
Ação recomendada: priorizar contato via instituição, laboratório, página acadêmica ou eventos, sem depender de redes sociais abertas.
Confiança alta
Comunidades de desenvolvedores aceleram protótipos e aprendizagem.
Stakeholders envolvidos: Erick Wendel, Guilherme Silveira, Paulo Silveira, Jones Granatyr, Felipe Deschamps, Gustavo Guanabara, Luciano Ramalho e Eduardo Mendes.
Evidência: presença digital elevada, foco em educação técnica, Python, JavaScript, programação, IA generativa e automação.
Ação recomendada: criar trilhas de capacitação e desafios práticos para validar casos de uso de agentes.
Confiança alta
Confiança, testes e explicabilidade são condições de escala.
Stakeholders envolvidos: Dora Kaufman, Claudio Miceli, Edson Prestes, Heloisa Candello, Marcio Delamaro, Adenilso Simão e Renata Wassermann.
Evidência: os papéis estratégicos mencionam governança, ética, confiança, interação humano-IA, validação, testes e raciocínio explicável.
Ação recomendada: incorporar avaliação de risco, testes automatizados, auditoria de decisões e critérios de intervenção humana.
Confiança média
Agentes úteis dependem de memória, dados e recuperação de informação.
Stakeholders envolvidos: Nivio Ziviani, Marco Antonio Casanova, Vanessa Braganholo, Julio Cesar dos Reis, Sérgio Lifschitz, Fabio Porto e Claudia Bauzer Medeiros.
Evidência: subtópicos incluem RAG, web semântica, grafos de conhecimento, bancos de dados, integração e infraestrutura de dados.
Ação recomendada: estruturar bases de conhecimento e critérios de qualidade de dados antes de automatizar decisões.
Confiança alta
Riscos derivados do ecossistema
Os riscos abaixo são inferências analíticas apoiadas por atributos observados nos stakeholders, especialmente presença digital, verificação de vínculo, diversidade técnica e papéis estratégicos.
| Risco | Tipo | Stakeholders associados | Evidência | Probabilidade | Impacto | Mitigação |
|---|---|---|---|---|---|---|
| Escolher agentes sem redesenhar processos | Operacional | Kate Revoredo; Daniel de Oliveira; Guilherme Travassos | Subtópicos de process mining, workflows, produtividade e melhoria de processos. | Média | Alta | Mapear processos manuais e criar matriz de automação por valor e risco. |
| Dependência excessiva de poucos atores de alta visibilidade | Reputacional | João Moura; Erick Wendel; Fábio Akita; Silvio Meira | Presença digital alta e capacidade de amplificação. | Média | Média | Equilibrar influenciadores técnicos com pesquisadores de autoridade institucional. |
| Baixa validação de canais e vínculos | Dados insuficientes | Atores com workplace ou posição incertos | Campos “Incerto” e canais “não encontrado com confiança”. | Alta | Média | Executar verificação manual antes de convite, citação ou priorização pública. |
| Automação sem governança e testes | Institucional / técnico | Dora Kaufman; Claudio Miceli; Heloisa Candello; Marcio Delamaro; Adenilso Simão | Subtópicos de ética, confiança, UX, validação e testes automatizados. | Média | Alta | Definir política de revisão humana, testes, métricas de erro e rastreabilidade. |
| Falhas por dados mal estruturados | Técnico | Nivio Ziviani; Casanova; Vanessa Braganholo; Julio Cesar dos Reis | Ênfase em RAG, grafos de conhecimento, integração e bases de dados. | Média | Alta | Investir em arquitetura de dados e avaliação de qualidade antes dos agentes. |
Oportunidades estratégicas acionáveis
As oportunidades priorizam alianças, validação técnica, prototipagem, formação e monitoramento contínuo.
| Oportunidade | Stakeholders habilitadores | Evidência | Valor estratégico | Ação recomendada |
|---|---|---|---|---|
| Laboratório de agentes para projetos | João Moura; Rodrigo Nogueira; Rafael Bordini; Cozman; Jomi Hübner | Prioridade crítica/alta e foco em agentes, LLMs, programação e automação. | Cria base técnica confiável para pilotos. | Organizar sprint de arquitetura e seleção de casos de uso. |
| Trilha de capacitação para times técnicos | Erick Wendel; Alura; Jones Granatyr; Luciano Ramalho; Eduardo Mendes | Presença digital alta e foco em formação prática. | Aumenta adoção e reduz dependência de consultoria externa. | Desenhar módulos sobre prompts, APIs, RAG, testes e workflows. |
| Camada de dados e conhecimento corporativo | Nivio Ziviani; Marco Casanova; Vanessa Braganholo; Julio Cesar dos Reis | RAG, recuperação de informação, grafos de conhecimento e integração de dados. | Permite agentes mais úteis e auditáveis. | Inventariar bases, documentos, APIs e critérios de governança de dados. |
| Governança de IA aplicada a automação | Dora Kaufman; Claudio Miceli; Heloisa Candello; Edson Prestes | Ética, confiança, IA responsável e interação humano-IA. | Reduz risco de erro, resistência interna e exposição reputacional. | Criar checklist de risco, explicabilidade e intervenção humana. |
Recomendações executivas por horizonte
Validar, priorizar e escolher casos de uso
- Confirmar canais e vínculos dos atores com presença digital baixa ou status incerto.
- Selecionar 8 a 12 stakeholders para entrevistas técnicas: agentes, LLMs, workflows, dados e governança.
- Mapear processos manuais por tempo gasto, frequência, risco e disponibilidade de dados.
- Definir um piloto de baixo risco com métricas de redução de tempo e qualidade.
Construir pilotos e comunidade de adoção
- Executar provas de conceito com agentes para documentação, triagem, sumarização, planejamento e acompanhamento.
- Ativar especialistas práticos para treinamento de times técnicos.
- Desenvolver camada de RAG e bases de conhecimento para agentes internos.
- Monitorar reputação, novas publicações, eventos e mudanças de canais digitais.
Institucionalizar inteligência de automação
- Criar um programa contínuo de inteligência de stakeholders em IA aplicada.
- Estabelecer governança de agentes: testes, auditoria, métricas, explicabilidade e intervenção humana.
- Formar coalizões com academia, indústria e comunidades técnicas.
- Atualizar periodicamente o mapa para capturar novos atores, frameworks e riscos emergentes.
Alertas para próximas reingestas
O monitoramento deve focar mudanças de relevância, presença digital, novos atores, controvérsias e sinais de adoção prática.
| Sinal a monitorar | Por que importa | Stakeholders relacionados | Fonte sugerida | Frequência sugerida |
|---|---|---|---|---|
| Novos frameworks e ferramentas de agentes | Podem alterar rapidamente a viabilidade técnica da automação. | João Moura; Rodrigo Nogueira; Luan Moreno; Erick Wendel | Websites, X, LinkedIn, repositórios e eventos técnicos informados | Mensal |
| Mudanças em presença digital ou canais oficiais | Afeta relacionamento, validação e capacidade de ativação. | Atores com canais “não encontrado” ou presença 1 a 3 | Páginas institucionais e perfis públicos confirmados | Trimestral |
| Controvérsias sobre IA generativa, ética e automação | Podem afetar reputação e aceitação de agentes. | Dora Kaufman; Claudio Miceli; Edson Prestes; Heloisa Candello | Publicações, palestras, eventos e canais institucionais | Mensal |
| Novas evidências de adoção corporativa | Indica maturidade para escalar automação. | IBM Research, Microsoft, CrewAI, Alura, NeuralMind, Maritaca AI | Sites oficiais, LinkedIn e comunicações públicas | Mensal |
| Atualização de vínculos incertos | Evita erros de abordagem e priorização. | Stakeholders com workplace ou posição “Incerto” | Páginas acadêmicas, currículos e instituições | Antes de qualquer contato |
A agenda de agentes de IA para reduzir processos manuais é tecnicamente viável, mas a vantagem virá da orquestração certa.
O ecossistema mapeado revela densidade rara de conhecimento em agentes, linguagem natural, dados, engenharia de software, automação e governança. A decisão prioritária não é “qual ferramenta usar”, mas quais processos automatizar, com quais dados, sob quais limites e com quais especialistas validando arquitetura, adoção e risco. Antes de avançar, é essencial confirmar canais e vínculos, priorizar os atores críticos e transformar autoridade técnica em pilotos mensuráveis.