O que aconteceu

No seu evento anual Directions, em 9 de abril, a IDC apresentou o conceito de “jornada do comprador agêntico”. O conceito muda de forma profunda a visão sobre como as decisões de compra B2B acontecem quando agentes de IA fazem a mediação da descoberta, da avaliação e da escolha de fornecedores. A consultoria apresentou cinco novas áreas de pesquisa em IA. Entre elas, a jornada do comprador agêntico é a que tem mais impacto para times de competitive intelligence e de go-to-market.

Meredith Whalen, Chief Product & Research Officer da IDC, definiu o contexto: “estamos entrando no ciclo de gastos em tecnologia mais forte em quase 30 anos, impulsionado pela IA e pela ascensão dos agentes”. A IDC descreve esse momento como um superciclo de IA com duas fases distintas. A primeira é a construção de infraestrutura (a fase atual, marcada por investimentos enormes em IA de base). A segunda é a adoção pelas empresas, quando os agentes chegam a bilhões de instâncias e a IA passa do treinamento para a inferência em escala.

As cinco áreas de pesquisa do Directions cobrem o impacto econômico da IA, a jornada do comprador agêntico, a expansão do cenário de modelos de IA além dos grandes modelos de linguagem, novos frameworks para medir o valor de negócio da IA e o surgimento dos agentes de IA como um novo modelo de aplicação, que muda o software e os serviços corporativos. A IDC prevê que a IA vai gerar US$ 22,5 trilhões em valor econômico global acumulado até 2031, com ganhos de produtividade, novos modelos de receita e transformação dos negócios.

Por que isso importa para quem está na prática

A jornada do comprador agêntico representa uma mudança estrutural. Times de competitive intelligence e de vendas não podem ignorá-la. Quando agentes de IA, e não pessoas, fazem a mediação de como os prospects descobrem, avaliam e escolhem fornecedores, todo o manual de posicionamento competitivo muda.

1. As personas de compra precisam de uma camada para agentes de IA. As personas de compra tradicionais giram em torno de decisores humanos: seus cargos, suas dores, como buscam informação e quais critérios usam na avaliação. A jornada do comprador agêntico traz um novo ator: o agente de IA que filtra fornecedores, pontua capacidades e sugere recomendações antes de um decisor humano ver as opções. Os times de CI precisam entender como esses agentes avaliam fornecedores (por APIs, documentação legível por máquina e dados estruturados). Também precisam garantir que a empresa apareça, e apareça bem posicionada, nas avaliações feitas por IA. Isso não é uma preocupação teórica para o futuro. A IDC prevê que, até 2027, o uso de agentes nas empresas do G2000 vai crescer dez vezes.

2. A estratégia de go-to-market precisa considerar um posicionamento legível por máquina. Se os agentes de IA definem cada vez mais quais fornecedores entram na shortlist do comprador, a estratégia de go-to-market precisa ir além do conteúdo feito para pessoas. Documentação de produto, estrutura de preços, comparativos de funcionalidades e especificações de integração precisam de uma estrutura que sistemas de IA consigam ler e avaliar. Empresas que guardam o posicionamento competitivo só em apresentações, PDFs e conteúdo fechado correm o risco de ficar invisíveis nos processos de compra mediados por agentes.

3. Os sinais de dados de intenção estão mudando. O modelo tradicional de dados de intenção acompanha visitas ao site, downloads de conteúdo e buscas para identificar compradores ativos. Esse modelo pressupõe uma pesquisa feita por pessoas. À medida que agentes de IA assumem partes da descoberta e da avaliação de fornecedores, os sinais de intenção de compra também vão mudar. Consultas de agentes a APIs, pedidos de especificações legíveis por máquina e avaliações automáticas de capacidades podem virar os novos sinais de intenção. Times de CI que dependem muito dos dados de intenção tradicionais devem começar a acompanhar como a descoberta mediada por agentes afeta a qualidade desses sinais.

4. Os times de vendas enfrentam uma nova dinâmica competitiva. Para times de vendas em negociações competitivas, a jornada do comprador agêntico significa que a perda para um concorrente pode acontecer antes de qualquer vendedor falar com o prospect. Se um agente de IA tira a sua empresa da disputa na fase de avaliação automática, nenhum relacionamento ou demo excelente recupera a oportunidade. Os times de vendas precisam de insights de CI sobre como os sistemas de avaliação por IA funcionam e sobre como os concorrentes se posicionam para processos de escolha mediados por máquinas.

Principais detalhes

Evento: IDC Directions 2026 (9 de abril de 2026)
Keynote: Meredith Whalen, Chief Product & Research Officer da IDC
Conceito central apresentado: a jornada do comprador agêntico, em que a compra B2B passa de jornadas conduzidas por pessoas para sistemas de decisão mediados por IA
Superciclo de IA: “o ciclo de gastos em tecnologia mais forte em quase 30 anos” (Whalen)
Duas fases: construção de infraestrutura (atual) e adoção pelas empresas (em escala até o fim da década)
Ponto de inflexão: previsto para 2029, quando a IA passa do treinamento para a inferência em escala
Previsão econômica: US$ 22,5 trilhões em valor global acumulado gerado pela IA até 2031
Previsão de escala dos agentes: uso de agentes no G2000 dez vezes maior até 2027; volume de tokens e de chamadas de API mil vezes maior
Desafio de ROI: hoje, 42% das organizações têm dificuldade para medir o ROI da IA
Novo framework: a IDC apresentou o Agentic Business Value Maximization Framework
Áreas de pesquisa: cinco frentes, entre elas impacto econômico, compradores agênticos, cenário de IA com múltiplos modelos, medição do valor de negócio da IA e agentes como novo modelo de aplicação

Implicações para o mercado

A keynote do Directions mostra que os analistas convergem para uma mesma tese: a IA agêntica não é só uma tendência de tecnologia, mas uma mudança estrutural no funcionamento dos mercados. Isso traz várias implicações para o setor de competitive intelligence.

Primeiro, as plataformas de CI vão precisar ir além de monitorar o que os concorrentes dizem e fazem. Elas vão precisar monitorar como os sistemas de IA avaliam esses concorrentes. Se a compra mediada por agentes virar um canal relevante nas compras corporativas, entender como os mecanismos de avaliação por IA classificam e recomendam fornecedores passa a ser uma função central de CI. A maioria dos times de CI ainda não tem essa capacidade de análise.

Segundo, a previsão de US$ 22,5 trilhões e a ideia do “ciclo de gastos mais forte em quase 30 anos” vão acelerar o investimento corporativo em IA. Com isso, os processos de compra agêntica vão chegar mais rápido ao mercado. Os times de CI devem usar o cronograma da IDC como premissa de planejamento (uso de agentes dez vezes maior até 2027, bilhões de agentes em operação até 2029) e começar a adaptar o monitoramento da concorrência.

Terceiro, as implicações para a estratégia de go-to-market vão além de cada empresa e atingem categorias inteiras de mercado. À medida que agentes de IA mudam como os compradores descobrem e avaliam soluções, categorias com diferenciais competitivos claros e legíveis por máquina vão levar vantagem sobre categorias em que a diferenciação depende sobretudo de narrativa ou de relacionamento. Isso pode acelerar a comoditização de categorias com produtos parecidos na prática e favorecer categorias em que a diferenciação técnica é mensurável e verificável.

Para os profissionais de CI, a ação imediata é auditar como a empresa aparece para os sistemas de avaliação mediados por IA. Isso significa revisar dados estruturados, documentação de API e especificações de produto legíveis por máquina, e não só o conteúdo de marketing feito para pessoas. A jornada do comprador agêntico não é um problema para 2030. Ela já está surgindo, e as vantagens competitivas vão ficar com quem se adaptar cedo.

Recursos relacionados

Buyer Persona: como os modelos de persona precisam evoluir para incluir agentes de IA como avaliadores
Estratégia de go-to-market: implicações estratégicas da escolha de fornecedores mediada por máquinas
Dados de intenção: como os sinais de compra mudam quando agentes de IA fazem a mediação da descoberta
CI para times de vendas: como adaptar a venda competitiva a ambientes de compra mediados por agentes