Agentes de IA para compras: o que fazer quando o sistema compra o produto errado

Uma avaliação divulgada pela Visa em novembro trouxe um dado que muda a conversa sobre agentes de IA para compras: não basta recomendar bem. O sistema precisa entender o que o consumidor realmente quer — e saber parar quando não encontra uma opção adequada.

No Visa Agentic Commerce Benchmark, 22 modelos de 12 laboratórios foram avaliados em 15 cenários de compra nos Estados Unidos. Segundo o Valor Econômico, 57,2% das tentativas foram aprovadas. Em 42,8%, houve falha; e 54% dessas tentativas malsucedidas terminaram, ainda assim, com uma compra inadequada ou feita antes de todos os requisitos serem conhecidos. Cada modelo repetiu os cenários três vezes, mas apenas 34,2% das execuções foram aprovadas nas três repetições.

Esses números não são uma previsão direta do que todo agente fará em produção. O benchmark, conduzido pela própria Visa, usou cenários simulados nos EUA e avaliou principalmente descoberta de necessidades e escolha do produto. Checkout, pagamento e colocação do pedido aparecem como etapas que a Visa pretende testar depois. Ainda assim, o resultado aponta para uma questão operacional urgente: o que acontece quando a IA age com informação incompleta?

O risco não é apenas escolher mal

Uma recomendação errada pode ser ignorada. Uma compra errada já aciona estoque, pagamento, entrega, atendimento e, possivelmente, devolução. A diferença está na autonomia concedida ao agente: ele está comparando opções, preparando um carrinho ou autorizado a concluir a transação?

Na avaliação da Visa, uma compra só era considerada correta se o produto atendesse a todos os requisitos da tarefa e se cada requisito tivesse sido identificado durante a conversa. Um modelo não ganhava crédito por acertar por sorte. Esse é um princípio útil para qualquer empresa: resultado correto exige tanto adequação quanto evidência de que o sistema verificou as condições necessárias.

Primeiro: delimite o que o agente pode fazer

Eu não começaria dando ao agente acesso irrestrito ao pagamento. Separaria a jornada em etapas: pesquisar, comparar, montar o pedido e, por último, comprar. Cada etapa precisa de uma permissão explícita. No início, o sistema pode preparar uma seleção e pedir confirmação humana antes de enviar o pedido.

A autorização também precisa ser específica, não uma licença genérica para “comprar o melhor”. Defina teto de gasto total, incluindo frete e taxas; características obrigatórias; prazo máximo de entrega; condições aceitáveis de devolução; lojas permitidas; e se substituições são ou não autorizadas. Se faltar informação crítica ou nenhuma opção cumprir os critérios, a resposta correta pode ser não comprar e pedir esclarecimento.

Uma preferência flexível — como cor ou marca — não deve ser tratada como requisito obrigatório. E um campo ausente na página do produto não deve ser interpretado automaticamente como “atende”. Essa distinção entre requisito confirmado, preferência e dado desconhecido precisa estar visível no fluxo de decisão.

Teste a decisão de não comprar

Muitas demonstrações avaliam se o agente encontra uma opção. Eu incluiria também casos em que a opção certa é não agir: nenhum produto satisfaz todos os requisitos; o preço ultrapassa o limite; a política de devolução não está disponível; o agente não consegue confirmar uma informação essencial; ou o consumidor mudou de ideia no meio da conversa.

A Visa relata que parte das falhas ocorreu porque o agente deixou de perguntar por necessidades que só apareceram depois. Por isso, teste conversas incompletas e ambíguas, alterações de requisito, resultados de busca contraditórios e listagens sem dados suficientes. Meça separadamente se o agente fez as perguntas necessárias, se verificou a informação e se se absteve quando não havia base para uma decisão.

Repita cada cenário. Um agente que acerta uma vez e falha na execução seguinte ainda não é previsível o bastante para receber autonomia de compra. Registre também o tipo de erro: produto incompatível, requisito não perguntado, informação inventada, compra prematura, recusa indevida ou ausência de decisão. Uma taxa agregada pode esconder falhas muito diferentes.

Quando o agente já comprou o produto errado

Em uma ocorrência real, a primeira reação não deve ser pedir à própria IA que “resolva” sem verificar o que aconteceu. Confirme no sistema do vendedor se o pedido foi efetivamente concluído, consulte o pagamento e verifique se ele ainda pode ser cancelado. A mensagem do agente dizendo “compra realizada” não substitui a confirmação do pedido e da transação.

Depois, interrompa novas tentativas para evitar pedidos duplicados. Preserve a conversa, os dados consultados, os critérios usados, a decisão do agente e os registros de autorização. Cancele, devolva ou conteste a cobrança pelos canais corretos e com a autorização necessária do consumidor; não faça uma segunda transação automaticamente para tentar corrigir a primeira.

A investigação precisa localizar a causa: o agente entendeu mal a necessidade, consultou preço ou estoque desatualizado, interpretou silêncio como autorização, ou a integração executou uma ação além do permitido? Corrigir apenas a resposta do modelo não resolve uma falha de permissão ou de integração. Ajuste o controle no ponto onde o erro entrou e teste novamente antes de liberar a ação.

Como medir se é seguro ampliar a autonomia

Antes do piloto, estabeleça uma linha de base e critérios de aprovação. Acompanhe a proporção de pedidos que respeitam todos os requisitos, compras sem confirmação, abstenções corretas, compras indevidas, duplicidades, cancelamentos, devoluções, tempo de resolução e custo total por pedido correto — incluindo revisão humana, suporte e manutenção.

Aumente as permissões gradualmente. Comece com consulta e recomendação; avance para preparação do carrinho; só considere a compra automática em cenários delimitados, com limites rígidos, registros auditáveis, alertas e um mecanismo para interromper ou revogar o acesso. Reavalie depois de mudanças no modelo, nas ferramentas, no catálogo ou nas regras comerciais.

Confiança se constrói com limites verificáveis

O benchmark da Visa não prova como todos os agentes vão se comportar em lojas brasileiras. Mas mostra por que capacidade de compra e confiabilidade não são a mesma coisa. Uma experiência realmente útil precisa entender a necessidade, confirmar dados, respeitar a autorização e reconhecer quando não deve agir.

Para o varejo, isso não é apenas um desafio de modelo. É uma questão de processo, integração, dados e responsabilidade. Se o agente da sua empresa comprasse hoje o produto errado, você conseguiria descobrir por quê, impedir a repetição e corrigir o pedido sem criar um problema maior?

Fontes: Valor Econômico, 9 de novembro de 2026; Visa Agentic Commerce Benchmark, snapshot de outubro de 2026.