A Bain prevê um mercado de SaaS de US$ 100 bilhões na automação por IA agênica

A Bain & Company estimou um mercado de US$ 100 bilhões nos EUA para empresas de SaaS que utilizam IA agentiva. A empresa afirmou que esse mercado decorre da automação de tarefas de coordenação dentro dos sistemas empresariais.

Essa estimativa vem da segunda parte da série de cinco artigos da Bain sobre a indústria de software na era da IA. O relatório explora onde a IA agentiva poderia abrir novos mercados de software e como os provedores de SaaS podem conquistá-los.

Trabalho de coordenação em sistemas corporativos

De acordo com a Bain, o mercado surge das tarefas manuais que os funcionários realizam em diferentes aplicativos corporativos. Esses fluxos de trabalho geralmente envolvem sistemas de ERP, CRM e suporte, bem como ferramentas de gerenciamento de fornecedores e e-mail.

Essas tarefas incluem extrair dados de um sistema e cruzá-los com outro, interpretar mensagens não estruturadas e decidir se devem aprovar, responder, escalar ou aguardar.

A Bain observou que a automação baseada em regras e a automação robótica de processos têm limitações quando os fluxos de trabalho envolvem ambiguidade e informações dispersas por vários sistemas. A IA agentiva pode interpretar dados de diversas fontes, coordenar ações entre sistemas e operar dentro dos limites das políticas.

O relatório argumenta que a IA agentiva não se trata principalmente de substituir plataformas SaaS; em vez disso, a oportunidade de mercado reside em converter o trabalho de coordenação intensivo em mão de obra em gastos com software.

A Bain estima que os fornecedores já estejam captando de US$ 4 bilhões a US$ 6 bilhões do mercado dos EUA, com mais de 90% ainda inexplorados.

Fora dos EUA, a Bain projeta que Canadá, Europa, Austrália e Nova Zelândia poderiam, juntos, adicionar um mercado de tamanho semelhante, elevando o total nessas regiões e nos EUA para cerca de US$ 200 bilhões.

Tamanho do mercado por função

O mercado não está distribuído uniformemente entre as funções empresariais. A Bain estima que as vendas representam a maior fatia individual, com cerca de US$ 20 bilhões, impulsionadas principalmente pelo número de funcionários de vendas, e não por um potencial de automação excepcionalmente alto.

O custo dos produtos vendidos e as operações representam aproximadamente US$ 26 bilhões. A grande força de trabalho operacional significa que mesmo taxas modestas de automação se traduzem em um mercado potencial considerável. P&D e engenharia, suporte ao cliente e finanças representam, cada uma, aproximadamente US$ 6 bilhões a US$ 12 bilhões em tamanho de mercado potencial. Essas funções contam com grandes equipes e maior potencial de automação em fluxos de trabalho específicos.

O suporte ao cliente e P&D/engenharia apresentam o maior potencial de automação, com cerca de 40% a 60% das tarefas do fluxo de trabalho automatizáveis. A Bain observou que ambas as áreas envolvem dados estruturados, processos padronizados e sinais de saída mais claros. Finanças e recursos humanos ficam na faixa de 35% a 45%. O relatório indicou que contas a pagar e folha de pagamento têm maior potencial de automação, enquanto o planejamento financeiro e as relações com os funcionários envolvem mais julgamento.

Vendas e TI ficam na faixa de 30% a 40%. A Bain apontou as nuances do relacionamento, a variação de caso a caso e a natureza imprevisível dos incidentes de segurança como limites para a automação nessas áreas. A área jurídica apresenta um potencial geral de automação mais baixo, entre 20% e 30%. A Bain afirmou que a revisão de contratos e a conformidade são tarefas repetíveis, mas as consequências de erros exigem uma supervisão mais rigorosa.

Fatores de automação da Bain

O relatório identifica seis fatores que determinam quanto de um fluxo de trabalho um agente de IA pode realisticamente lidar. Isso inclui verificabilidade da saída, consequência da falha, disponibilidade de conhecimento digitalizado e variabilidade do processo. A Bain afirmou que fluxos de trabalho com sinais de verificação claros são mais fáceis de automatizar do que aqueles que envolvem julgamento subjetivo. Exemplos incluem compilação de código, reconciliação de faturas e resolução de tickets de suporte.

Fluxos de trabalho que envolvem risco regulatório ou financeiro, como declarações fiscais, conformidade legal e resposta a incidentes de segurança, exigem supervisão humana mais rigorosa, mesmo quando os agentes são tecnicamente capazes, de acordo com o relatório.

A Bain também destacou a disponibilidade de conhecimento digitalizado como uma limitação. Os agentes precisam de acesso a dados estruturados e contexto documentado, bem como a entradas legíveis por máquina, incluindo a lógica de decisão que muitas vezes reside informalmente com funcionários experientes.

A complexidade da integração afeta a automação quando os fluxos de trabalho atravessam vários sistemas e APIs. Camadas de autenticação e processos de tratamento de exceções adicionam ainda mais complexidade, tornando esses fluxos de trabalho mais difíceis de automatizar de ponta a ponta do que aqueles contidos em uma única plataforma. As áreas de maior valor estão concentradas onde nenhum sistema de registro único controla o resultado completo, muitas vezes abrangendo sistemas de ERP, CRM e suporte, afirma a empresa.

David Crawford, presidente da prática global de tecnologia e telecomunicações da Bain, disse que as empresas de SaaS passaram as últimas duas décadas construindo posições em torno de sistemas de registro, e a próxima fonte de vantagem será o “contexto de decisão entre fluxos de trabalho” — a capacidade de interpretar e agir dentro de fluxos de trabalho que se movem por vários sistemas.

Exemplos de empresas e fluxos de trabalho adjacentes

O relatório citou Cursor, Sierra, Harvey, Glean, Salesforce, ServiceNow e Workday em sua discussão sobre a adoção de IA agênica. De acordo com a Bain, a Cursor ultrapassou US$ 16,7 milhões em receita média mensal após dobrar em um único trimestre. A Sierra ultrapassou US$ 150 milhões por ano, a Harvey ultrapassou US$ 190 milhões por ano e a Glean, US$ 200 milhões por ano.

O relatório também apontou o GitHub como um exemplo de empresa que usa dados de um fluxo de trabalho central existente para expandir para áreas adjacentes. O negócio principal do GitHub é a colaboração entre desenvolvedores e o controle de código-fonte, mas seus dados de repositório e fluxo de trabalho ajudaram a apoiar a expansão para a produtividade de desenvolvedores assistida por IA e a automação de segurança.

A Bain afirmou que as empresas de SaaS podem se expandir por meio de dois tipos de automação de fluxos de trabalho. O primeiro é a automação de fluxos de trabalho centrais, onde elas já possuem conhecimento do domínio e a confiança do cliente. As integrações de sistemas existentes podem apoiar a automação dos fluxos de trabalho centrais. O segundo é a automação de fluxos de trabalho adjacentes que a empresa atualmente não atende diretamente. Essas áreas podem ser mais difíceis de identificar, pois exigem um mapeamento detalhado dos fluxos de trabalho dos clientes e dos dados subjacentes que sustentam as decisões.

Os modelos de precificação podem mudar quando os agentes entregam resultados concluídos. A Bain afirmou que a precificação baseada em resultados e uso pode se tornar mais relevante quando os agentes resolvem problemas ou processam faturas, contrastando com a precificação tradicional baseada em licenças e logins.

Recomendações da Bain para empresas de SaaS

A Bain recomendou que as empresas de SaaS comecem identificando quais fluxos de trabalho dos clientes podem ser automatizados com IA agênica. A empresa afirmou que as empresas devem avaliar a automação no nível dos subprocessos, não tratando funções inteiras como igualmente automatizáveis.

O relatório também aconselhou as empresas a avaliarem a qualidade de seus dados. A Bain afirmou que fatores relevantes incluem se os dados são abrangentes, vinculados a resultados e utilizáveis para automação.

A Bain afirmou que as empresas poderiam preencher lacunas de capacidade por meio de desenvolvimento interno, aquisições ou parcerias. O relatório citou o desenvolvimento interno da plataforma Axon pela AppLovin, a aquisição da Moveworks pela ServiceNow e a parceria da Salesforce com a Workday como exemplos de diferentes abordagens.

A empresa também enfatizou a necessidade de talentos em engenharia de IA, arquitetura nativa da nuvem para orquestração multiagente e financiamento para treinamento e inferência de modelos. Ela afirmou que as empresas devem alinhar os preços e os incentivos de vendas aos resultados impulsionados pela IA, e não aos modelos legados baseados em licenças.

A Bain afirmou que as empresas de SaaS também precisarão de bases de dados e produtos projetadas para fluxos de trabalho agenticos, incluindo transferências legíveis por máquina e sistemas que capturem decisões e resultados de cada execução do fluxo de trabalho.

Crawford disse que o prazo para empresas de SaaS é “medido em trimestres, não em anos”, já que empresas nativas de IA coletam mais dados de implantação a cada fluxo de trabalho de cliente que automatizam.

Veja também: Google testa o agente de IA Remy para o Gemini à medida que o foco se volta para o controle do usuário

Quer saber mais sobre IA e big data com os líderes do setor? Confira a AI & Big Data Expo,que acontecerá em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e será realizado em conjunto com outros eventos de tecnologia de ponta; clique aqui para mais informações.

O AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial que estão por vir aqui.