Da tela ao diálogo: interfaces de linguagem natural são a maior oportunidade aberta para o dev brasileiro

O brasileiro resolve a vida numa caixa de texto. Marca consulta, negocia preço, manda comprovante, reclama do pedido. Tudo no WhatsApp. E em cinco anos trocou boleto, TED e dinheiro vivo por uma interface que não existia.

Agora abre o app da empresa onde você trabalha. Formulário de doze campos. Menu com nove opções. "Digite 4 para segunda via". A pessoa do outro lado já vive em interface de linguagem natural. A empresa ainda entrega tela.

Esse descompasso é o post. Vou mostrar, com número e fonte, por que a migração da tela para o diálogo já é um movimento financiado lá fora, por que o Brasil é o terreno mais fértil do mundo para ele, e por que o gargalo não é o modelo, nem o cliente. É quem sabe construir o agente e levar até produção.

TL;DR

• A tese: a camada de interação e de lógica das aplicações está migrando de tela (GUI, formulário, dashboard) para linguagem natural (chat, voz, agentes). A tela vira um dos renderizadores possíveis, não o produto.
• Os três números: o Gartner projeta 40% das aplicações corporativas com agentes de IA de tarefa específica até o fim de 2026 (contra menos de 5% em 2025). O WhatsApp está em 99% dos smartphones brasileiros. Só 17% das empresas brasileiras usaram alguma IA em 2025.
• O que o dev tira disso: o mercado não tem escassez de quem faz demo de chatbot. Tem escassez de quem leva agente para produção, com integração em sistema legado, avaliação e guardrail. Esse é o gap aberto.
• As ressalvas: 95% dos pilotos corporativos de IA generativa não geraram retorno mensurável, o Gartner prevê mais de 40% dos projetos agênticos cancelados até 2027, e nem toda tela vira chat. A tese sobrevive melhor quando abraça isso.

O contexto: lá fora a migração já está financiada

Não é uma previsão de futurista. É dinheiro em movimento.

A Menlo Ventures mediu o gasto corporativo em IA generativa nos Estados Unidos em 2025: saiu de US$ 11,5 bilhões para US$ 37 bilhões em um ano. A expansão de categoria mais rápida da história do software corporativo. E 76% dos casos de uso hoje são comprados, não construídos internamente. Existe um mercado de fornecedores em expansão, e ele precisa de gente que construa.

O Gartner colocou a tese em número, em agosto de 2025:

"Forty percent of enterprise applications will be integrated with task-specific AI agents by the end of 2026, up from less than 5% today."

No mesmo release, a projeção que sustenta o título deste post: até 2028, um terço das experiências de usuário migra de aplicativos nativos para front ends agênticos. Um terço. Da interface.

Do lado do consumidor, a conversa virou hábito de massa. O ChatGPT foi de 400 milhões de usuários semanais em fevereiro de 2025 para 900 milhões em fevereiro de 2026. Mais que dobrou em doze meses.

E tem o debate do "SaaS is dead". Em dezembro de 2024, Satya Nadella disse no podcast BG2 que as aplicações de negócio vão "colapsar na era dos agentes", porque no fundo são bancos CRUD com lógica de negócio, e essa lógica vai migrar para a camada de IA. A leitura equilibrada não é que o SaaS morre. É que o backend vira commodity e o valor sobe para a camada conversacional e agêntica. Para o dev, a conclusão é a mesma nas duas leituras: o valor está migrando de lugar.

Os casos concretos confirmam, com um porém importante. A Klarna publicou em fevereiro de 2024 que seu assistente de IA atendeu 2,3 milhões de conversas no primeiro mês, o trabalho equivalente a 700 atendentes, com o tempo de resolução caindo de 11 para menos de 2 minutos e US$ 40 milhões de lucro adicional estimado. O segundo capítulo: em maio de 2025 o CEO admitiu à Bloomberg que o corte foi longe demais e voltou a contratar humanos. A migração não é linear. Qualidade e confiança são gargalos reais.

Mesmo assim, o capital segue apostando. A Sierra, empresa de agentes de atendimento do Bret Taylor, levantou US$ 950 milhões a US$ 15,8 bilhões de valuation em maio de 2026, com mais de US$ 150 milhões de receita recorrente em oito trimestres.

Repare no padrão que atravessa Klarna, Sierra e o número da Menlo. O que se paga caro não é o chatbot. É o agente que aguenta produção: integrado ao sistema de pedidos, com limite claro do que pode fazer, avaliado antes de cada deploy. Esse caminho, da decisão de arquitetura até o agente rodando com métrica na mão, é o que a gente vai percorrer de ponta a ponta no AI Engineering Lab 3ª Edição, ao vivo, nas manhãs de 19 e 20 de setembro.

Brasil: o consumidor correu, a empresa ficou

Aqui mora o paradoxo. Adoção de consumo altíssima, adoção corporativa formal baixa.

A pesquisa mais rigorosa que existe sobre isso é a TIC Empresas do Cetic.br, com amostra representativa e metodologia pública. O resultado de 2025: apenas 17% das empresas brasileiras usaram alguma IA. Na União Europeia, o Eurostat mediu 20% no mesmo ano.

Você vai encontrar números muito maiores por aí. A KPMG fala em 86% das empresas usando IA. A diferença é metodologia: pesquisa com executivo que se voluntaria para responder sobre IA superestima adoção, sempre. Quando alguém citar 80% e pouco, pergunte quem respondeu. Essa dispersão, aliás, é um dado em si: o Brasil está experimentando muito e produtizando pouco.

Onde a infraestrutura conversacional já existe, ela é de geração anterior. O Mapa do Ecossistema Brasileiro de Bots 2025, da Mobile Time, registra mais de 1 milhão de bots já criados e cerca de 150 mil em operação. Desses, 44% usam IA generativa, contra 36% em 2024. Ou seja: a maioria dos bots brasileiros em produção ainda é árvore de decisão com "digite 1 para". O canal está instalado. O cérebro não.

A última linha é a que importa. O atraso brasileiro está na construção de agentes, não no apetite de quem vai usar.

Por que o Brasil é o melhor lugar do mundo para interfaces de linguagem natural

Dois fatos que nenhum outro mercado combina do mesmo jeito.

O WhatsApp é o sistema operacional social do país. A pesquisa WhatsApp no Brasil 2025, da Opinion Box, mostra o app em 99% dos smartphones, com 97% dos usuários acessando todo dia. A estimativa de base é de 147 milhões de usuários, segundo mercado do mundo atrás da Índia. E não é só conversa entre amigos: 82% já falaram com empresas pelo app e 60% já compraram por ele. O canal para interfaces de linguagem natural no Brasil não precisa ser instalado. Já está no bolso de quase todo cliente, aberto.

O Pix provou que o brasileiro adota interface nova em velocidade recorde. Segundo o Relatório de Gestão do Pix do Banco Central, foram 79,8 bilhões de transações e R$ 35,3 trilhões em 2025, com 148 milhões de pessoas físicas usando, o equivalente a 86% da população adulta. Em cinco anos o país abandonou hábitos de pagamento consolidados por uma interface que não existia. Se o brasileiro fez isso com dinheiro, vai fazer com atendimento e compra.

Quem já juntou as duas coisas está capturando o valor. O Nubank resolve 55% das dúvidas de primeiro nível com assistentes de IA, processa mais de 2 milhões de chats por mês e cortou o tempo de resposta do chat em 70%. O Magalu colocou a Lu com IA generativa dentro do WhatsApp em novembro de 2025, com 100% da jornada de compra no chat, da recomendação ao pagamento, numa arquitetura multiagente e multi-LLM, liberada para 1 milhão de clientes com meta de 30 milhões.

Nubank e Magalu não são exceção porque têm mais dinheiro. São exceção porque têm gente que sabe construir isso. E é aí que entra você.

O que "construir agente" significa na prática

Aqui a conversa deixa de ser sobre mercado e vira engenharia. Porque migrar da tela para o diálogo não é trocar o formulário por uma caixa de texto e mandar o input para um LLM. Isso é demo. Demo qualquer um faz em uma tarde.

O que muda quando a interface vira linguagem natural:

A intenção deixa de ser explícita. No formulário, o botão "segunda via" diz o que o usuário quer. No chat, ele escreve "não recebi o boleto de novo" e o seu sistema precisa classificar isso, com evidência, antes de decidir a rota. Sem essa camada bem feita, o agente escolhe errado e ninguém consegue explicar por quê. Já destrinchei isso em classificação de intenção com LLM.

A lógica de negócio precisa virar ferramenta. O agente não "sabe" o status do pedido. Ele chama uma tool que consulta o sistema de pedidos. Cada ação que o usuário fazia clicando vira uma função com contrato, permissão e efeito colateral controlado. Aqui está 80% do trabalho de integração com legado, e é exatamente onde a maioria dos projetos morre.

O contexto precisa ser recuperado, não carregado. Política de troca, histórico do cliente, catálogo. Não cabe tudo no prompt, e mesmo que coubesse, custaria caro. RAG sobre a base real da empresa é o que separa o assistente que responde da FAQ do que resolve o problema.

Avaliação vira gate de deploy. Na tela, um bug aparece no teste. No agente, o mesmo prompt pode acertar hoje e errar amanhã. Sem um conjunto de casos reais e uma suíte de eval rodando antes de cada mudança, você não tem produto. Tem esperança.

Guardrail define o raio de alcance. Um agente que pode consultar pedido e um agente que pode cancelar pedido são dois produtos com riscos diferentes. Menor privilégio na tool, aprovação humana em ação irreversível, limite de gasto por execução.

Agora junte isso com dois números lá de cima. O MIT Project NANDA encontrou que 95% dos pilotos corporativos de IA generativa não geraram retorno mensurável. O gargalo apontado não é o modelo: é integração, escopo e governança. E a Menlo mostrou que 76% das empresas preferem comprar a construir. Traduzindo: a escassez real é de quem faz os cinco itens acima funcionarem em produção. Não de quem faz prompt bonito.

Antes de sair transformando tudo em agente, vale rodar o teste dos 3 minutos. Boa parte do que hoje é formulário deveria virar um fluxo determinístico com LLM só na classificação de entrada. Agente de verdade é para intenção ambígua e tarefa multi-passo. Saber a diferença já te coloca na frente.

O mercado de trabalho já precifica isso

O déficit de gente em tecnologia no Brasil é crônico e tem número. A Brasscom mediu um descasamento de 30,2% entre demanda (665 mil) e formação (464 mil) de profissionais de TIC entre 2019 e 2024. Isso antes de a demanda por engenharia de agentes existir como categoria.

O Guia Salarial 2026 da Robert Half coloca o engenheiro de IA na faixa de R$ 19,5 mil a R$ 27,1 mil por mês, um dos cargos mais bem pagos de TI no país. Não estou prometendo salário. Estou mostrando que o mercado já está pagando por uma habilidade que pouca gente tem. O que essa vaga pede no dia a dia está em o que o recrutador de AI engineer vai pedir.

E tem o detalhe do capital. Das 11 maiores rodadas de startups brasileiras em 2025, só 2 tinham IA como núcleo. O dinheiro brasileiro ainda não correu para IA do jeito que correu lá fora. Isso pode parecer atraso. Para quem constrói, é janela: menos concorrência por talento, menos empresa com time montado, mais espaço para quem chega com agente funcionando.

Limitações e ressalvas honestas

A tese sobrevive melhor abraçando os limites. Cinco deles.

A maioria dos projetos ainda falha. Os 95% do MIT NANDA medem retorno financeiro numa janela específica, não falha técnica, e o estudo não é revisado por pares. Mas o recado está certo: o problema é integração e escopo, não capacidade do modelo.

Vai ter cancelamento em massa. O próprio Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custo crescente, valor de negócio pouco claro ou controle de risco inadequado. Muito do que se chama de agente hoje é "agent washing": um chatbot com nome novo.

Nem toda tela vira chat. GUI continua superior para tarefa visual, densa em dado, de comparação e precisão. Dashboard, editor, manipulação espacial. A conversa vence em intenção ambígua, tarefa de linguagem, atendimento e delegação multi-passo. A tese correta não é "as telas morrem". É "a camada de interação e de lógica migra, e a tela vira um dos renderizadores".

Os recuos são reais. Klarna voltou a contratar. A OpenAI recuou parcialmente do Instant Checkout em março de 2026 por dificuldade de habilitar transações. Apresentar só o primeiro capítulo desses casos enfraquece qualquer argumento diante de público técnico.

O impacto no PIB é estimativa de parte interessada. O número de R$ 986,7 bilhões até 2030 foi comissionado pela OpenAI. Trate como cenário, não como fato.

FAQ rápido

Preciso largar Laravel e PHP para entrar nisso? Não. Os cinco itens da seção prática (classificação, tools, retrieval, evals, guardrails) são código de backend. Fila, webhook, contrato de API, banco com pgvector. A stack que você já domina é a que vai orquestrar o agente. O que muda é o que você coloca em cima dela.

Meu chatbot de fluxo já resolve. Por que trocar? Se resolve, não troque. Fluxo determinístico é mais barato, mais previsível e mais fácil de auditar. Troque a parte onde o usuário abandona: intenção que não cabe no menu, pergunta que exige contexto, tarefa que precisa de mais de um sistema. Agente entra onde o fluxo quebra, não no lugar dele.

Por onde começar sem cair na armadilha da demo? Pelo canal que o cliente já usa e por um caso pequeno com métrica clara. Um agente de status de pedido no WhatsApp, com uma tool, uma suíte de vinte casos reais e um limite de custo por conversa, ensina mais que qualquer curso. O passo a passo com Evolution API está em como criar um agente de IA para WhatsApp.

E se o Gartner errar e os 40% não chegarem? Provavelmente vai errar na data. Previsão de analista sempre erra na data. Mas WhatsApp em 99% dos smartphones e Pix em 86% dos adultos não são previsão, são dado de 2025. A direção está dada pelo comportamento do usuário, não pelo relatório.

Conclusão

O brasileiro já migrou. Vive numa interface conversacional, adota interface nova em velocidade recorde e já compra pelo chat. As empresas ainda entregam formulário, e só 17% delas usaram IA de qualquer tipo em 2025.

Esse gap não vai ser fechado por modelo melhor. Modelo tem de sobra. Vai ser fechado por gente que sabe pegar a lógica de negócio que hoje mora em botão e tela, transformar em tool, dar contexto, medir e colocar limite. Engenharia, não prompt.

Quem dominar isso primeiro pega uma superfície que ninguém está disputando ainda. O próximo passo dessa migração é a tela virar apenas um dos renderizadores do agente: a mesma lógica servindo chat, voz e interface visual gerada sob demanda. Quando isso chegar, a pergunta não vai ser "qual framework de front". Vai ser "quem construiu o agente por trás".

Se quiser entender o que esse trabalho é no dia a dia, antes de decidir se é o seu caminho, leia engenheiro de IA: o que faz no dia a dia em 2026.