IDC afirma que agentes de IA orientam 80% dos compradores de tecnologia, pressionando as vendas lideradas por fornecedores

A IDC afirma que 80% dos compradores de tecnologia B2B agora usam agentes de IA para auxiliar ou executar tarefas de compra. Essa mudança coloca Google News, sites de fornecedores e equipes de vendas em uma nova disputa pela confiança mediada por máquinas.

A constatação vem da Pesquisa de Comportamento do Comprador de Tecnologia 2025 da IDC. Isso não significa que softwares autônomos tenham assumido o controle da maior parte dos orçamentos de compras empresariais. Significa que a IA passou a integrar o grupo de compra, ajudando pessoas a descobrir fornecedores, comparar produtos, resumir evidências e preparar decisões.

Essa distinção importa porque compradores empresariais não precisam mais visitar todos os sites que informam uma compra. Um agente pode coletar informações, reconciliar alegações sobre produtos e eliminar candidatos antes que um vendedor veja uma oportunidade. O conflito imediato não é entre humanos e máquinas. É entre persuasão controlada pelo fornecedor e avaliação controlada pelo comprador.

A pesquisa da IDC também mostra que os canais digitais continuam centrais para compras complexas. No entanto, conclusões separadas da Gartner e da Forrester indicam que os compradores ainda buscam validação humana quando o risco aumenta. A IA pode encurtar a pesquisa, mas a confiança ainda determina se uma recomendação resiste às compras, à revisão de segurança e ao escrutínio executivo.

O número de 80% marca uma mudança em quem controla a descoberta

Os agentes de IA estão se tornando uma camada ativa entre fornecedores de tecnologia e as pessoas que os avaliam.

O blueprint de alinhamento com compradores da IDC afirma que 80% dos compradores usam agentes de IA para auxiliar ou executar tarefas de compra. O documento se baseia na Pesquisa de Comportamento do Comprador de Tecnologia 2025 da IDC.

O mesmo blueprint afirma que 71% dos compradores de tecnologia B2B preferem canais digitais, inclusive para compras complexas. A IDC descreve o comprador que prioriza o digital como algo permanente, e não como uma resposta temporária ao trabalho remoto ou ao acesso limitado a representantes de vendas.

Essas duas conclusões descrevem mudanças relacionadas. As compras digitais afastaram a pesquisa das interações de vendas agendadas. Os agentes de IA agora reorganizam as informações disponíveis nesses canais digitais.

Um agente de IA para compras é um software que pesquisa, compara ou atua com base nos requisitos de compra de um usuário. Em um fluxo de trabalho básico, ele pode resumir páginas de produtos e avaliações de clientes. Um sistema mais capaz pode comparar configurações, elaborar uma solicitação de informações ou verificar se um fornecedor atende a requisitos predefinidos.

O agente não precisa de autoridade formal para influenciar uma compra. Um assistente de uso geral pode alterar uma lista restrita ao decidir quais fontes recuperar, quais diferenças destacar e quais alegações merecem ceticismo.

Isso torna a visibilidade dentro de respostas geradas por IA comercialmente importante. Um fornecedor pode ter boa classificação na busca tradicional e ainda desaparecer de uma comparação gerada por agente. Sua documentação pode ser difícil de recuperar, inconsistente entre páginas ou não contar com evidências independentes.

Google News continua relevante porque reportagens atuais podem fornecer sinais sobre aquisições, falhas de produtos, mudanças na liderança, incidentes de segurança e disputas com clientes. Ainda assim, um agente pode extrair esses sinais sem levar o comprador à página do resultado original.

Isso cria um funil de descoberta diferente. O comprador recebe uma resposta, enquanto o agente decide quais evidências entram nessa resposta. Editores e fornecedores podem contribuir com informações sem receber uma visita, impressão ou lead atribuível.

A análise separada da IDC sobre compras mediadas por IA acrescenta outra restrição. Sua pesquisa de 2025 constatou que 81% dos compradores priorizam o uso ético de IA ao selecionar parceiros de tecnologia. Esse número sobe para 88% entre executivos de nível C.

Portanto, ser mencionado é apenas uma parte do problema. Um fornecedor também precisa resistir ao escrutínio envolvendo IA responsável, governança de dados, segurança e credibilidade.

A mudança é estrutural porque os agentes podem aplicar esses filtros antes do engajamento direto. As equipes de vendas tradicionais frequentemente descobrem objeções durante uma ligação. Um processo mediado por IA pode rejeitar o fornecedor mais cedo, sem deixar à organização de vendas a oportunidade de responder.

O número de 80% ainda deve ser lido com cautela. “Auxiliar ou executar” abrange uma ampla variedade de comportamentos, desde resumir um documento até concluir uma tarefa definida. O blueprint público da IDC não divide o número por nível de autonomia, valor da compra ou conclusão da transação.

Mesmo com essa limitação, a direção é clara. A IA passou de um recurso do fornecedor para o processo de pesquisa do comprador, mudando a forma como a tecnologia empresarial chega a uma lista restrita.

Google News está se tornando evidência para agentes, não apenas um destino

Google News e canais semelhantes servem cada vez mais como camadas de evidência que sistemas de IA processam em nome de um comprador.

A busca tradicional exige que editores e fornecedores concorram por um clique. A pesquisa assistida por IA exige que concorram pela inclusão em uma resposta sintetizada.

A diferença muda a forma como a influência é medida. Um comprador pode pedir a um agente que identifique softwares que atendam a cinco requisitos de segurança e se integrem a uma plataforma de nuvem existente. O agente pode ler documentação, cobertura jornalística, material de analistas e conteúdo de avaliações antes de retornar três candidatos.

O comprador talvez nunca veja as dez fontes por trás dessa recomendação. Um artigo útil pode influenciar o resultado sem receber tráfego de referência.

Google News ainda importa nesse processo porque eventos recentes frequentemente alteram o risco empresarial. Um anúncio de produto pode ampliar as capacidades de um fornecedor. Uma violação, processo judicial, aquisição ou indisponibilidade de serviço pode alterar a adequação do mesmo fornecedor.

No entanto, a atualidade, por si só, não torna uma fonte decisiva. Os agentes também precisam de conteúdo que identifique claramente produtos, datas, limitações e a relação entre uma alegação e suas evidências.

Páginas ambíguas criam problemas de recuperação. Um fornecedor que usa vários nomes para um recurso pode parecer inconsistente. Uma página que esconde especificações essenciais em interfaces decorativas pode fornecer evidências menos utilizáveis do que um documento técnico simples.

O mesmo problema afeta a cobertura jornalística. Uma manchete pode atrair atenção humana, mas oferecer pouco contexto a um agente. Artigos com atribuição precisa, datas e links para material primário fornecem evidências mais fortes para comparação.

Isso não significa que as empresas devam produzir páginas escritas apenas para máquinas. Os compradores ainda leem materiais de origem quando uma decisão envolve risco financeiro, operacional ou profissional. Uma redação clara atende aos dois públicos.

Também não significa que a busca tradicional tenha desaparecido. Os mecanismos de busca continuam úteis para navegação, verificação de fontes e localização de cobertura recente. Google News pode se tornar mais valioso quando um comprador deseja verificar o que um assistente resumiu.

A verdadeira mudança está na sequência. Um agente pode formar a primeira lista restrita, enquanto a busca se torna uma ferramenta de validação mais adiante no processo. Fornecedores eliminados na primeira etapa talvez nunca se beneficiem dessa verificação posterior.

As conclusões da IDC, portanto, pressionam as equipes de marketing a tratar informações sobre produtos como evidências estruturadas. As alegações precisam de definições estáveis, propriedade clara, datas atuais e documentação de apoio. Contradições entre uma página de vendas e um documento de segurança tornam-se mais fáceis de expor para um agente.

Materiais independentes também ganham peso. Um agente que compara alegações de fornecedores pode procurar pesquisa de analistas, cobertura confiável, avaliações técnicas e evidências de clientes. A repetição nas páginas da própria empresa não cria confirmação independente.

É nesse ponto que a qualidade do conhecimento se torna uma questão de compras. As equipes precisam manter fatos consistentes entre documentação de produtos, páginas de políticas, centrais de ajuda e anúncios públicos. Internamente, uma base de conhecimento de IA pesquisável pode ajudar os funcionários a localizar as evidências por trás de alegações aprovadas.

Essa disciplina interna afeta a confiança externa. Um vendedor que não consegue explicar de onde veio uma alegação enfraquece a confiança do comprador. Um representante que consegue recuperar o benchmark, a política ou a limitação relevante se torna mais útil.

Para os editores, o incentivo é semelhante. Reportagem original, atribuição transparente e links para documentos primários conferem valor duradouro a um artigo além de seu público inicial. Resumos copiados de outros resumos tornam-se menos defensáveis quando agentes comparam fontes.

O resultado não é o fim do Google News. É uma mudança no papel do canal. As notícias se tornam uma entrada em um sistema de evidências mais amplo, e o clique visível captura apenas parte de sua influência.

As vendas lideradas por fornecedores estão perdendo o controle da primeira avaliação

A disputa central é entre persuasão liderada pelo fornecedor e análise controlada pelo comprador, não entre compras automatizadas e julgamento humano.

As equipes de vendas antes controlavam o acesso a detalhes importantes de produtos. Os compradores frequentemente precisavam de um representante para obter configurações, respostas técnicas ou uma comparação personalizada.

O autosserviço digital reduziu esse controle. Os agentes de IA o reduzem novamente ao ajudar compradores a combinar informações de muitas fontes sem seguir a sequência preferida do fornecedor.

Uma equipe de compras pode pedir a um assistente que extraia preocupações contratuais, compare opções de residência de dados ou identifique divulgações de segurança ausentes. Ela pode preparar perguntas antes da primeira reunião de vendas e contestar uma resposta durante a reunião.

Isso muda o papel do representante. Repetir informações já disponíveis online agrega pouco valor. Esclarecer incertezas, resolver contradições e assumir responsabilidade tornam-se mais importantes.

A pesquisa da Gartner fornece evidências para esse modelo híbrido. Seu estudo de validação de compradores, de maio de 2026, abrangeu 645 compradores B2B pesquisados durante agosto e setembro de 2025.

A Gartner constatou que 45% usaram IA generativa durante uma compra recente, principalmente para reunir informações sobre produtos e fornecedores. Os compradores usaram, em média, sete fontes de informação, mostrando que a IA não se tornou seu único canal.

O estudo também constatou que 67% preferiam uma experiência sem representante de vendas, enquanto 70% preferiam uma experiência totalmente digital e de autosserviço. Essas preferências parecem apoiar o declínio das vendas lideradas por fornecedores.

No entanto, 69% preferiam validar insights gerados por IA com um vendedor. Esse resultado fornece o contrapeso crucial a uma narrativa simples de automação.

Os compradores querem controlar quando um representante entra no processo. Eles não necessariamente querem remover essa pessoa de todas as decisões relevantes.

A Gartner constatou que os representantes continuavam especialmente importantes quando os compradores definiam um problema de negócios, identificavam um fornecedor preferido, obtinham apoio interno e finalizavam uma compra. São momentos em que contexto e responsabilidade importam mais do que a velocidade de recuperação.

Isso cria pressão sobre diversas funções empresariais.

As equipes de marketing devem publicar materiais que resistam à comparação fora de uma jornada de site cuidadosamente projetada. As equipes de produto precisam de terminologia e especificações consistentes. As equipes de vendas devem se preparar para validar evidências, em vez de controlar o acesso a elas.

As compras também ganham influência porque a IA facilita a comparação sistemática. As equipes podem transformar requisitos de políticas em verificações repetíveis e aplicá-las a um conjunto maior de fornecedores.

A pesquisa da Forrester sobre compras empresariais afirma que profissionais de compras atuam como tomadores de decisão em 53% dos ciclos de compra empresarial. Agora, eles participam desde o início, em vez de aparecerem apenas durante a negociação contratual.

A Forrester também informa que uma decisão típica envolve 13 partes interessadas internas e nove influenciadores externos. Compras mais complexas envolvem grupos ainda maiores.

A IA pode ajudar esses participantes a processar informações, mas não consegue eliminar suas prioridades concorrentes. A área de segurança pode preferir acesso limitado aos dados. Finanças pode enfatizar a utilização. Operações pode priorizar a integração, enquanto o jurídico avalia a exposição contratual.

Um agente pode organizar essas restrições e identificar conflitos mais cedo. Ele não pode decidir qual parte interessada deve aceitar um determinado risco, a menos que as pessoas deleguem explicitamente essa autoridade.

Isso explica por que a transição pressiona fornecedores mal alinhados. Uma empresa pode ter respostas precisas dispersas entre apresentações de vendas, chamados de suporte, portais de segurança e o conhecimento dos funcionários. Um comprador de IA enxerga as lacunas entre essas fontes como incerteza.

Fornecedores com conexões internas têm vantagem. Os funcionários podem responder com evidências consistentes porque conseguem encontrar as mesmas informações aprovadas. Uma base de conhecimento pesquisável pode ajudar equipes técnicas a recuperar registros relevantes sem reconstruir uma resposta de memória.

Ainda assim, a organização interna não garante a seleção externa. A avaliação controlada pelo comprador facilita a comparação direta. Quando os produtos parecem semelhantes, a qualidade das evidências, os resultados de testes e o risco de implementação se tornam diferenciais mais fortes.

A primeira avaliação está saindo do controle do fornecedor. A oportunidade para vendedores permanece, mas chega mais tarde e exige mais substância.

Os Números Não Provam Que as Compras Autônomas Já Chegaram

A compra assistida por IA é disseminada, mas a autoridade para transações autônomas continua sendo um patamar muito mais alto.

A estatística de 80% da IDC combina assistência com execução de tarefas. Essas categorias podem incluir níveis muito diferentes de responsabilidade.

Resumir uma página de produto apresenta risco direto limitado. Criar uma lista curta pode influenciar materialmente uma compra. Enviar uma solicitação de proposta altera um fluxo de trabalho externo, enquanto aprovar um pagamento pode criar um evento financeiro vinculante.

Tratar as quatro ações como equivalentes superestimaria a autonomia atual. O material público da IDC estabelece uma participação ampla, não a parcela dos orçamentos empresariais controlada por agentes independentes.

As conclusões da Gartner reforçam essa distinção. Os compradores usam IA para ganhar velocidade, mas 51% disseram ter maior probabilidade de encontrar informações enganosas em IA generativa. Uma proporção quase igual, de 49%, associou informações enganosas a representantes de vendas.

Nenhum dos canais conquista confiança automaticamente. Os compradores os combinam porque cada um pode expor fragilidades do outro.

A Forrester constatou que mais de 60% dos compradores empresariais usam alguma forma de teste. Esses testes variam de sandboxes personalizados a períodos de avaliação baseados no uso.

Um teste importa porque transforma uma alegação em comportamento observável. Um assistente de IA pode resumir capacidades declaradas, mas um teste controlado mostra se o produto funciona com os dados, controles e fluxos de trabalho do comprador.

Os testes também criam evidências que os agentes não conseguem obter em fontes públicas. O desempenho em um ambiente específico, o esforço de implementação, a qualidade do suporte e a aceitação dos usuários frequentemente só se tornam visíveis durante a avaliação.

A segurança apresenta um limite ainda mais difícil. Um agente autônomo de compras precisa acessar informações de fornecedores, políticas internas, sistemas de identidade e, possivelmente, ferramentas financeiras. Cada conexão amplia as consequências de um erro.

A análise de segurança de agentes de 2026 do NIST encontrou ampla concordância de que agentes introduzem novas ameaças. Os participantes também concordaram que práticas conhecidas de cibersegurança exigem adaptação para sistemas de agentes.

Um risco é a injeção indireta de prompt, em que instruções maliciosas aparecem dentro de conteúdo externo processado por um agente. Uma página ou documento comprometido poderia tentar redirecionar o agente, revelar informações sensíveis ou acionar uma ação não intencional.

Essa ameaça tem relevância direta para agentes de compras. A pesquisa de compras exige a leitura de sites, e-mails, propostas e anexos de partes externas à organização compradora. São exatamente os ambientes em que instruções não confiáveis podem entrar em um fluxo de trabalho.

Uma empresa pode reduzir a exposição limitando permissões, separando pesquisa de execução, exigindo aprovação para ações consequentes e registrando quais evidências sustentaram cada recomendação. Esses controles também possibilitam revisões posteriores.

A qualidade dos dados continua sendo outra restrição. Uma comparação gerada a partir de especificações desatualizadas pode parecer precisa, mas levar à conclusão errada. Um agente precisa de datas confiáveis, identidades de produtos e regras para resolver fontes inconsistentes.

O viés pode surgir pela seleção de fontes. Fornecedores bem documentados podem receber mais atenção do que fornecedores adequados com material público mais fraco. Empresas grandes podem dominar as evidências recuperadas porque geram mais cobertura.

Os critérios de classificação do agente podem introduzir ainda mais distorção. Um pedido para minimizar custos pode ignorar o risco de migração. Um requisito de muitas integrações pode recompensar a amplitude enquanto ignora a qualidade de cada conexão.

A revisão humana não resolve automaticamente esses problemas. As pessoas podem aceitar resumos confiantes sem verificar as evidências subjacentes, especialmente quando o resultado confirma uma preferência existente.

Isso cria um paradoxo da automação. Quanto mais eficientemente um agente produz uma recomendação refinada, mais fácil se torna ignorar entradas incertas.

Por isso, as empresas devem distinguir entre participação da IA e autoridade da IA. A participação inclui pesquisa, extração, comparação e preparação de fluxos de trabalho. A autoridade inclui comprometer recursos financeiros, aceitar termos ou alterar sistemas de produção.

A primeira categoria claramente entrou nas compras B2B convencionais. A segunda exige mecanismos mais robustos de identidade, autorização, auditoria e responsabilização.

A conclusão da IDC continua importante sem afirmar que os departamentos de compras se tornaram autônomos. A mudança imediata é o controle informacional. Os agentes influenciam cada vez mais o que os compradores veem e quais perguntas fazem.

A próxima fase depende de as empresas conseguirem converter essa influência em ações confiáveis e governadas.

Três Sinais Mostrarão Se os Compradores de IA Ganham Autoridade Real

As contagens de adoção importam menos agora do que as evidências de autoridade delegada, resultados confiáveis e adaptação dos fornecedores.

O primeiro sinal é o surgimento de dados mensuráveis sobre transações. Empresas e provedores de tecnologia precisam divulgar quais tarefas os agentes concluem, com que frequência os humanos intervêm e quais valores de compra esses sistemas processam.

Um aumento na conclusão de transações autônomas fortaleceria a alegação de que os agentes de IA se tornaram compradores, e não assistentes de pesquisa. Taxas altas de substituição ou correção a enfraqueceriam.

Os dados de transações também devem separar renovações rotineiras de novas compras estratégicas. Renovar uma assinatura padronizada dentro de um limite de gastos apresenta menos incerteza do que selecionar infraestrutura para uma grande implantação.

O segundo sinal é o progresso na identidade e na autorização de agentes. As organizações precisam de formas de estabelecer qual agente está agindo, qual autoridade ele carrega, quais recursos pode acessar e como essa autoridade pode ser revogada.

O NIST identificou identidade e autorização como requisitos centrais para o uso corporativo de agentes. Padrões mais claros facilitariam que plataformas de compras, sistemas de fornecedores e controles financeiros reconhecessem agentes sem conceder acesso excessivo.

A implementação ampla de permissões restritas e aprovações auditáveis apoiaria compras mais autônomas. Incidentes de segurança recorrentes ou responsabilidade pouco clara manteriam os agentes em um papel consultivo.

O terceiro sinal é como os fornecedores redesenham seus canais digitais. Observe dados de produtos que se tornem mais fáceis de verificar, comparar e recuperar em documentação, portais de segurança, marketplaces e relatórios atuais.

Os fornecedores também precisarão monitorar se os sistemas de IA descrevem seus produtos com precisão. Uma discrepância entre a documentação oficial e a resposta de um agente pode influenciar uma lista curta antes mesmo de a empresa saber que um comprador existe.

O Google News continuará fazendo parte desse ambiente de evidências, especialmente quando eventos recentes afetam o risco de um fornecedor. Sua influência comercial se tornará mais difícil de medir se os agentes consumirem reportagens sem gerar referências convencionais.

Fornecedores bem-sucedidos não responderão inundando todos os canais com conteúdo repetitivo gerado por IA. O volume pode aumentar contradições, diluir a atribuição e tornar evidências relevantes mais difíceis de identificar.

Eles publicarão alegações precisas, mostrarão limitações, manterão a documentação atualizada e fornecerão validação independente quando apropriado. Os representantes de vendas então entrarão em momentos de alta confiança, com evidências que abordem a incerteza real do comprador.

Para compradores empresariais, a questão prática não é se devem usar um agente. Muitos já usam. A questão é quais tarefas merecem delegação e quais evidências devem permanecer visíveis para um tomador de decisão humano.

Comece registrando as fontes por trás de recomendações importantes. Exija aprovação antes que um agente envie compromissos, aceite termos ou acione pagamentos. Teste os resultados com base em requisitos reais, em vez de julgá-los pela fluência.

Em seguida, observe os três sinais: transações autônomas verificadas, identidade de agente aplicável e evidências de fornecedores legíveis por máquina. Juntos, eles mostrarão se o índice de 80% da IDC representa um hábito inicial de pesquisa ou a base de um novo sistema de compras.

Os agentes de IA já mudaram o caminho até uma lista curta empresarial. A próxima decisão cabe aos compradores: manterão esses sistemas como parceiros rápidos de pesquisa ou lhes concederão autoridade sobre a própria compra?