Empresas limitam autonomia de agentes de IA para vencer

O que aconteceu

Durante os últimos dois anos, a premissa dominante em IA empresarial era simples: quanto mais autonomia, melhor. Agentes capazes de planejar, decidir e agir em fluxos de trabalho de múltiplas etapas deveriam receber o máximo de liberdade possível. Essa suposição agora está sendo testada em escala, em ambientes reais de produção, e em muitas implantações está falhando.

A Gartner, consultoria americana, previu em junho de 2025 que mais de 40% dos projetos de IA agêntica em andamento serão cancelados até o final de 2027. O motivo não é a limitação dos modelos, mas custos crescentes, valor de negócio pouco claro e controles de risco inadequados. A previsão foi publicada em comunicado oficial da Gartner em 25 de junho de 2025.

A McKinsey, em sua pesquisa anual de confiança em IA de 2026, chamada "State of AI Trust in 2026: Shifting to the Agentic Era", aponta que a implantação de IA agêntica acelera em todos os setores, mas a maturidade média em IA responsável é de apenas 2,3 em uma escala de 4. Somente cerca de 30% das organizações atingiram nível 3 ou superior em governança e controles específicos para IA agêntica.

Contexto

A corrida de 2024 a 2025 foi definida por quem conseguia implantar o agente mais autônomo mais rápido. Empresas como Salesforce, Microsoft e startups especializadas prometiam agentes que executavam tarefas complexas sem supervisão. O discurso dominante em conferências e relatórios era o de que a autonomia máxima era o objetivo final.

Esse cenário começou a mudar quando os primeiros projetos em produção revelaram problemas práticos. Agentes autônomos cometiam erros caros, tomavam decisões fora do escopo e geravam custos de computação imprevisíveis. A Gartner, ao analisar centenas de implantações, identificou que a falta de limites claros era uma das principais causas de fracasso.

A McKinsey, por sua vez, mediu a maturidade em governança de IA em mais de 1.200 empresas globais. O resultado de 2,3 indica que a maioria das organizações ainda não possui políticas robustas para monitorar, auditar e corrigir ações de agentes autônomos.

Por que importa

Para empresas que estão avaliando ou já usam IA agêntica, a mensagem é direta: autonomia sem controle é um passivo, não um ativo. Quem limita o escopo de atuação dos agentes, define regras claras de decisão e implementa mecanismos de supervisão reduz custos e riscos. Isso significa que o diferencial competitivo não está na sofisticação do modelo, mas na arquitetura de governança.

Na prática, uma empresa que dá a um agente a tarefa de responder e-mails de clientes, mas limita o valor máximo de reembolso que ele pode autorizar, evita prejuízos. Outra que permite que o agente negocie contratos sem aprovação humana pode enfrentar litígios. A diferença entre lucro e prejuízo está nos limites.

O mercado brasileiro, que adota IA agêntica em setores como finanças, varejo e saúde, precisa observar essa tendência. Bancos como Itaú e Bradesco já testam agentes para atendimento, mas a regulação local, como a LGPD, exige rastreabilidade e controle. Sem limites claros, o risco de violação de dados aumenta.

Impacto

No curto prazo, empresas que já implantaram agentes autônomos estão revisando suas arquiteturas. Relatórios internos mostram que a redução de autonomia, em média, corta custos operacionais em até 30% (dado de análise da Gartner, não publicado oficialmente). O impacto imediato é a reescrita de prompts e a introdução de etapas de aprovação humana em fluxos críticos.

No médio prazo, a corrida de 2026 a 2027 será uma corrida de confiança. Empresas que demonstrarem controle sobre seus agentes ganharão a preferência de clientes e reguladores. A Gartner prevê que, até 2028, os projetos que sobreviverem serão aqueles com métricas claras de valor e limites explícitos de atuação.

A McKinsey alerta que a maturidade média de 2.3 é insuficiente para escalar com segurança. Organizações que não elevarem seus controles para nível 3 ou superior até 2027 provavelmente abandonarão seus projetos, como indica a previsão da Gartner.

O que muda

A mudança central é na mentalidade. Em vez de perguntar "o que o agente pode fazer?", as empresas devem perguntar "o que o agente não pode fazer?". Isso inverte a lógica de design. Agentes passam a ser projetados com restrições explícitas, em vez de liberdade total.

Também muda o papel dos humanos. Em vez de supervisores passivos, eles se tornam gatekeepers ativos, aprovando ações de alto risco. Ferramentas de observabilidade, como logs de decisão e trilhas de auditoria, tornam-se obrigatórias.

A Gartner recomenda que cada agente tenha um "plano de ação limitado" e que qualquer desvio seja sinalizado para revisão humana. A McKinsey sugere a criação de comitês de ética em IA, com participação de jurídico, compliance e tecnologia.

O que vem agora

Nos próximos 12 meses, espera-se que os fornecedores de plataformas de IA agêntica, como Microsoft, Google e AWS, incorporem controles de governança mais robustos em seus produtos. A Microsoft já anunciou, em julho de 2026, recursos de "limites de escopo" no Azure AI Foundry, permitindo que administradores definam regras de atuação por agente.

A Gartner atualizará sua previsão em outubro de 2026, e a McKinsey lançará a edição de 2027 da pesquisa de confiança em IA. Empresas brasileiras devem acompanhar esses relatórios para calibrar suas estratégias.

A tendência é que, até 2028, os agentes de IA sejam vistos como ferramentas de precisão, não como substitutos autônomos de equipes. A autonomia será concedida em doses controladas, medida por resultados e limitada por regras claras. Quem entender isso primeiro, vence.