Autonomia de agente se conquista, não se configura. Uma escada para concedê-la uma ação de cada vez

Na maioria das plataformas de agentes, autonomia é uma configuração. Você escolhe se o agente pergunta antes de agir, marca uma caixa, e a decisão vale para todas as ações que ele vier a tomar. É fácil de configurar e difícil de defender, porque nada do histórico do agente entrou nessa escolha.

Nesta semana o Gartner disse isso com todas as letras. Num artigo de 2 de outubro, argumentou que a corrida por agentes autônomos anda mais rápido do que a prontidão das empresas, e repetiu a previsão de que 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 por custos crescentes, valor de negócio pouco claro ou controles de risco insuficientes. Segundo Erick Brethenoux, vice-presidente e analista do Gartner, o desafio não é criar agentes mais capazes, e sim agentes confiáveis o bastante para conquistar mais autonomia dentro de limites claros de responsabilidade e governança.

Concordamos, e queremos tornar isso operacional. A seguir, a visão da La Madre sobre como conceder autonomia, com uma ressalva: é um framework construído a partir do que vemos no mercado, não um padrão que alguém já adotou.

Três sinais apontando na mesma direção

Nossa posição vem de um padrão na cobertura recente:

• A operação de segurança chegou primeiro. No SOC agêntico, os agentes reúnem contexto e propõem; os analistas decidem e contêm.
• Agentes de operação já vêm com a ação desligada. O AWS DevOps Agent traz ações de leitura ligadas e ações que criam ou alteram recursos desligadas por padrão, com cada aprovação atribuída a um operador com nome.
• Os provedores de modelos agora pedem limites de decisão. O guia do GPT-6 da OpenAI recomenda dizer quais ações podem seguir sozinhas e quais exigem aprovação, no lugar de regras genéricas do tipo “sempre pergunte”.

E o contraexemplo: quando um agente continua agindo depois que a pessoa que o iniciou sai de cena, como no Copilot Autopilot, a pergunta sobre quem responde chega antes da evidência.

A escada

1. 1. Ler e resumir
2. 2. Recomendar
3. 3. Agir com aprovação a cada vez
4. 4. Agir dentro de limites, com amostragem
5. 5. Agir amplamente, monitorado

Nada muda no mundoPessoa aprova cada ação

1. Ler e resumir. O agente coleta e explica. Nada muda em nenhum sistema.
2. Recomendar. O agente propõe uma ação específica, com raciocínio e evidência. Uma pessoa executa.
3. Agir com aprovação. O agente executa, mas só depois que uma pessoa com nome aprova cada ação.
4. Agir dentro de limites. O agente executa sozinho classes de ação pré-aprovadas, dentro de limites (valor, escopo, volume, reversibilidade), com uma amostra revisada depois.
5. Agir amplamente. O agente decide e executa um conjunto maior de ações, monitorado de forma contínua. Poucos workflows corporativos deveriam estar aqui em 2026.

Quatro regras que fazem a escada funcionar

Conceda autonomia por classe de ação, não por agente. “Redefinir uma senha” e “encerrar a conta de um cliente” são riscos diferentes, mesmo quando o mesmo agente faz as duas coisas. A unidade de confiança é a classe de ação.

Promova com evidência. Subir uma classe de ação do degrau 3 para o 4 deveria exigir um registro: quantas aprovações, quantas rejeições, quantas correções, em quanto tempo. Se os aprovadores aceitam 99% das propostas sem editar ao longo de algumas centenas de casos, há evidência. Se aprovam sem ler, não há, e por isso a qualidade da aprovação precisa de observabilidade própria.

Rebaixe automaticamente. Três eventos devem devolver uma classe de ação um degrau abaixo: um incidente, uma mudança relevante no que a ação afeta e uma troca de modelo. A evidência foi conquistada por um modelo; o substituto ainda não a conquistou. É a ligação que vemos entre autonomia e o ciclo de vida dos modelos, tema do nosso texto sobre aposentadoria de modelos.

Escreva na ficha do agente. Propusemos que todo agente em produção tenha uma ficha com identidade, patrocinador, rota, orçamento e registro de ações. O degrau de autonomia de cada classe de ação pertence a essa ficha, com a data e a evidência que o sustentam.

O que define o teto

Nem toda classe de ação deve subir. Quatro perguntas definem o teto antes de qualquer evidência:

• É reversível? Estornar uma tarifa se desfaz; enviar uma obrigação acessória à Receita, não.
• Qual o raio de impacto? Um registro, um cliente ou todos os clientes?
• Conseguimos ver rápido? Autonomia sem monitoramento é só esperança.
• Quem responde por ela? Se nenhuma pessoa com nome aceitaria responder pela ação do agente, o teto é o degrau 3.

No Brasil, há um teto que já está na lei. O artigo 20 da LGPD dá ao titular o direito de pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, e de receber informações sobre os critérios usados. Um agente no degrau 4 ou 5 que nega crédito, bloqueia uma conta ou define um preço para uma pessoa precisa ter, desde o desenho, o caminho para essa revisão e a explicação dos critérios. Com o marco legal de IA ainda em discussão no Congresso, a LGPD é hoje a régua concreta.

O que fazer agora

1. Liste as classes de ação que cada agente em produção executa, não só os agentes.
2. Defina um degrau e um teto para cada uma, usando as quatro perguntas.
3. Comece a contar: aprovações, rejeições, edições e incidentes por classe de ação.
4. Defina antes os critérios de promoção, para que subir seja uma decisão com evidência, não um palpite.
5. Ligue o rebaixamento à troca de modelo, para que o substituto comece um degrau abaixo até provar o seu valor.

Para fechar

O alerta do Gartner é sobre ritmo: a autonomia está sendo configurada mais rápido do que a confiabilidade está sendo provada. A saída não é frear tudo. É fazer da autonomia algo que o agente conquista, uma classe de ação por vez, com evidência que convenceria um cético, e que perde quando os fatos mudam.