Quem é o dono do bot quando o autor vai embora?

Toda organização de engenharia tem um script que só uma pessoa entendia, rodando com o token dela, até o dia em que ela saiu. As automações com agentes estão prestes a multiplicar esse problema, porque são fáceis de criar e fazem mais do que os scripts faziam.

Os lançamentos do GitHub em 28 de outubro são interessantes menos pelo que os agentes conseguem fazer e mais por como respondem à pergunta sobre quem é o dono. Agora existem duas formas sérias de rodar automação baseada em raciocínio no GitHub, e elas fazem escolhas diferentes.

As duas opções

GitHub Agentic Workflows, agora em disponibilidade geral (GA). Você escreve a automação em um arquivo Markdown em linguagem natural, e ele é compilado em um workflow padrão do GitHub Actions. Os usos típicos são triagem de issues, análise de falhas de CI, atualização de documentação e escrita de testes. O agente roda com permissões somente leitura por padrão, em um container isolado em sandbox atrás de um firewall de workflow do agente; tudo o que ele quer mudar passa por uma etapa de validação de safe outputs e por um job dedicado de detecção de ameaças antes de ser aplicado. O GA adiciona runners self-hosted no Actions Runner Controller, isolamento em micro-VM, enclaves para evitar vazamentos em workflows entre repositórios e um comando de previsão de custo. O engine padrão é o Copilot CLI, que exige uma licença do Copilot; você pode usar outro agente de código.

Copilot Automations compartilhadas, em rollout. Elas combinam um prompt, gatilhos e ferramentas permitidas em um workflow que roda na nuvem do GitHub. Uma automação compartilhada pertence ao repositório, não a quem a criou. As ações dela aparecem como Copilot, os créditos de IA são cobrados do dono do repositório, qualquer pessoa com acesso de escrita pode editá-la e, se o criador sair, ela continua rodando com um histórico de como seu prompt, suas ferramentas e seus gatilhos mudaram. Em organizações, um admin precisa habilitar a política que cobra o agente de nuvem da organização.

O GitHub também adicionou autoaperfeiçoamento às Automations. Você pode criar um par: a automação principal e uma semanal que analisa os resultados (se as pessoas mudaram os labels que ela aplicou, aceitaram seus comentários de review, fizeram merge dos pull requests dela) e propõe mudanças no prompt, nas ferramentas ou nos gatilhos. Você aceita ou rejeita cada proposta.

Cinco perguntas que decidem

1. Onde ela precisa rodar? Se a automação mexe em código ou dados que precisam ficar na sua infraestrutura, o Agentic Workflows em runners self-hosted mantém tudo dentro das políticas de Actions que você já tem. As Automations compartilhadas rodam na nuvem do GitHub.
2. O que ela pode escrever? O Agentic Workflows começa em somente leitura e valida as saídas. Em uma automação compartilhada, a lista de ferramentas permitidas é o limite; revise essa lista como você revisa uma concessão de permissão, porque é exatamente isso que ela é.
3. Quem responde por ela? A propriedade no nível do repositório resolve o problema da saída da pessoa, mas “foi o Copilot” não é uma parte responsável. Nomeie um dono humano no repositório para cada automação compartilhada, como você faria com um serviço.
4. Quem paga? As duas cobram o uso de IA, em lugares diferentes. Rode gh aw forecast para os workflows; defina orçamentos na organização para as automations antes que os times as descubram.
5. Como ela muda? Uma automação que propõe as próprias melhorias precisa da mesma revisão de uma mudança de código, porque é uma. Os sinais de resultado são proxies: um bot de review pode aumentar sua taxa de aceitação comentando menos. Olhe para o que a proposta deixa de fazer, não só para a métrica que ela melhora.

Trate automations como serviços com donos

Já defendemos que a capacidade de verificação, e não a geração, define o ritmo da IA em produção, e as automações que escrevem mudanças são onde esse limite aparece primeiro. Os lançamentos do GitHub dão aos times as peças: definições compiladas sob controle de versão, padrões somente leitura, saídas validadas, propriedade no repositório e propostas revisáveis. O que eles não entregam é o inventário. Peça a cada dono de repositório uma lista das automações que atuam no repositório dele, a identidade com que cada uma atua, seu dono e o gasto mensal. A primeira lista vai ser maior do que qualquer um espera, e é justamente por isso que vale fazê-la.

A Accenture relata ganhos grandes com o Agentic Workflows em um time, incluindo a IA assinando 91% dos commits e os erros em produção caindo de cerca de 11.000 por dia para menos de 1.000. São números autorrelatados de um único time. Sua própria linha de base, medida antes de as automações chegarem, é a única comparação que vai se sustentar.