A Uber dá um agente generalista a 30 mil pessoas. A Microsoft prefere agentes estreitos. As duas acertam

Duas histórias publicadas em 22 de outubro parecem dar conselhos opostos.

A Uber anunciou o rollout para toda a empresa do ChatGPT Work, o agente da OpenAI para trabalho intelectual de várias etapas dentro do ChatGPT Enterprise, para mais de 30 mil funcionários, depois de um piloto com cerca de mil. O agente se conecta ao Google Drive, ao Gmail, ao Google Calendar e ao Slack, prepara resumos, monta apresentações, analisa dados e conclui fluxos entre esses aplicativos. O GPT-6.1 Sol é o modelo padrão. A Uber apoia o rollout com uma biblioteca interna de skills de IA, integrações aprovadas e treinamento dos funcionários.

No mesmo dia, o time de TI interno da Microsoft publicou como governa a IA na empresa. Os revisores de IA responsável já concluíram mais de 2 mil revisões de ferramentas internas, com milhares na fila. E a lição mais citada aponta para o outro lado: “às vezes, escalar a IA significa limitar de propósito o que um sistema de IA pode fazer”. O vice-presidente responsável por mais de cem agentes em produção na supply chain de nuvem da Microsoft resumiu: um agente de planejamento “não deveria conseguir responder uma pergunta sobre o tempo”.

Uma empresa entrega um agente generalista a todo mundo. A outra estreita cada agente a uma única tarefa. Elas estão descrevendo duas camadas diferentes.

Duas camadas de IA enterprise

Quão amplo é o escopo de um sistema de IA, e o que o governa

Uma tarefa, um processoQualquer tarefa, qualquer app que o usuário alcança

1. Agentes de supply chain da MicrosoftLimitados a um propósito de negócio, com red team para comportamento fora do escopo
2. Agente de discovery jurídico da MicrosoftConjunto curado de documentos, raciocínio reproduzível
3. Biblioteca de skills da UberProcedimentos compartilhados e aprovados num agente generalista
4. ChatGPT Work para 30 mil funcionáriosAgente generalista, com as permissões do usuário e conectores aprovados

A camada do assistente generalista trabalha para uma pessoa, com o acesso dela, no que ela estiver fazendo. O escopo é amplo por definição. Ela é governada como as ferramentas de funcionário: identidade, conectores aprovados, controles contra vazamento de dados, treinamento e uma regra clara de que a pessoa continua responsável pelo resultado. As escolhas da Uber, uma biblioteca central de skills, uma lista de integrações aprovadas e treinamento, são exatamente esses controles.

A camada do agente de negócio faz uma tarefa definida dentro de um processo: planeja a supply chain, revisa documentos para um litígio, atende clientes. O escopo deve ser estreito, porque as saídas alimentam decisões das quais outras pessoas dependem. O time jurídico da Microsoft exigiu que toda conclusão da IA viesse com “uma explicação reproduzível e apoiada em evidências” e restringiu o agente a um conjunto curado de documentos. É assim que se governa um sistema em produção.

O erro é governar uma camada com as regras da outra. Revisar cada prompt de funcionário como se fosse um sistema em produção é impossível com 30 mil pessoas. Deixar um agente generalista virar, sem alarde, o sistema que roda um processo de negócio pula a revisão de que esse processo precisa.

O que a Uber ainda não disse

O anúncio da Uber é sobre acesso. Não traz adoção, tarefas concluídas nem resultados de negócio, e as empresas dizem que vão compartilhar isso depois. É normal num lançamento, e significa que a parte difícil acabou de começar. Acesso é contagem de licenças; o valor depende de quantas pessoas usam o agente em trabalho de verdade e se esse trabalho fica melhor. Vimos isso nos dados europeus, em que a intensidade de uso de agentes variou quase quatro vezes entre países com o mesmo acesso.

A biblioteca de skills é a peça a observar. É ali que um agente generalista começa a adquirir procedimentos de negócio, e onde começa a escorregar para a segunda camada. Uma skill que prepara o resumo de uma reunião é uma ferramenta de produtividade pessoal. Uma skill que prepara o pagamento de um fornecedor é um processo de negócio, e deve ser revisada como tal, de preferência como um documento controlado, com dono.

O que as 2 mil revisões da Microsoft ensinam

Duas mil revisões, com milhares esperando, é o número real da história da Microsoft. Ele mostra que a capacidade de revisão, e não a política, vira a restrição. As respostas da Microsoft são reutilizáveis: avaliações padronizadas, padrões aprendidos em revisões anteriores para decidir quais casos pedem atenção mais profunda, e requisitos embutidos desde o desenho, para que os times cheguem à revisão com escopo, limites de dados e pontos de controle humano já definidos. Ecoa a abordagem por nível de risco que a TI da Microsoft descreveu no início do mês.

Uma contagem de revisões não prova segurança, e o relato da Microsoft é um estudo de caso interno, não uma auditoria. Mas o modelo operacional viaja: se o seu time de governança revisa cada caso de uso de IA do zero, a fila vai decidir a velocidade da sua adoção.

Uma regra prática

Governe o assistente generalista como uma ferramenta poderosa de funcionário, em escala e por padrão. Governe os agentes de negócio como sistemas em produção, um a um, com escopo estreito como padrão. E vigie a fronteira entre os dois: quando uma skill pessoal começa a rodar um processo compartilhado, ela mudou de camada, e a revisão dela deve mudar junto.