Sua empresa contratou o agente. Assinou o contrato de licenca, configurou as integrações, anunciou a iniciativa internamente. O agente entrou em producao.
Ninguem orcou supervisioná-lo.
Essa é a frase que mais ouço quando converso com executivos sobre projetos de IA agêntica em andamento. A decisão de contratar foi tomada com criterio — houve análise de custo, avaliação de fornecedor, aprovação de budget. A decisão de supervisionar não foi tomada. Ficou pressuposta. "Alguém vai cuidar disso."
Isso não é descuido pontual. É o mesmo padrão estrutural que aparece toda vez que uma organização adota uma ferramenta nova sem definir quem é dono do critério que ela vai executar.
O novo Risco CPF não tem nome de pessoa
O Risco CPF — a dependência excessiva de uma organização em relação a uma pessoa-chave — tem uma versão nova em expansão nas empresas que adotam IA em larga escala. Nessa versão, a dependência não é de uma pessoa. É de um agente, de um fluxo automatizado, de uma decisão que passou a ser tomada por um sistema sem que ninguém tenha documentado o critério que esse sistema aplica.
O mecanismo é o mesmo. O risco é diferente em um aspecto importante: quando a pessoa-chave sai de férias, alguém percebe. Quando o agente começa a decidir diferente, pode demorar semanas para que qualquer indicador sinalize o problema — e mais semanas ainda para que alguém entenda por quê.
Segundo o Gartner, mais de 40% dos projetos de IA agêntica podem ser cancelados até o fim de 2027. Entre os motivos listados estão custo crescente, valor de negócio pouco claro e controle de risco inadequado. Nenhum dos três se resolve com um modelo mais inteligente. Todos os três se resolvem com uma decisão de governança que deveria ter sido tomada antes da ferramenta entrar em produção.
O custo que nenhum contrato de licença cobra adiantado
Contratos de licença de IA cobram pelo modelo, pela infraestrutura, pelo suporte técnico. Nenhum cobra pelo custo de supervisão humana contínua — e esse custo existe, é real, e tende a ser subestimado sistematicamente.
Revisão humana de decisões de alto impacto. Auditoria periódica do critério aplicado. Atualização dos parâmetros quando o contexto de negócio muda. Monitoramento de desvios de comportamento. Resposta a incidentes quando o agente errar.
Essas são atividades que alguém precisa executar — e que na maioria das organizações ficam "no espaço entre as áreas". Não são de TI, porque não são problemas técnicos. Não são do negócio, porque "isso é coisa de tecnologia". Não são de risco e compliance, porque o produto ainda está em fase piloto.
A conta aparece depois, escondida na rotina de quem devia estar fazendo outra coisa.
O problema do span de controle aplicado a agentes
A teoria clássica de gestão estabelece que um gestor consegue supervisionar diretamente entre 5 e 9 pessoas antes que a qualidade da supervisão se degrade. Essa faixa existe porque supervisão real — não apenas hierárquica, mas efetiva — exige tempo, atenção e capacidade de identificar desvios.
Ninguém fez a pergunta equivalente para agentes de IA.
Quantos agentes em produção uma pessoa consegue supervisionar de forma efetiva? Que frequência de revisão é necessária? Qual é o sinal de alerta que indica que um agente está aplicando critério diferente do esperado?
Essas perguntas quase nunca aparecem no momento da contratação. Aparecem depois, quando o problema já aconteceu — ou não aparecem nunca, porque o desvio é gradual demais para disparar qualquer alerta existente.
O que deveria ser orcado junto com qualquer agente de IA
Antes de qualquer agente entrar em produção, três definições precisam existir — não como intenção, mas como responsabilidade explícita de pessoas específicas:
Dono do critério: Quem define o que o agente está autorizado a decidir e o que exige intervenção humana? Essa pessoa precisa existir antes da ferramenta entrar em operação, não depois do primeiro incidente.
Responsável pela supervisão contínua: Quem monitora o desempenho do agente com frequência definida? Qual é o mecanismo de auditoria? Quem recebe o alerta quando algo desvia do esperado?
Dono do risco de consequência: Se o agente tomar uma decisão errada que gere prejuízo financeiro, operacional ou reputacional, quem responde? Essa pergunta precisa ter uma resposta antes do contrato ser assinado — não depois da multa chegar.
Hierarquia escala. Responsabilização humana, não. Um organograma que funciona com 50 pessoas não funciona automaticamente com 50 pessoas e 20 agentes de IA se ninguém redesenhou as alçadas de supervisão.
A pergunta que o conselho precisa fazer
Em qualquer reunião de conselho em que a adoção de IA agêntica esteja na pauta, existe uma pergunta que raramente é feita — e que deveria ser obrigatória:
"Quantos agentes de IA já estão em produção na nossa empresa — e quem, especificamente, tem tempo orcado para supervisionar cada um?"
Se essa pergunta não tem resposta rápida, a empresa não tem governança de IA. Tem adoção de IA. São coisas diferentes — e a distância entre as duas é onde o risco mora.
A Arquitetura da Previsibilidade™ parte do princípio de que toda decisão que ganha velocidade precisa ter um dono explícito de critério e um mecanismo de supervisão proporcional ao impacto. Isso valia para pessoas. Vale para agentes. O mecanismo é o mesmo. O nome do risco mudou.
#RiscoCPF #GovernancaCorporativa #ArquiteturaDaPrevisibilidade #InteligenciaArtificial