Por que as empresas adotam agentes de IA antes de resolver a governança? Porque os incentivos apontam em direções opostas. O ganho de produtividade aparece no próximo trimestre e cabe em um slide. O risco de um agente expor dado sensível ou executar ação errada é difuso, futuro e sem dono claro. A ordem resultante é conhecida: primeiro o uso, depois o controle.
Resposta rápida: a adoção corre na frente porque o benefício é imediato e visível, e o custo da governança parece futuro. O problema é que os incidentes de agente são baratos de prevenir no piloto e caros de remediar em produção.
ℹ️ Info: esta é uma análise assinada do Mercado de TI, que separa o que os anúncios das empresas mostram da interpretação dos riscos.
O que é um agente de IA
Um agente é mais do que um modelo de linguagem respondendo perguntas. Ele combina o modelo com ferramentas que executam ações reais, como consultar um sistema, escrever em um banco de dados ou enviar uma mensagem, e com um loop de decisão: recebe um objetivo, decide quais ferramentas usar, observa o resultado e segue até concluir.
Essa autonomia é o que gera valor e o que gera risco. Um chatbot sem acesso a sistemas erra a resposta e incomoda o usuário. Um agente com acesso erra a ação, e a ação acontece no sistema real, com efeito real.
# publicidade
Para entender como essa conexão entre agentes e sistemas se padronizou, veja o texto sobre o Model Context Protocol, que define a camada de acesso entre modelos e ferramentas.
Por que a adoção corre na frente da governança
O primeiro motivo é a assimetria de tempo. A área de negócio mede o ganho de produtividade em semanas, e a área de segurança planeja em trimestres. O segundo é a assimetria de incentivo: quem aprova o piloto captura o resultado positivo, enquanto o custo de um incidente se distribui por outros times, meses depois. O terceiro é a pressão competitiva: quando o concorrente anuncia agentes no atendimento, a pergunta interna deixa de ser "se" e passa a ser "quando".
Nenhum desses motivos é irracional. Eles explicam o comportamento e, ao mesmo tempo, criam o débito técnico que cobrarão depois.
Onde isso quebra
Os modos de falha são conhecidos e repetíveis. O agente com permissão ampla demais lê informação que a tarefa não exigia, e essa informação entra no contexto da conversa, onde pode vazar para quem tem acesso à sessão. O agente que executa ações sem trilha de auditoria deixa o incidente sem explicação reconstrutível. E a manipulação de instrução, em que um texto malicioso injetado no contexto desvia o comportamento do agente, transforma uma ferramenta útil em instrumento de acesso.
Nenhum desses cenários exige tecnologia exótica. Todos acontecem com o desenho mais comum: agente conectado a sistemas com permissão herdada do desenvolvedor que o configurou.
O que é governança de agentes na prática
Governança aqui não é documento, é conjunto de controles aplicáveis:
- Inventário. Lista de todos os agentes em operação, com dono, objetivo e ferramentas que cada um acessa. Sem inventário, não há governança.
- Permissão mínima. Cada agente acessa apenas o que sua função exige, por ferramenta e por operação. O agente de atendimento lê pedidos; não edita contratos.
- Trilha de auditoria. Toda ação executada pelo agente fica registrada, com contexto, para reconstruir qualquer incidente.
- Supervisão humana em decisões sensíveis. Cancelamento de contrato, aprovação de pagamento, alteração cadastral: o agente prepara, a pessoa confirma.
- Avaliação de saídas. Amostragem periódica do que os agentes responderam e executaram, para detectar desvios antes que virem incidente.
Como começar sem travar a inovação
A falsa dicotomia é escolher entre velocidade e controle. O caminho que funciona classifica o uso por risco: agentes de leitura, que só consultam, entram rápido com trilha básica; agentes de escrita em sistemas operacionais entram com permissão mínima e auditoria; agentes que tocam decisão financeira ou dado sensível entram com supervisão humana e revisão de caso.
⚠️ Atenção: o pior desenho é o agente com credencial administrativa herdada por conveniência. É o atalho que funciona no piloto e vira o incidente do próximo trimestre.
No piloto, a sandbox resolve: ambiente com dados sintéticos ou cópia restrita, onde o agente demonstra comportamento antes de receber acesso real. A transição para produção é progressiva, por ferramenta, e não um interruptor único.
O que observar daqui para frente
Três movimentos merecem acompanhamento. A observabilidade de agentes está virando categoria de ferramenta, com trilha e análise do que os agentes executam. A camada de integração padronizada, como o MCP, facilita aplicar controle centralizado em vez de governar integrações espalhadas. E a regulação avança no mundo e no Brasil, o que tende a transformar boa parte desses controles em exigência formal.
Para profissionais, o cruzamento entre agentes e governança abre espaço em segurança de IA, engenharia de plataforma e auditoria, com demanda já visível nas vagas e nas análises da editoria de inteligência artificial.
Perguntas frequentes
Por que empresas adotam agentes de IA sem governança?
Porque o ganho de produtividade é imediato e visível, e os custos da governança parecem futuros. A pressão competitiva reforça a ordem: primeiro o uso, depois o controle.
O que é um agente de IA?
É um sistema que combina modelo de linguagem com ferramentas reais e um loop de decisão, recebendo um objetivo e executando ações até concluí-lo.
Qual o principal risco de um agente sem governança?
Acesso amplo demais combinado com ausência de trilha: o agente lê ou executa o que não deveria, e o incidente fica sem reconstrução possível.
Como governar agentes sem travar a inovação?
Classificando por risco: leitura entra rápido, escrita com permissão mínima e auditoria, decisão sensível com supervisão humana. O piloto roda em sandbox.
Governança de agentes é exigência legal?
Em parte, já: tratamento de dados pessoais segue a LGPD, e o uso de IA é tema de regulação em curso. O movimento é de formalização progressiva dos controles.
