O discurso sobre agentes de IA virou de lado nos últimos meses. Saiu do “vai substituir o time” e entrou no “por que o piloto não vira produção”. A mudança não foi de humor: foi de evidência. E a evidência aponta para um lugar que quem automatiza processo reconhece de imediato — o problema quase nunca é o modelo ser burro.

O número que mudou a conversa

Em janeiro de 2026, a Mercor publicou o APEX-Agents, um benchmark que largou os quebra-cabeças sintéticos e foi medir trabalho de verdade: tarefas de banco de investimento, consultoria e direito corporativo, do tipo que consome horas de um profissional. O resultado: modelos de ponta completam menos de 25% dessas tarefas. Com oito tentativas na mesma tarefa, o número sobe para cerca de 40% — ou seja, nem a insistência fecha a conta.

A parte mais útil do relatório não é o placar, é o diagnóstico. Os agentes falham por administrar ambiguidade, localizar o arquivo certo e manter contexto ao longo do fluxo — não por falta de capacidade bruta. Traduzindo para a nossa realidade: eles não erram a conta, erram qual conta era para fazer, com qual planilha, e esquecem no meio do caminho o que já tinham decidido.

Do lado de quem paga a fatura, a leitura é parecida. A Gartner projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, e lista três motivos: custo que escala, valor de negócio que não aparece e controle de risco insuficiente. Em maio de 2026 ela foi mais específica sobre o terceiro: até 2027, 40% das empresas devem rebaixar ou desligar agentes autônomos por lacunas de governança descobertas só depois do incidente em produção.

Repare na frase. Não é “descobertas no piloto”. É depois do incidente.

Os quatro furos que aparecem sempre

Juntando o que o benchmark mede e o que os analistas veem quebrar, os modos de falha se repetem:

Ambiguidade. A tarefa que o humano recebe é subespecificada, e ele resolve isso perguntando ou usando contexto que ninguém escreveu. O agente resolve inventando — e segue em frente com a invenção como se fosse verdade.

Contexto que evapora. O fluxo tem seis etapas; na quarta, a decisão da segunda já se perdeu. Quanto mais longo o processo, maior a chance de o agente contradizer a si mesmo sem perceber.

Permissão larga demais. Para “funcionar”, o agente ganha acesso a tudo. Aí ele funciona — e no dia que erra, erra com alcance total. É a diferença entre um bug e um incidente.

Ausência de rastro. Quando dá errado, ninguém consegue responder por que aquilo aconteceu. Sem rastro não há correção; há adivinhação, e o mesmo erro volta.

O que eu faço nos meus fluxos

Aqui entra a parte que não é opinião: é o que está rodando neste blog enquanto você lê.

O erro tem lugar permitido. No Fluxonar, o rascunho pode nascer com apoio de um modelo de linguagem, mas nenhum post vai ao ar sem eu ler, editar e aprovar. O gate humano não é etapa de qualidade opcional — é a fronteira que define onde o erro ainda é barato. Antes do merge, um texto errado custa cinco minutos. Depois, custa credibilidade.

O contrato falha fechado. Cada post passa por um contrato de conteúdo em Zod que valida título, descrição, categoria e tags contra uma taxonomia fechada. Tag fora da lista derruba o build — e já derrubou, com um erro meu, humano. Essa é a propriedade que importa: o contrato não distingue quem errou, e é por isso que ele protege dos dois lados.

A automação faz o trabalho chato, não o julgamento. O robô que acompanha sites oficiais varre, compara versões e avisa o que mudou. Ele não decide o que fazer com a mudança. A decisão continua sendo de quem responde por ela.

Nada disso é sofisticado. É a mesma ideia repetida: deixar o agente propor e o humano dispor, com um contrato executável no meio para que a proposta ruim nem chegue à mesa.

Quando o agente autônomo compensa

Não é sempre não. A conta fecha quando as quatro condições aparecem juntas:

  • a tarefa é repetitiva e bem definida — pouca ambiguidade para inventar em cima;
  • o erro é reversível e barato (rascunho, alerta, sugestão — não transferência, não envio, não exclusão);
  • existe rastro do que foi feito, revisável depois;
  • a permissão é do tamanho da tarefa, não do tamanho do sistema.

Quando falta a segunda, o agente precisa de gate humano — e aí ele não é autônomo, é assistido. Está tudo bem: assistido resolve a maior parte dos casos reais de uma operação pequena, com uma fração do risco. O que não funciona é vender assistido como autônomo e descobrir a diferença durante o incidente.

Checklist antes de soltar um agente

Cinco perguntas. Se alguma não tiver resposta, o agente ainda não está pronto para agir sozinho:

  1. Qual o pior caso se ele errar três vezes seguidas sem ninguém olhar?
  2. O que ele consegue tocar — e por que precisa de tudo isso?
  3. Como eu descubro que ele errou: alguém avisa, ou eu descubro pelo cliente?
  4. Onde fica o registro do que ele decidiu, em formato que eu consiga ler depois?
  5. Qual regra derruba a execução antes do estrago — e ela é código ou é boa intenção?

A pergunta 5 é a que separa os dois grupos. Boa intenção escrita no prompt não é controle: é pedido. Controle é o que falha fechado sozinho, sem depender de o modelo estar num dia bom.

Fontes

  • Modelos de ponta completam menos de 25% de tarefas profissionais reais (banco de investimento, consultoria, direito), e até ~40% com oito tentativas — Mercor, APEX-Agents (publicação primária do benchmark, nível 1), 21/01/2026, verificado em 2026-07-22.
  • Mais de 40% dos projetos de IA agêntica cancelados até o fim de 2027, por custo, valor de negócio e controle de risco — Gartner (press release oficial, nível 1), 25/06/2025, verificado em 2026-07-22.
  • 40% das empresas devem rebaixar ou desligar agentes autônomos até 2027 por lacunas de governança identificadas só após incidentes em produção — Gartner (press release oficial, nível 1), 26/05/2026, verificado em 2026-07-22.