Uma empresa contrata um funcionário.
Antes de permitir que ele negocie com clientes, alguém define suas responsabilidades.
Ele pode acessar o CRM? Pode enviar uma proposta? Pode conceder desconto? Pode alterar uma condição comercial? Pode movimentar dinheiro?
Quanto maior a responsabilidade, mais clara costuma ser a alçada.
Agora troque o funcionário por um agente de inteligência artificial.
A discussão muda rapidamente.
62% de um lado. 17% do outro.
Um estudo da IDC e da Provokers encomendado pelo Google Cloud encontrou 62% das organizações brasileiras pesquisadas implementando ou acelerando a adoção de agentes de IA.
Mas somente 17% consolidaram essa adoção com os níveis de governança necessários para escalar agentes por múltiplos processos centrais.
O levantamento foi realizado em junho e julho de 2026 com 650 profissionais de empresas com pelo menos 500 funcionários no Brasil, dentro de uma amostra latino-americana de 3.200 participantes.
É importante não transformar o segundo número em algo que ele não representa.
Os 17% não significam simplesmente que apenas essa parcela das empresas possui alguma política de IA. O estágio descrito é mais avançado: organizações que consolidaram a adoção com governança suficiente para levar agentes a diferentes processos centrais.
Ainda assim, a distância é significativa.
A ambição de delegar tarefas à IA está avançando mais rapidamente que os mecanismos para controlá-la.
Esse movimento não aparece em apenas uma pesquisa.
A Deloitte encontrou outro sinal no Brasil: 95% das organizações brasileiras pesquisadas planejam adotar IA agêntica em até dois anos, enquanto 27% afirmam possuir atualmente modelos maduros de governança.
São estudos diferentes, com metodologias e amostras próprias. Os percentuais não devem ser combinados. A pesquisa da Deloitte ouviu 3.235 líderes de negócios e tecnologia em 24 países, incluindo 115 brasileiros.
Mas a direção observada é semelhante.
As empresas querem avançar.
A estrutura de controle ainda está sendo construída.
O agente muda a natureza do problema
Durante a primeira onda da IA generativa, boa parte da discussão empresarial girou em torno de respostas.
Um profissional perguntava.
A IA respondia.
O profissional decidia o que fazer.
Agentes alteram essa relação porque podem receber ferramentas, permissões e objetivos para executar partes de um processo.
A diferença parece pequena até colocarmos verbos nas duas situações.
Escreva este e-mail.
É uma instrução.
Envie este e-mail.
Já envolve uma ação.
Responda ao cliente, consulte o CRM e atualize a oportunidade.
Agora há acesso a sistemas.
Negocie com o cliente e conceda até 8% de desconto quando necessário.
Agora há autonomia comercial.
A tecnologia pode continuar sendo chamada de inteligência artificial em todos os casos.
Para a empresa, são níveis de risco completamente diferentes.
Quando a IA apenas recomenda uma ação, o risco está principalmente na resposta. Quando o agente pode executá-la, o risco chega ao processo.
Da resposta à autonomia
Uma maneira simples de visualizar a mudança é observar cinco níveis.
01. Responde
A IA fornece informação, análise ou orientação.
A pessoa continua responsável pela ação.
02. Produz
A IA prepara um documento, código, apresentação, proposta ou comunicação.
Uma pessoa pode revisar antes da utilização.
03. Executa
O agente recebe acesso a ferramentas e realiza tarefas.
Enviar mensagens, consultar sistemas ou atualizar registros passam a fazer parte do trabalho automatizado.
04. Decide dentro de limites
Além de executar, o agente escolhe entre ações possíveis de acordo com regras previamente estabelecidas.
Aqui entram alçadas.
05. Coordena
O agente conduz sequências de trabalho, utiliza diferentes sistemas, interage com outros agentes e encaminha exceções para pessoas.
A cada estágio, a empresa transfere mais do que trabalho.
Transfere autonomia.
O que exatamente pode ser delegado?
Imagine um agente comercial.
É relativamente fácil imaginar valor em permitir que ele pesquise um prospect, resuma o histórico do CRM e prepare uma proposta.
A fronteira começa a ficar mais sensível quando ele pode agir.
Pode enviar a proposta sem revisão?
Pode alterar o preço?
Pode conceder R$ 500 de desconto?
E R$ 5 mil?
Pode alterar o prazo de pagamento?
Pode prometer uma data de entrega?
Pode iniciar uma negociação?
Pode aceitar uma contraproposta?
A mesma discussão aparece em outras áreas.
Um agente financeiro pode consultar uma cobrança. Mas pode cancelá-la?
Um agente de atendimento pode preparar uma resposta. Mas pode conceder um benefício ao cliente?
Um agente de compras pode comparar fornecedores. Mas pode emitir um pedido?
Um agente de RH pode organizar currículos. Mas pode descartar candidatos?
É nesse ponto que governança de IA deixa de ser uma expressão abstrata.
Ela começa a parecer algo bastante conhecido pelos gestores:
alçada, acesso, responsabilidade e controle.
Governar agentes significa decidir antecipadamente o que antes um gestor decidia durante a execução.
Governança precisa chegar à ação
O avanço dos agentes exige uma arquitetura de permissões.
Quem acessa o quê.
Quem executa o quê.
Em quais circunstâncias.
Até qual limite.
E quando uma pessoa precisa assumir.
A Deloitte descreve justamente esse tipo de mecanismo entre as capacidades ainda ausentes em grande parte das organizações: limites claros para decisões autônomas, monitoramento do comportamento dos agentes e trilhas de auditoria capazes de registrar a sequência de ações.
O problema empresarial, portanto, não termina em escolher um modelo de IA.
Ele chega ao desenho do processo.
Existe outro lado dessa equação
Seria fácil concluir que a resposta é colocar uma aprovação humana antes de cada ação importante.
Só que isso cria outro problema.
Controle também tem custo.
Se uma empresa implanta um agente para automatizar um processo, mas cada etapa exige autorização de uma pessoa, parte do ganho econômico da automação desaparece.
Imagine um agente capaz de executar cem tarefas.
Se um funcionário precisar verificar cem tarefas, talvez a empresa tenha automatizado a execução sem automatizar o processo.
Esse é um dos pontos em que governança encontra a Economia da IA.
A discussão não envolve apenas risco.
Envolve produtividade.
Autonomia também precisa ter retorno
No artigo “Quanto a IA precisa economizar para se pagar?”, a NEODY discutiu uma pergunta fundamental da adoção empresarial: quando o ganho produzido pela IA começa a justificar seu custo?
Com agentes, surge uma segunda camada.
Não basta calcular quanto trabalho pode ser automatizado.
É preciso calcular quanto desse trabalho pode efetivamente ser delegado.
Um agente capaz de executar 80% de um processo, mas autorizado a executar apenas 20%, possui uma economia potencial diferente daquela sugerida pela capacidade técnica.
Por isso, empresas podem começar a observar algo além da precisão do modelo.
Autonomia útil.
Quanto do processo a tecnologia consegue executar?
Quanto a empresa permite que execute?
Quanto precisa ser supervisionado?
Quanto volta para uma pessoa?
Quanto custa essa supervisão?
Quanto erro é aceitável?
E qual é o resultado econômico depois de tudo isso?
Essa conta será diferente para cada processo.
Nem toda tarefa merece a mesma autonomia
Um erro em uma pesquisa interna não possui necessariamente o mesmo impacto de um erro em um contrato.
Gerar uma primeira versão de uma apresentação não equivale a movimentar dinheiro.
Atualizar um registro não equivale a excluir uma base.
Responder uma dúvida interna não equivale a comunicar uma condição comercial a um cliente.
A discussão madura sobre agentes precisa sair de uma pergunta binária:
“Podemos usar agentes?”
E avançar para outra:
“Em quais processos, com quais permissões e sob quais limites?”
Essa diferença permite que empresas adotem IA sem tratar toda utilização como se tivesse o mesmo risco.
Cinco perguntas antes de entregar uma tarefa a um agente
Para o gestor, um teste inicial pode ser simples:
- A que dados esse agente terá acesso?
- Que ações ele poderá executar sem aprovação?
- Qual é a alçada financeira ou operacional?
- Em que situação obrigatoriamente deverá chamar uma pessoa?
- Quem responde quando a execução estiver errada?
Não é uma política completa de governança.
É um começo.
E ajuda a transformar uma discussão tecnológica em uma discussão gerencial.
A diferença entre testar e operar
Experimentos toleram imperfeições que processos centrais não toleram.
Um protótipo pode funcionar nove vezes em dez e parecer extraordinário.
Em uma operação com milhares de interações, a décima vez também importa.
É por isso que a passagem de copilotos para agentes tende a exigir mais do que uma demonstração convincente.
O problema difícil não é fazer uma IA executar uma tarefa uma vez.
É permitir que ela execute continuamente, com segurança, previsibilidade, rastreabilidade e custo economicamente justificável.
Os 62% mostram a velocidade da adoção e da ambição.
Os 17% ajudam a revelar a distância até uma operação governada em múltiplos processos centrais.
E talvez seja justamente nesse intervalo que esteja uma das decisões empresariais mais importantes desta fase da inteligência artificial.
Empresas já começaram a discutir quais ferramentas de IA seus profissionais podem usar.
A próxima política será mais difícil.
O que uma inteligência artificial está autorizada a fazer em nome da sua empresa?
