Os quatro níveis que faltam na governança de agentes de IA

Existe um descompasso incômodo por trás da adoção de agentes de IA nas empresas: a tecnologia amadureceu mais rápido do que a capacidade das organizações de decidir quem manda quando o agente e o humano dividem a mesma tarefa. Segundo o relatório AI at Work 2026, da BCG, que ouviu 11.749 profissionais em 16 mercados, a integração de agentes de IA em fluxos de trabalho mais do que dobrou desde 2025, e 61% dos entrevistados acreditam que agentes poderão executar metade do próprio trabalho dentro de três anos.

O problema é que a estrutura de governança não acompanhou essa velocidade. Metade dos respondentes afirma que a própria empresa ainda não estabeleceu diretriz clara para gerenciar times mistos de humanos e agentes — e essa lacuna, segundo outra publicação da BCG voltada a CEOs, é hoje o maior obstáculo para transformar piloto de IA em escala real de negócio.

O dado que ninguém queria admitir: gerenciar IA está tomando mais tempo, não menos

Um dos achados mais desconfortáveis do levantamento é que a promessa central da automação — liberar tempo humano — está parcialmente falhando. Quase metade dos profissionais relata que seu papel migrou de executar tarefa para gerenciar e direcionar a IA que agora executa por eles. Entre quem usa IA regularmente, 41% relatam aumento de carga cognitiva desde que passaram a trabalhar com a tecnologia — e essa fricção aparece justamente onde a governança deveria estar mais madura: na fronteira entre decisão humana e execução automatizada.

Isso não invalida o ganho de produtividade — 42% dos profissionais de linha de frente que usam IA regularmente economizam um dia inteiro de trabalho por semana, e a proporção sobe para 60% entre líderes. O problema é o que acontece depois desse tempo liberado: 66% dos profissionais de linha de frente recebem pouca ou nenhuma orientação sobre o que fazer com ele, e mais da metade não o redireciona para trabalho estratégico. Tempo economizado sem direção clara simplesmente evapora dentro da organização.

Por que o gap de governança é estrutural, não um detalhe de implementação

O próprio levantamento da BCG oferece uma explicação para essa lacuna: as empresas avançaram na adoção técnica de agentes muito mais rápido do que na criação de regras sobre quem responde por decisão de IA. Segundo dado de uma publicação irmã da mesma consultoria voltada a CEOs, entre as organizações que já são grandes adotantes de agentes, 58% esperam uma mudança estrutural na própria governança nos próximos três anos, e um terço acredita que a IA terá mais autoridade de decisão nesse mesmo período — uma transição que a maioria ainda está tentando gerenciar de forma improvisada, sem modelo formal.

Esse é o ponto exato em que a BCG propõe uma resposta estruturada: um framework batizado de “autonomia graduada”, pensado como um caminho de confiança que o agente precisa conquistar — não uma decisão binária entre “deixar o agente agir sozinho” ou “manter humano no controle total”.

Os quatro níveis do framework de autonomia graduada

O modelo organiza a autonomia de um agente em quatro camadas progressivas, cada uma liberada apenas quando a anterior comprova desempenho consistente.

No Nível 1, Modo Sombra, o agente sugere e o humano age. Ele observa dados, propõe opções ou identifica informação faltante — funcionando como um “sussurrador digital” — mas quem executa a ação final continua sendo a pessoa. É o terreno de treinamento: valida a lógica do agente contra o contexto real do negócio sem expor a operação a risco.

No Nível 2, Autonomia Supervisionada, o agente prepara e propõe a ação, mas a execução fica pausada até um humano aprovar formalmente. Se a confiança do próprio agente cair abaixo de um limite definido — por exemplo, 90% —, ele automaticamente retorna ao Nível 1. Esse é o estágio recomendado para decisões de alto risco, como auditoria financeira ou fechamento de propostas comerciais complexas.

No Nível 3, Autonomia Guiada, o agente já executa de forma autônoma dentro de regras rígidas, e o humano deixa de aprovar cada ação para atuar como tratador de exceção — intervindo só quando o sistema sinaliza anomalia ou em verificações amostrais aleatórias. É o nível que destrava velocidade em tarefas rotineiras, como reposição de estoque, mantendo uma rede de segurança para casos fora do padrão.

No Nível 4, Autonomia Plena, o agente opera de forma independente, sem supervisão humana explícita, dentro de fluxos de trabalho definidos. Esse nível é reservado para ambientes maduros e de baixo risco, onde o custo de um eventual erro é desprezível diante do ganho de eficiência.

Por que pular etapas é o erro mais caro desse processo

O ponto que a BCG mais reforça é que nenhum agente deveria começar em qualquer nível além do Modo Sombra, e a promoção entre camadas exige evidência de desempenho, não convicção do time de tecnologia de que “já está pronto”. Autonomia, nesse modelo, é uma jornada de confiança quantificada por acurácia — e não uma configuração inicial de projeto.

Esse desenho responde diretamente ao dado mais preocupante do levantamento mais amplo: metade das empresas não tem diretriz clara para gerenciar time misto de humano e IA. Sem um modelo como o de níveis progressivos, a alternativa mais comum acaba sendo binária e mal calibrada — ou a empresa mantém aprovação humana em tudo, perdendo a velocidade que justificaria o investimento em agente, ou libera autonomia ampla cedo demais, expondo a operação a erro sem rede de proteção.

O que isso exige de quem lidera hoje

Para lideranças de tecnologia, operação e risco, o recado prático é que “ter agente de IA implantado” e “ter governança para esse agente” são dois projetos diferentes, com maturidade que raramente evolui na mesma velocidade. Antes de escalar qualquer iniciativa de agente para além de piloto, vale mapear explicitamente em qual dos quatro níveis cada fluxo de trabalho está — e quais métricas objetivas de desempenho vão autorizar, ou não, a promoção para o próximo estágio.

Isso também exige revisitar um ponto que o próprio levantamento da BCG destaca: tempo liberado pela IA sem direcionamento estratégico claro se perde dentro da organização. Um framework de autonomia graduada só entrega valor completo se vier acompanhado de uma resposta igualmente clara sobre o que os times humanos devem fazer com a capacidade liberada — não apenas sobre até onde o agente pode avançar sozinho.

Estruturar essa jornada de confiança, com critério e não com pressa, é exatamente o tipo de exercício que o AI Journey da StartSe ajuda lideranças a atravessar — da adoção experimental de agentes até a governança madura que sustenta escala real.

O maior obstáculo para escalar agente de IA nunca foi a tecnologia em si — a BCG é direta nesse ponto. É a confiança, e confiança não se decreta, se constrói em camadas, com prova de desempenho em cada uma delas. Empresas que pularem essa construção provavelmente vão descobrir o custo do atalho exatamente no momento em que um agente autônomo tomar a decisão errada sem ninguém por perto para corrigir a tempo.