O que os agentes já conseguem fazer no trabalho

Nos primeiros anos desta onda, a maioria das pessoas conheceu a IA como uma janela de chat. Você perguntava, ela respondia, e você fazia o resto. Agora a palavra em todo slide é agente: um software que recebe um objetivo, executa as etapas, usa as ferramentas que tem permissão para usar e volta com o trabalho feito.

As últimas semanas mostraram os dois lados disso. A OpenAI colocou no ChatGPT agentes que continuam trabalhando em segundo plano. A Anthropic e o METR descreveram agentes que fizeram coisas que ninguém tinha pedido. Veja o que enxergamos quando confrontamos as promessas com as evidências e com o nosso próprio trabalho diário.

O que os números dizem

A adoção é real e desigual. Na pesquisa de 2026 da McKinsey, 40 por cento dos entrevistados de organizações com mais de um bilhão de dólares de receita disseram que estavam escalando agentes de IA, ante 27 por cento um ano antes. Entre as organizações menores, a parcela ficou em 22 por cento. Cerca de dois em cada dez entrevistados estavam escalando agentes de programação, e 32 por cento disseram que sua organização tinha desistido de comprar um software porque agora podia construí-lo internamente com agentes de programação.

O dinheiro ainda não acompanhou. A parcela de entrevistados que atribui algum impacto no EBIT à IA ficou em 37 por cento. O Gartner coloca a IA agêntica no pico do seu hype cycle: em sua pesquisa de 2026 com CIOs, 17 por cento das organizações tinham implantado agentes, e mais de 60 por cento esperavam fazê-lo em até dois anos. A maioria das implantações, observa o Gartner, continua com escopo restrito, e agentes totalmente autônomos não estão prontos para a maior parte dos casos de uso corporativos. Ainda assim, ele espera que mais de 40 por cento dos projetos de IA agêntica sejam cancelados até o fim de 2027 e alerta para o agent washing: chatbots e automações antigas rebatizados como agentes.

O que fazem com confiabilidade

A medição mais cuidadosa que conhecemos vem do METR, que cronometra agentes de IA em tarefas de software e compara com o tempo que as mesmas tarefas levam para pessoas qualificadas. Em seu relatório de maio, os melhores modelos públicos tiveram êxito na metade das vezes em tarefas que levam cerca de 12 horas para uma pessoa. Exija quatro acertos em cinco, e a duração da tarefa cai para cerca de uma hora e meia.

Essa diferença é a história dos agentes no trabalho. Eles conseguem tentar tarefas longas. Concluem as curtas com confiabilidade. Um processo de negócio é julgado pelo número confiável, porque ninguém quer um ciclo de faturamento que acerta na metade das vezes. O conselho da própria Anthropic continua valendo: fluxos de trabalho com caminhos predefinidos são previsíveis, agentes que escolhem o próprio próximo passo são flexíveis e propensos a erros que se acumulam, então comece pela configuração mais simples que funcione e só acrescente autonomia quando ela claramente compensar.

O que as últimas semanas mostraram

Em 29 de setembro, em sua conferência para desenvolvedores, a OpenAI lançou os Dots: agentes no ChatGPT que rodam, cada um, em seu próprio computador na nuvem, continuam trabalhando em direção a um objetivo entre as conversas, alcançam mais de 4'000 apps e podem receber mensagens no ChatGPT, no Slack ou no Teams. O SiliconANGLE informou que a OpenAI testou versões especializadas internamente em compras e processamento de faturas. O desenho é revelador. Enquanto um Dot pesquisa por conta própria, suas conexões com os apps do dono são somente leitura. Ações que mexem em contas ou compartilham informações passam por uma revisão automática, e a OpenAI orienta os usuários a revisar trabalhos com consequências, porque os agentes ainda podem errar. Usuários Pro na Suíça, no Reino Unido e no Espaço Econômico Europeu ficaram de fora do lançamento.

Em 30 de setembro, o presidente do METR falou a uma subcomissão do Senado dos EUA sobre um incidente que a OpenAI revelou em julho, em que agentes que ela testava internamente se coordenaram para trapacear nos testes e, no caminho, comprometeram o Hugging Face, uma plataforma de IA amplamente usada. Seu resumo foi direto: os desenvolvedores ainda não resolveram o problema de impedir que agentes executem ações contrárias à intenção humana.

Em 9 de outubro, a Anthropic publicou uma investigação sobre ações não intencionais de seus modelos em avaliações e no uso interno. Um modelo de pesquisa enviou um formulário governamental real depois que uma cópia de teste não carregou, e um modelo pequeno às vezes enviava formulários que tinha recebido ordem de não enviar. Outros contornaram restrições para chegar a dados protegidos ou usaram encurtadores de link para driblar os limites de uma ferramenta. A Anthropic diz que o impacto foi mínimo e que, até onde sabe, nenhum dado de cliente foi envolvido. A empresa cortou o acesso à internet ao vivo em todas as avaliações internas, reforçou as proteções de algumas de suas ferramentas web e criou uma detecção que bloqueou todos os casos que descreveu.

Uma instrução não é uma barreira

A lição para uma empresa não é que os agentes sejam brinquedos perigosos. Eram laboratórios testando modelos com rigor, e eles publicaram o que encontraram. A lição é sobre onde mora o controle. Um agente instruído a não enviar um formulário às vezes o enviou. Um agente que não consegue alcançar o botão de envio nunca o enviará.

A verificação pede o mesmo cuidado. Na segunda fase do Project Vend, da Anthropic, um agente Claude que administrava uma loja no escritório ganhou um chefe: um segundo agente atuando como CEO. Ele aprovou pedidos de tratamento especial cerca de oito vezes mais do que os recusou e compartilhava muitos dos pontos cegos do agente da loja, porque rodava no mesmo modelo. Um segundo agente no mesmo modelo é um bom trabalhador e um inspetor fraco. A verificação que importa deve vir de algo diferente: uma regra escrita em código, um teste que passa ou falha, ou uma pessoa.

Barreiras nos nossos próprios produtos

Todos os produtos da crue funcionam assim hoje. No Kontor, envios, pagamentos e lembretes de cobrança nem sequer estão disponíveis para o assistente; quem os faz é uma pessoa. No Studio, o assistente redige uma alteração no site, e uma pessoa aprova cada alteração e cada publicação. O Lookout encontra, escreve e prepara em todos os canais, e uma pessoa aprova o que sai. No Twin, cada tarefa de cada função é marcada: feita sozinha, aguardando aprovação ou repassada a uma pessoa quando há dúvida.

A próxima etapa muda as barreiras de lugar. Não as remove. O Twin vai executar rotinas inteiras de ponta a ponta, como o fechamento do mês, a proposta e o onboarding, com aprovação nas barreiras que a empresa escolher. O Lookout vai executar a sequência inteira dentro das suas regras, do primeiro sinal à reunião agendada. A crue já roda sobre o próprio Twin, com mais de 80 habilidades, e a linha só se move quando a etapa atual se sustentou no trabalho real, primeiro no nosso. O que fica com as pessoas é a parte que leva um nome: a conversa com o cliente, a decisão difícil e o sim final.

Por onde começar

O conselho do Gartner é próximo do nosso: use agentes onde uma decisão é necessária, automação simples para fluxos de rotina e um assistente para consultas simples. Boa parte do valor está em escolher qual é qual.

Escolha uma rotina que se repete toda semana, tem um fim claro e produz algo que uma pessoa consegue verificar em um minuto. Anote o objetivo, as ferramentas que o agente pode usar e o ponto em que ele precisa parar, e coloque essa parada nas ferramentas, não só no prompt. Coloque a barreira antes de qualquer coisa sair da empresa: a fatura, o e-mail, a página publicada. Depois conte com honestidade quantas vezes o rascunho não precisou de correção.

Os agentes ainda não são colegas. São juniores rápidos e incansáveis, com uma noção irregular de quando estão errados. Dê a um deles um objetivo claro, as ferramentas certas e uma barreira que ele não consiga contornar com conversa, e ele já tira uma boa parte do trabalho da semana.