Autonomia governada: o vocabulário que sua empresa precisa aprender sobre IA

Em 26 de agosto de 2026, Salesforce e Anthropic anunciaram a Claudeforce: Claude passa a operar dentro do CRM da Salesforce, com dezenas de habilidades pré-construídas para times de vendas, lendo dados do cliente, sugerindo próximos passos, executando ações dentro do fluxo de trabalho. Não é mais um chatbot ao lado da tela. É um agente dentro do processo, com acesso ao dado real e permissão para agir sobre ele.

No mesmo mês, a McKinsey publicou um relatório com um termo que vale a pena gravar: autonomia governada (governed autonomy). A tese é simples de entender e incômoda de implementar: à medida que agentes de IA deixam de apenas responder e passam a agir, tomar decisão, disparar processo, o risco muda de natureza. Não é mais só "a IA respondeu errado". É "a IA fez a coisa errada", sozinha, dentro de um sistema de produção.

Em uma era de IA agêntica, as organizações não podem mais se preocupar apenas com sistemas de IA dizendo a coisa errada; elas também precisam lidar com sistemas fazendo a coisa errada, como tomar ações não previstas, usar mal uma ferramenta ou operar além dos limites apropriados. (McKinsey, State of AI Trust 2026)

O problema não é a IA errar. É ninguém saber até onde ela podia ir

A maioria das empresas brasileiras que já usa IA em algum processo operacional (atendimento, triagem, geração de relatório, resposta a cliente) resolveu a primeira pergunta óbvia: o modelo é bom o suficiente? A pergunta que quase ninguém resolveu ainda é a segunda, e é a que realmente importa quando o agente passa a agir dentro de um sistema real: o que esse agente pode decidir sozinho, o que precisa de aprovação humana, e quem é o responsável quando a decisão sai errada?

Sem resposta clara para essa pergunta, o que existe na prática não é governança, é sorte. E sorte, em auditoria, em LGPD, em relação com cliente, tem prazo de validade curto.

O framework que a McKinsey propõe, em três perguntas

Vale destrinchar o conceito de autonomia governada em algo aplicável, não em slide de consultoria:

• Nível de autonomia: esse agente sugere, ou executa? Se executa, executa sozinho ou com aprovação humana no passo final? Cada processo automatizado precisa ter essa resposta escrita, não implícita.
• Limite de decisão: qual é o raio de ação permitido? Um agente de atendimento pode dar desconto até quanto sem escalar? Um agente de RH pode filtrar candidato sozinho, ou só organizar triagem para revisão humana?
• Caminho de escalonamento: quando o agente encontra um caso fora do previsto, para onde ele manda? Se a resposta for "ele improvisa", o desenho está incompleto.

O ponto interessante do case Claudeforce é que ele torna esse framework concreto em vez de abstrato. Um agente dentro do CRM com dezenas de habilidades de vendas pré-construídas só é seguro de operar em produção se cada uma dessas habilidades tiver, documentado, o nível de autonomia, o limite de ação e o caminho de escalonamento. A Salesforce e a Anthropic estão vendendo isso como funcionalidade de plataforma. Para quem lidera operação, o recado é que esse desenho de fronteira deixou de ser luxo de empresa de tecnologia e virou pré-requisito de qualquer área, jurídico, financeiro, atendimento, saúde, que colocar um agente para agir dentro de sistema de produção.

Isso não é exclusividade de big tech americana

É tentador ler esse tipo de anúncio como "coisa de gigante de Silicon Valley, não se aplica aqui". É engano. A clínica de 60 funcionários que usa IA para triar prontuário, a operadora de saúde que usa agente para pré-analisar sinistro, o escritório de contabilidade que automatizou conciliação com IA: todos já têm, hoje, algum processo em que um sistema de IA decide algo sem revisão humana linha a linha. A pergunta não é se isso está acontecendo. É se alguém desenhou, por escrito, os limites dessa decisão, ou se ela simplesmente aconteceu porque o fornecedor entregou assim por padrão.

Gestão madura de IA em 2026 não é sobre escolher o modelo mais avançado. É sobre ter, para cada processo automatizado, a resposta clara às três perguntas acima, documentada, revisada periodicamente e testável em auditoria. É o mesmo raciocínio de controle interno que qualidade e compliance já aplicam há décadas para processo humano, só que agora aplicado a um agente que decide em milissegundos e nunca está "de folga".

Plataformas como o facilita.ia foram desenhadas com esse limite em mente desde o início: a IA organiza, sugere e acelera diagnóstico, mas o número final, a decisão crítica e a assinatura de responsabilidade continuam sendo humanas. Não porque a tecnologia não permitiria automatizar mais, mas porque autonomia sem fronteira desenhada não é eficiência, é risco represado esperando o próximo incidente para aparecer.

A onda de IA agêntica não vai desacelerar em 2026. A diferença entre as empresas que vão colher o ganho de produtividade e as que vão colher o próximo incidente de compliance está exatamente nessa lição de casa que a McKinsey batizou de bonito, mas que no fundo é gestão de risco básica: saber, por escrito, até onde cada agente pode ir sozinho.

Klaus Fuchs Founder da facilita.etc. 15+ anos liderando gestão estratégica em saúde, educação e organizações sociais. Conduziu acreditações em uma das maiores OSS do Brasil. Escreve sobre o que pratica.