Em junho de 2025, a Gartner publicou uma previsão que mudou o tom da conversa sobre IA agêntica dentro das empresas: mais de 40% dos projetos serão cancelados até o fim de 2027. Não por falta de ambição — pelo motivo oposto. Segundo a consultoria, os cancelamentos vêm de custo que escala rápido, valor de negócio que ninguém consegue provar e controles de risco que não foram desenhados para um sistema que age sozinho.
A analista sênior Anushree Verma, da Gartner, resumiu o diagnóstico numa frase, citada pela CIO: a maioria dos projetos de IA agêntica hoje é experimento em estágio inicial, movido mais por expectativa do que por resultado comprovado. E o próprio mercado ajudou a inflar essa expectativa. A Gartner deu nome à prática de vender automação antiga com rótulo novo — e estima que, dos milhares de fornecedores que dizem vender agentes de IA, apenas cerca de 130 entregam isso de fato.
Para quem decide onde investir dentro da empresa, a pergunta que importa não é "o agente consegue fazer isso sozinho?". É outra, mais desconfortável: quanto custa se ele fizer errado — e quem percebe a tempo?
Por que o projeto trava antes de escalar
A Gartner aponta três causas para o cancelamento, e nenhuma delas é falta de inteligência do modelo. A primeira é o valor de negócio: os sistemas atuais ainda não têm maturidade para perseguir um objetivo complexo sozinhos por muito tempo, então o retorno prometido no início do projeto não aparece na prática.
A segunda é custo. Cobrança por uso de IA cresce rápido quando a empresa empilha camadas de coordenação e de controle em cima do agente — um comportamento que surpreende quem planejou o orçamento com base em uma ferramenta de conversa simples, bem mais barata de operar.
A terceira, e a mais estrutural, é o controle de risco. Verma explica que a governança que a maioria das empresas já tem — planilha de aprovação, política de acesso, revisão de auditoria — foi desenhada para um sistema que espera um humano clicar em cada etapa. Um agente que age sozinho, especialmente quando vários agentes interagem entre si, não se encaixa nesse desenho sem adaptação.
A governança e os controles de risco não foram desenhados, hoje, precisamente para sistemas agênticos.
O retrato muda pouco quando se olha para o dia a dia operacional em vez do orçamento do projeto. Um levantamento da Gravitee com mais de 900 executivos e profissionais técnicos, publicado em fevereiro de 2026, encontrou que 88% das organizações já relataram um incidente de segurança confirmado ou suspeito ligado a agentes de IA no último ano — no setor de saúde, o índice passa de 92%. O padrão se repete: a falha raramente está no modelo. Está em quem definiu — ou não definiu — o que o agente podia fazer sozinho.
Para uma empresa brasileira ou latino-americana entrando agora nesse ciclo, o alerta chega em bom momento: dá para pular a fase de "deixar o agente decidir tudo e torcer" direto para a fase seguinte, porque outras empresas já pagaram esse aprendizado.
Autonomia total ou controle manual não resolvem
Diante desses números, a reação mais comum é um de dois extremos, e os dois falham pela mesma razão: tratam toda ação do agente como se tivesse o mesmo peso.
No primeiro extremo, a empresa libera o agente para agir sozinho em tudo, para "aproveitar o ganho de produtividade prometido". O problema aparece rápido: uma decisão errada não é mais lenta nem menor por ter sido tomada por um agente — ela só é tomada mais rápido, e em mais lugares ao mesmo tempo, do que uma pessoa conseguiria. É exatamente o cenário que produz os incidentes medidos pela Gravitee.
No segundo extremo, depois de um susto ou de uma auditoria de segurança, a empresa reage travando tudo: qualquer ação do agente passa a exigir revisão humana, em qualquer sistema, para qualquer tarefa. O resultado prático é que a IA vira um formulário mais lento — a fila de aprovação cresce, ninguém confia que a pendência vai ser vista a tempo, e a equipe volta a fazer manualmente o que a automação deveria ter resolvido.
Nenhuma das duas rotas é sustentável, e a Gartner descreve exatamente essa dinâmica quando fala em custo escalando e projeto sendo cancelado: um projeto sem meio-termo dura até o primeiro incidente grande, ou até o primeiro trimestre em que ninguém consegue provar o retorno. O que falta nos dois casos é o mesmo — uma forma de separar, dentro do próprio fluxo, o que é rotina do que é sensível.
O que precisa existir na prática
Um agente com escopo bem desenhado se apoia em quatro mecanismos verificáveis, não em uma promessa de "IA confiável".
Classificação de risco por tipo de ação, não por projeto inteiro. Enviar um relatório de rotina, atualizar um cadastro, responder uma pergunta com base em documento aprovado: isso segue sozinho. Aprovar um pagamento, alterar uma política, enviar algo para fora da empresa: isso pausa. A classificação vive na ação, não numa lista genérica de "tarefas permitidas para o agente X".
Aprovação dentro da própria conversa, não em outro sistema. Quando uma ação é classificada como sensível, o agente para e pede confirmação de uma pessoa ali mesmo, no fluxo em que a tarefa está acontecendo — sem obrigar ninguém a abrir uma segunda ferramenta para aprovar o que a primeira já sabia que precisava de aprovação.
Uma central única de pendências. Quem aprova precisa ver, num só lugar, tudo que está esperando decisão — de qualquer agente, de qualquer área. É essa central que evita a fila invisível que travou o segundo extremo descrito acima.
Trilha de auditoria por ação. Quem pediu, o que o agente fez, quem aprovou e quando: registrado. Numa investigação de incidente ou numa auditoria de compliance, é a diferença entre reconstruir o que aconteceu em minutos e não conseguir reconstruir.
É assim que a Skyller foi desenhada: aprovação humana antes de uma ação sensível acontece dentro da própria conversa, e cada decisão fica registrada numa trilha de auditoria única, por área do sistema.
O ganho aparece quando o limite é claro
O efeito de classificar o risco por ação não aparece só na coluna de segurança do relatório interno — aparece na velocidade com que a equipe volta a confiar na automação depois de um erro.
Quando o limite entre "o agente resolve sozinho" e "o agente pede confirmação" é explícito, a equipe para de tratar cada tarefa nova como uma aposta. A pessoa que aprova sabe exatamente o que está sendo pedido e por quê, porque a pendência chegou classificada, não como um alerta genérico. E a liderança consegue responder, com dado e não com opinião, à pergunta que decide se o projeto sobrevive ao próximo corte de orçamento: quanto desse trabalho está rodando sozinho, com segurança, hoje?
É essa resposta — não a promessa de autonomia total — que separa o projeto que chega ao ano três do projeto que vira estatística de cancelamento da Gartner.
Perguntas para antes de aprovar o próximo agente
Antes de dar luz verde a um novo agente ou a uma nova automação, vale levar estas perguntas para a reunião com a área de TI, o jurídico e quem vai usar a ferramenta no dia a dia:
- Que tipos de ação este agente vai realizar, e qual delas, se sair errada, exige explicação a um cliente, a um auditor ou a um órgão regulador? Essa lista separa rotina de sensível antes mesmo do primeiro uso.
- Onde a pessoa que precisa aprovar vai ver a pendência — dentro do fluxo de trabalho dela, ou em mais uma tela que ela vai esquecer de abrir? Aprovação fora do fluxo é aprovação que atrasa ou nunca acontece.
- Se este agente errar hoje, alguém vai saber em minutos ou vai descobrir semanas depois, numa auditoria? A resposta mede a trilha de auditoria, não a inteligência do agente.
- Quem, além de quem construiu o agente, consegue explicar por que ele tem permissão para fazer o que faz? Se a resposta for "só quem configurou sabe", o escopo não está documentado — está na cabeça de uma pessoa.
