Para escalar agentes de IA, cada um precisa de um dono, diz COO que roda 16 deles em produção

Rick Folgmann, COO da insurtech americana Get Covered, publicou em outubro de 2026 um artigo de opinião na Crunchbase News com um argumento direto para quem está levando agentes de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → para produção: a parte difícil não é construir o agente, é decidir quem responde por ele. A empresa roda hoje 16 agentes de IA cobrindo mais de 3 milhões de unidades residenciais alugadas nos Estados Unidos, segundo o artigo (fonte).

Folgmann parte de um exemplo concreto do setor imobiliário americano: um locador tem 21 dias para devolver o depósito de um inquilino ou enviar uma lista detalhada de descontos, sob pena de multa em dobro em caso de má-fé. A lei não distingue se quem gerou a carta foi uma pessoa ou um software. Alguém responde do mesmo jeito.

O problema que aparece depois do protótipo

O artigo cita dois números que ajudam a dimensionar o momento. A pesquisa State of AI 2026 da Deloitte encontrou que 23% das empresas já usam IA agêntica pelo menos moderadamente, e 74% esperam usar dentro de dois anos. Já o Gartner projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027.

São números que, juntos, descrevem uma curva de adoção rápida com uma taxa de fracasso igualmente alta. Para Folgmann, a diferença entre os dois grupos não é técnica: é de gestão. Equipes que tratam cada agente como um funcionário em função regulada, com regras escritas, escopo definido, um responsável e revisão periódica, têm o que precisam para ampliar a autonomia aos poucos.

Para quem trabalha com engenharia e produto no Brasil, o paralelo vale mesmo fora do setor imobiliário. Qualquer time que automatizou um fluxo de atendimento, cobrança ou triagem com um agente de IA reconhece o padrão: o protótipo funciona na demo, mas ninguém documentou quem decide ajustar o prompt, revisar o log de erro ou responder quando o agente erra com um cliente.

Comece pelo trabalho que já tem regras

A recomendação prática do artigo é escolher primeiro tarefas em que a regra já existe fora da cabeça de alguém: uma lei, uma cláusula contratual, uma exigência de seguro num contrato de fornecedor. Na Get Covered, o exemplo é a cobrança de certificados de seguro de fornecedores, tarefa que consome cerca de três horas por imóvel por semana nas equipes do setor, segundo o artigo.

Esse tipo de tarefa dá duas vantagens à equipe que está automatizando. A primeira é que o agente tem algo objetivo para checar a própria saída. A segunda é que o time consegue auditar o resultado sem precisar debater julgamento de valor.

Folgmann também cita a pesquisa mais recente de State of AI da McKinsey, que encontrou que o pequeno grupo de empresas com retorno financeiro relevante de IA, cerca de 6% dos respondentes, tinha quase três vezes mais chance de ter redesenhado fundamentalmente seus fluxos de trabalho.

Na minha experiência, esse redesenho começa por escrever a regra. Se um funcionário novo não conseguisse seguir sua descrição de uma decisão no primeiro dia, um agente também não vai conseguir.

In my experience, that redesign starts with writing the rule down. If a new hire couldn't follow your description of a decision on the person's first day, an agent won't follow it either.Rick Folgmann, COO da Get Covered

Autonomia não é uma propriedade fixa do agente

Um ponto que interessa diretamente a quem arquitetura esses sistemas: o artigo rejeita tratar "autonomia" como um atributo único do agente. Na Get Covered, cada agente é configurado com níveis diferentes de liberdade dependendo do fluxo. Um lembrete automático a um fornecedor com certificado vencendo no mês seguinte sai sem revisão humana; uma resposta a um morador que pediu um animal de apoio emocional, nunca.

O exercício que Folgmann propõe para qualquer equipe de liderança é listar todos os fluxos que um agente vai tocar e fazer uma pergunta sobre cada um: se essa ação sair errada, quanto tempo até perceber, e quanto vai ter custado até lá? Detecção rápida e custo baixo justificam dar mais espaço ao agente; o inverso pede revisão humana no loop.

Em termos de engenharia, isso se traduz em desenhar o fluxo com pontos de checkpoint explícitos, não em ligar ou desligar um agente inteiro. É a mesma lógica de feature flag aplicada a decisão: granularidade por ação, não por sistema.

Um responsável com nome, não "o modelo decidiu"

A parte mais direta do artigo é sobre responsabilidade individual. Folgmann relata que, cedo na carreira, aprendeu que toda decisão de crédito automatizada acabava precisando ser explicada a um cliente, a um regulador, ou aos dois. "O modelo fez isso" nunca foi resposta aceitável.

Isso continua valendo, exceto que agora os agentes agem com mais frequência e em mais sistemas do que qualquer modelo de crédito agia antes.

That still holds, except agents now act more often and across more systems than any underwriting model did.Rick Folgmann, COO da Get Covered

Por isso, cada agente na empresa tem uma pessoa responsável, da mesma forma que um time ou um orçamento tem. Essa pessoa revisa o log de erros, decide quando ampliar ou restringir a autonomia do agente e responde por ele perante cliente ou regulador.

Folgmann aponta ainda um efeito colateral de não fazer isso: quando vários times lançam agentes de forma independente, ninguém enxerga onde esses agentes se contradizem entre si. Num time de produto que roda vários agentes para áreas diferentes (suporte, cobrança, onboarding), é exatamente esse ponto cego que aparece quando dois agentes dão respostas incompatíveis ao mesmo cliente sem que ninguém perceba.

Onde está o verdadeiro gargalo

O argumento final do artigo é que os modelos vão continuar melhorando por conta própria, mas a clareza de uma empresa sobre quem decide o quê não melhora sozinha. Para Folgmann, a previsão de cancelamento do Gartner reflete isso: a maioria dos projetos de agente que vai fracassar vai fracassar porque ninguém definiu o valor esperado nem controlou o risco, e os dois são problemas de gestão, não de modelo.

Para quem constrói esses sistemas no Brasil, o recorte muda pouco a mensagem: é uma reivindicação por versionar responsabilidade do mesmo jeito que se versiona código. Documentar quem é dono de cada agente, qual o escopo dele e qual o processo de revisão não é burocracia extra, é o que falta para justificar, com evidência, ampliar a autonomia de um agente ao longo do tempo, ou para explicar depois por que algo deu errado.

O artigo não detalha como esse modelo de governança se aplica a times menores, nem como medir na prática o "custo de errar" de cada fluxo antes de rodar o agente em produção. Esses são os pontos que cada equipe ainda precisa resolver sozinha, usando o framework como ponto de partida, não como receita pronta.

Fonte: Crunchbase News