A adoção de IA está avançando mais rápido que a governança

A expansão da inteligência artificial generativa e dos agentes autônomos trouxe um desafio para as empresas: acompanhar a velocidade da automação com mecanismos de controle, auditoria e responsabilização. Enquanto as áreas de negócio incorporam novas ferramentas, agentes podem entrar em operação sem supervisão adequada, critérios claros de autonomia ou definição de quem responde por suas decisões. Esse cenário, conhecido como shadow automation, amplia os riscos operacionais e de segurança.

Segundo a Gartner, até 2027, 40% das empresas poderão rebaixar ou desativar agentes autônomos de IA devido a lacunas de governança identificadas após incidentes em produção. A projeção reforça a importância de estruturar controles desde o início, sem transformar a governança em um obstáculo à inovação.

O gap entre adoção e governança

O desafio de escalar IA já não se limita à capacidade técnica dos modelos ou à qualidade dos dados. Segurança e gestão de riscos também se tornaram barreiras importantes, especialmente quando agentes passam a executar tarefas e tomar decisões com diferentes graus de autonomia.

A velocidade de adoção nem sempre é acompanhada pela atualização dos processos de auditoria, monitoramento e responsabilização. Como consequência, algumas empresas colocam agentes em produção sem definir previamente quais ações podem executar, quais decisões exigem validação humana e como interromper seu funcionamento caso apresentem comportamentos inesperados.

A Gartner também projeta que mais de 40% dos projetos de IA agêntica poderão ser cancelados até o fim de 2027, em razão de custos crescentes, valor de negócio pouco claro e controles de risco inadequados. Embora essa projeção trate do cancelamento de projetos, e não exatamente da desativação de agentes já implantados, os dois indicadores apontam para um desafio comum: a necessidade de alinhar investimento, objetivos e governança.

O risco, portanto, não está simplesmente em adotar IA, mas em ampliar seu uso sem estabelecer mecanismos compatíveis com as responsabilidades que a tecnologia assume dentro da operação.

Governança proporcional: quatro níveis de autonomia

Tratar a governança como uma escolha entre liberar ou bloquear a IA limita o potencial da tecnologia. Uma política excessivamente restritiva pode inviabilizar ganhos operacionais, enquanto a ausência de controles expõe a empresa a decisões inadequadas, falhas de segurança e problemas de conformidade.

Uma alternativa é adotar um modelo de governança proporcional, no qual o grau de supervisão varia conforme o risco, o escopo e o impacto das ações de cada agente. O framework apresentado no material de referência organiza essa abordagem em quatro níveis:

1. Observar: o agente monitora informações e apresenta relatórios, sem executar ações.

2. Aconselhar: o agente analisa o contexto e recomenda decisões, mas a escolha permanece sob responsabilidade humana.

3. Agir com Aprovação: o agente prepara ou executa uma ação somente após receber validação humana.

4. Autônomo: o agente executa tarefas sem intervenção humana a cada etapa, dentro de limites previamente definidos e com mecanismos de auditoria e interrupção.

A escolha do nível depende da atividade. Um agente que classifica solicitações simples ou auxilia na elaboração de respostas pode ter autonomia maior quando opera em um ambiente controlado. Já um agente envolvido em pagamentos, concessão de crédito ou alteração de dados sensíveis exige controles mais rigorosos e, conforme o risco, aprovação humana antes da execução.

O princípio é aplicar a supervisão necessária a cada caso de uso, em vez de adotar o mesmo nível de restrição para todos os agentes. Dessa forma, a governança ajuda a viabilizar a expansão da IA, mantendo decisões críticas sob controle.

Os indicadores que mostram o tamanho do desafio

O Stanford AI Index 2026, conforme os dados citados no material original, aponta que segurança e risco estão entre as principais barreiras para ampliar o uso de IA agêntica. O texto também destaca dificuldades das organizações para limitar os agentes ao propósito para o qual foram desenvolvidos e interromper sua execução diante de comportamentos inadequados.

Essas capacidades são fundamentais para uma operação segura. Um agente precisa ter limites claros sobre quais dados pode acessar, quais sistemas pode acionar e quais decisões pode tomar. Também deve existir um mecanismo confiável para suspender sua atuação, além de registros que permitam reconstruir as ações realizadas e investigar eventuais falhas.

O artigo original cita ainda um levantamento da Security Boulevard segundo o qual 65% das empresas com agentes de IA implantados teriam sofrido um incidente de segurança confirmado até abril de 2026. Como esse dado depende de uma fonte específica e não apresenta confirmação independente no material fornecido, ele deve ser tratado com cautela e verificado antes da publicação.

Em conjunto, esses indicadores reforçam a importância de incorporar os controles ao planejamento da automação, em vez de tentar construí-los somente depois que um problema ocorre.

O cenário brasileiro: adoção e controle precisam avançar juntos

No Brasil, os dados citados pelo IT Forum apontam um descompasso entre o uso de IA e a estrutura de controle das organizações. Segundo a entrevista mencionada no material original, 57% das empresas brasileiras já utilizam IA ativamente, enquanto apenas 13% mantêm processos estruturados de teste e auditoria.

O artigo também cita uma pesquisa segundo a qual 46% dos executivos brasileiros identificam barreiras de governança e compliance entre as principais causas do baixo desempenho ou do fracasso de projetos de IA. Esses números devem ser acompanhados das respectivas fontes e metodologias na versão publicada, para que o leitor compreenda o alcance de cada levantamento.

Para as empresas, a questão é prática: ampliar a adoção de IA sem definir responsabilidades, limites de atuação e critérios de avaliação pode comprometer os resultados esperados. A governança precisa acompanhar o desenvolvimento dos projetos, com processos de auditoria, responsáveis identificados e níveis de autonomia definidos antes da entrada em produção.

Essa estrutura também cria uma oportunidade. Organizações que estabelecem controles desde as primeiras etapas conseguem identificar riscos com antecedência e desenvolver novos casos de uso sobre uma base mais consistente.

Como aplicar governança proporcional sem travar a inovação

A implementação pode começar com quatro medidas integradas.

Inventariar os agentes em operação. É necessário identificar agentes e automações já utilizados pela empresa, inclusive aqueles criados pelas próprias áreas de negócio sem acompanhamento formal de TI. Sem essa visibilidade, fica difícil avaliar riscos ou saber quais processos podem ser afetados por uma falha.

Classificar o risco e a autonomia real. Cada agente deve ser avaliado de acordo com suas permissões, os dados que acessa, as ações que executa e o impacto potencial de suas decisões. A classificação precisa refletir o funcionamento atual, não apenas o nível de autonomia desejado.

Estabelecer controles técnicos e responsabilidades. Os agentes devem operar com permissões compatíveis com suas funções, registros auditáveis e mecanismos confiáveis de interrupção. Também é importante definir quem responde pelo acompanhamento, pela revisão de resultados e pela atuação em caso de incidente.

Revisar periodicamente os níveis de autonomia. A avaliação não termina na implantação. Mudanças nos processos, nos dados utilizados ou no escopo de atuação podem alterar o risco de um agente. Um sistema que demonstrou confiabilidade em uma tarefa limitada pode ser reavaliado para assumir novas funções, desde que existam evidências e controles adequados. Da mesma forma, sua autonomia deve ser reduzida se o contexto se tornar mais sensível.

Essas medidas permitem que a governança acompanhe a evolução da tecnologia. Em vez de aplicar restrições uniformes, a empresa constrói uma estrutura que pode ser ajustada conforme os resultados, os riscos e as necessidades da operação.

Governança como base para escalar IA

A expansão da inteligência artificial exige mais do que escolher modelos e automatizar tarefas. É preciso estabelecer limites, acompanhar resultados e garantir que cada agente opere de acordo com seu propósito e seu nível de risco.

O modelo de quatro níveis de autonomia oferece uma forma de organizar essa supervisão: Observar, Aconselhar, Agir com Aprovação e Autônomo. Com inventário, classificação de risco, auditoria e revisão contínua, as empresas podem ampliar o uso da IA sem perder visibilidade sobre as decisões e ações executadas.

A Teledata atua há mais de 38 anos em projetos de tecnologia, conectividade e soluções empresariais. Essa experiência reúne conhecimentos de infraestrutura, integração e segurança que podem contribuir para iniciativas de automação estruturadas de acordo com as necessidades de cada operação.