Falta de governança: Entenda o desafio que atrasa a adoção de agentes de IA nas empresas

A governança é hoje o principal obstáculo para empresas que tentam colocar agentes de IA em operação real. Como pontua Rolando Bonaccorsi, diretor de operações da Vert Analytics, o discurso público concentra-se em modelos, algoritmos e capacidades técnicas, mas o gargalo verdadeiro aparece depois: quem autoriza uma ação automatizada? Quem responde por um erro? Como auditar decisões tomadas sem supervisão humana direta?

Esse vácuo de regras internas costuma ser subestimado até o primeiro incidente. O resultado é previsível. Projetos avançam em ambiente de testes, mas travam antes de qualquer decisão relevante ser delegada a um agente autônomo. Faltam papéis definidos, limites claros de atuação e canais formais de responsabilização. Pensando nisso, a seguir, abordaremos os detalhes dessa lacuna e seus problemas.

Por que a tecnologia avança mais rápido que as regras internas?

Contratar uma ferramenta de IA leva dias; redesenhar processos internos para acomodá-la leva meses. Essa diferença de ritmo explica por que tantas empresas testam agentes de IA em pequena escala, mas hesitam em ampliar o uso. Conforme destaca Rolando Bonaccorsi, a tecnologia funciona tecnicamente, porém falta um desenho claro de responsabilidades entre equipes de negócio, tecnologia e compliance.

Esse descompasso não se resolve com mais treinamento técnico, e sim com decisões organizacionais sobre autoridade e limites de atuação. Enquanto isso não acontece, o agente de IA permanece como um experimento isolado, incapaz de assumir tarefas que exigem julgamento e responsabilidade formal dentro da empresa.

Quem responde quando um agente de IA erra?

Um dos pontos menos discutidos é a ausência de um responsável claro por decisões automatizadas. Quando um agente de IA toma uma ação equivocada, a empresa raramente sabe se o erro deve ser tratado como falha técnica, decisão de negócio ou falha de supervisão.

De acordo com o líder em IA e ciência de dados aplicados a negócios e operações, Rolando Bonaccorsi, essa indefinição paralisa a adoção mais do que qualquer limitação real de desempenho do modelo. Em vista disso, para reduzir essa incerteza, algumas práticas de governança já se mostram eficazes em empresas que avançaram na adoção de agentes de IA:

• Papel de aprovação: definir quem autoriza cada tipo de ação antes que o agente execute tarefas críticas;

• Registro de decisões: manter histórico auditável do que o agente decidiu e por quê;

• Limite de escopo: restringir a atuação do agente a tarefas previamente mapeadas e revisadas;

• Canal de contestação: criar um caminho formal para questionar ou reverter uma decisão automatizada.

Essas medidas não eliminam o risco por completo, mas tornam explícito quem decide o quê dentro da operação, o que já reduz boa parte da resistência interna observada durante a implementação.

Estrutura de decisão pesa mais que sofisticação do modelo

Empresas que avançam na adoção de agentes de IA não são necessariamente as que têm acesso aos modelos mais avançados, mas as que já resolveram internamente quem decide o quê. A maturidade de governança antecede a maturidade tecnológica, embora o discurso de mercado sugira o contrário.

Isso explica por que empresas de setores regulados, acostumadas a processos de auditoria e compliance, tendem a adotar agentes de IA com menos atrito. Tal como enfatiza Rolando Bonaccorsi, a estrutura de decisão já existia antes de a tecnologia chegar, e a IA apenas ocupou um espaço já mapeado dentro dela.

Como a governança muda a relação entre equipes e agentes de IA?

O efeito mais visível de uma governança bem definida é a mudança de postura das equipes, que passam a tratar o agente como parte de um fluxo de trabalho supervisionado, e não como uma caixa-preta autônoma. Sendo diretor de operações da Vert Analytics, Rolando Bonaccorsi entende que essa mudança reduz a resistência natural de quem teme perder controle sobre decisões importantes.

Assim, com papéis claros, o agente de IA deixa de ser visto como ameaça e passa a ser avaliado pelo que realmente entrega: velocidade, consistência e capacidade de lidar com tarefas repetitivas, liberando as pessoas para decisões que exigem julgamento humano e leitura de contexto mais ampla.

O próximo passo não é técnico, é organizacional

Em última análise, a adoção de agentes de IA em escala não depende apenas de melhores modelos, mas de empresas dispostas a formalizar regras internas antes de expandir o uso da tecnologia. Ou seja, esse cenário se trata de uma questão de maturidade organizacional, e não de maturidade técnica isolada. Dessa maneira, empresas que tratam a governança como uma parte vital do projeto tendem a evitar retrabalho e resistência interna.