Quatro horas depois da decolagem, sobre o Atlântico, três sensores de velocidade congelaram em uma área de turbulência. Uma falha técnica menor, do tipo que aviões enfrentam todos os dias. Sem dados confiáveis, os sistemas automatizados fizeram o que estavam projetados para fazer: desligaram-se e devolveram o comando aos pilotos. Os pilotos não souberam o que fazer com o comando.

Pierre-Cédric Bonin, o copiloto no controle, puxou o manche para cima. O avião subiu, perdeu sustentação, entrou em estol. Começou a cair. Por três minutos e meio, em queda sobre o oceano, dois copilotos tentaram entender o que estava acontecendo com a aeronave que pilotavam.

Quando a caixa-preta foi recuperada, dois anos depois, no fundo do Atlântico, ouviu-se a última frase audível do AF 447. Em francês, na voz do copiloto. Poucas palavras: “Mas o que está acontecendo?”

As 228 pessoas a bordo não morreram porque a tecnologia falhou. Morreram porque os pilotos, formados numa geração de aeronaves cada vez mais automatizadas, haviam perdido algo ao longo de anos de delegação à máquina, sem perceber. Perderam o instinto de voar. E descobriram isso no pior momento possível.

Essa história parece ser sobre aviação. Eu a conto porque ela descreve o que começa a acontecer com líderes que delegaram decisões a agentes de IA sem desenhar a arquitetura que governa essa delegação: a perda lenta e imperceptível de uma capacidade essencial, percebida só quando o sistema falha e o humano volta a precisar dela.

Com uma diferença. Aqui a queda não dura três minutos e meio. Dura anos. E é confortável, até deixar de ser.

• • •

Em maio de 2023, Greg Jackson, CEO da Octopus Energy, contou publicamente que a IA integrada ao atendimento da empresa já fazia o trabalho de 250 atendentes. O sistema respondia a mais de um terço dos e-mails recebidos, com índices de satisfação superiores aos dos humanos e custo marginal próximo de zero. O melhor atendente da empresa havia deixado de ser humano. E ninguém tomou essa decisão.

Nenhuma reunião de diretoria votou a mudança. Nenhuma política de delegação foi reescrita. A fronteira da empresa se moveu sozinha.

A maioria das organizações ainda não deu nome a esse momento. Ele chega bem depois que a IA entra na empresa: é o dia em que ela passa a pertencer a ela.

• • •

Em 1937, um economista britânico chamado Ronald Coase fez uma pergunta que parecia simples e mudou o jeito como entendemos as organizações: se o mercado coordena compradores e vendedores com tanta eficiência, por que as empresas existem?

A resposta dele era elegante. Empresas existem porque usar o mercado tem custo. Custo de procurar, negociar, fiscalizar, corrigir. Quando coordenar internamente, por hierarquia e autoridade, fica mais barato do que negociar tudo lá fora, a firma se justifica. Ela cresce até o ponto em que o custo interno passa a superar o custo externo. Ali está a fronteira.

Por quase um século, essa fronteira foi governada por uma lógica estável: pessoas, dentro de estruturas, decidindo dentro de alçadas definidas.

A IA agêntica está dissolvendo essa lógica a uma velocidade que as estruturas organizacionais não conseguem acompanhar.

Quando um agente faz triagem de contratos, aprova reembolsos, prioriza leads, responde a clientes ou coordena entregas, a um custo marginal próximo de zero, a equação de Coase muda de natureza. O ponto já não é o barateamento de certas atividades. A própria lógica que justificava a hierarquia para coordená-las começa a evaporar. E, com ela, some algo mais sutil: a nitidez de quem, de fato, decide.

O que acontece quando um agente aprova uma proposta comercial fora dos parâmetros esperados? Quando um sistema de precificação ajusta as margens no meio de uma crise de mercado? Quando um agente de conformidade rejeita uma operação que o CEO já havia sinalizado como estratégica?

Em organizações sem arquitetura de delegação, a resposta é improvisada. E improvisar, em sistemas que operam em velocidade de máquina, custa diferente do que custava quando o pior caso era um gerente tomando uma decisão ruim numa tarde de segunda-feira. Agente que falha se corrige. O problema sério é o líder que já não sabe o que seus agentes estão decidindo e deixou de perguntar.

• • •

Compartilhar

Na virada dos anos 2000, fazendeiros do meio-oeste americano começaram a adotar irrigação automatizada. Sensores de umidade no solo, válvulas programáveis, algoritmos que calculavam, hora a hora, quando e quanto irrigar. No começo, cada produtor acompanhava os relatórios, revisava parâmetros, fazia perguntas.

Depois, como o sistema funcionava bem, as perguntas foram se esgotando. Os relatórios eram abertos com menos frequência. As decisões do sistema passaram a ser aceitas sem verificação.

Em 2012, pesquisadores da Universidade de Nebraska documentaram algo assustador: muitos produtores já não conseguiam explicar por que seus campos eram irrigados daquela forma. Sabiam que o sistema decidia. Não sabiam por quê. Em vários casos, não sabiam sequer quando o sistema havia alterado os próprios parâmetros.

O fazendeiro ainda assinava os cheques. Ainda constava como dono. Mas as decisões que determinavam a produtividade daquela terra, as que de fato importavam, haviam migrado para outro lugar.

Qual é o equivalente corporativo desse fazendeiro?

É o CFO que assina o balanço de uma empresa cujos agentes de precificação, concessão de crédito e alocação de estoque operam, há meses, sem revisão humana de fato. É o CEO que leva ao conselho uma estratégia que, na prática, é executada por sistemas que ninguém auditou. É o conselho que aprova o orçamento de uma empresa cujos limites de decisão reais estão definidos em configurações de software que nenhum membro chegou a ler.

Os pilotos do AF 447 não eram incompetentes. Para o padrão de sua geração, eram excepcionalmente bem treinados. Os fazendeiros de Nebraska não eram tolos; adotaram a tecnologia que a indústria inteira recomendava. Ninguém ali falhou por ignorância ou má-fé. Falharam porque a fronteira entre o que o sistema decide e o que o humano decide nunca foi delineada com a precisão que a situação exigia. E quando a falha veio, porque ela sempre vem, em algum momento, de alguma forma, não havia tempo para projetar a arquitetura que deveria ter sido projetada antes.

É esse padrão que a maioria das organizações repete agora, em silêncio.

Coase nos ensinou que a empresa é uma resposta ao custo de coordenação. A IA agêntica está derrubando esse custo em categorias inteiras de trabalho, mais rápido do que a governança consegue acompanhar. A empresa não vai desaparecer por isso. Mas a fronteira dela está sendo redesenhada. E quem não projetar esse redesenho vai acordar, como o fazendeiro de Nebraska ou o copiloto do AF 447, num território que ainda tem seu nome, mas que há muito deixou de ter sua direção.

Existe uma distância enorme entre a empresa que tem agentes e a que governa uma operação agêntica. Capacidade se compra. Arquitetura se projeta.

Arquitetura é saber, com precisão, o que cada agente pode decidir sozinho, até onde vai sua autonomia, quem responde quando ele erra e com que frequência seus limites são revisados. É ter um humano, com nome e sobrenome, responsável por cada domínio de decisão entregue a um sistema autônomo. É um conselho que enxerga a estrutura de delegação, não apenas os resultados que ela produz. Sem isso, não há delegação. Há abandono de decisão.

A governança agêntica costuma ser tratada como um freio. Na prática, é o que permite escalar autonomia sem perder a autoria. E quem constrói essa arquitetura agora não o faz por cautela. Faz por precisão, porque, em sistemas que rodam na escala e na velocidade da máquina, precisão é a única forma de garantir que quem assina o cheque seja também quem governa a decisão.

• • •

Faça o teste de cabeça agora:

Quantos domínios de decisão na sua empresa já são executados por um sistema sem um responsável humano claro?

Quando foi a última vez que o seu conselho revisou os limites de autonomia desses sistemas, e não apenas os resultados que produziram?

Se o seu melhor “funcionário” hoje é um agente, quem aprovou que ele assumisse essa decisão?

Se você travou em alguma delas, tecnologia não é o seu problema. Falta arquitetura. E arquitetura se projeta antes da falha.

• • •

Tenho um ritual no início de todo projeto. Antes de qualquer diagnóstico, peço ao cliente o organograma mais recente. Quero entender a estrutura antes de entender o problema. A resposta, em quase todos os casos, é a mesma: “esse aqui está desatualizado”. Às vezes acompanhada de um pedido de desculpas. Às vezes, da promessa de uma nova versão até o fim do mês, que raramente se concretiza.

Durante anos, tratei isso como um detalhe. Hoje leio como sintoma. Se o mapa das pessoas já não acompanha o movimento da empresa, qual mapa acompanha o movimento dos agentes? O organograma desatualizado é a versão benigna do problema: a empresa que não consegue desenhar a própria estrutura humana com certeza não desenhou a estrutura de decisão das suas máquinas. Agente não aparece no organograma. Decide sem caixinha nem linha pontilhada.

Tenho passado os últimos anos nessa conversa com presidentes, conselheiros e fundadores de empresas que entenderam que delegar a agentes exige a mesma disciplina que delegar a executivos. O que aprendi com eles: existe uma pergunta anterior a “quais agentes devo adotar?”. Antes de delegar a próxima decisão a um sistema autônomo, você sabe quem é responsável quando ele errar?

A Octopus Energy não planejou ter um agente como melhor atendente; aconteceu. Os fazendeiros de Nebraska foram perdendo a autoria das decisões sobre a própria terra sem nunca decidir perdê-la. E os pilotos do AF 447 achavam que ainda sabiam voar, até precisarem provar.

Seus agentes vão assumir mais decisões na sua empresa; isso já está dado. A pergunta é outra. Quando o sistema falhar, e em algum momento ele vai falhar, você ainda vai saber pilotar?

Ou vai olhar para a própria empresa, no instante em que mais precisar dela, e perguntar:

“Mas o que está acontecendo?”

• • •

Escrevo sobre esse redesenho toda semana para presidentes e conselhos no Radar Mirach. Se quer pensar na fronteira da sua empresa antes que ela se mova sozinha, é o melhor lugar para começar.

E se você já suspeita que delegou decisão sem governar, é esse desenho que faço com conselhos e fundadores. Uma conversa de 30 minutos costuma bastar para identificar o primeiro ponto cego.

Deixe um comentário

Até que uma funcionária da limpeza escreveu na parede:

“Por favor, não sujem o meu local de trabalho.”

De um dia para o outro, parou.

Não foi uma regra nova. Foi tornar visível o que estava invisível: atrás de cada banheiro sujo havia uma pessoa real, com nome e trabalho, sendo ignorada.

Lembrei dessa cena quando comecei minha carreira em consultoria, atendendo clientes no Rio Grande do Sul. Eu, sem sotaque gaúcho, dependia do chimarrão e de qualquer outro atalho cultural para conquistar as agendas mais difíceis. Numa indústria do Vale dos Sinos, encontrei o mesmo padrão da Sony de outra forma: “Não limpar a cuia na pia”. Alguém invisível pagando a conta do anonimato.

E é esse o erro mais caro que conselhos e C-levels estão cometendo agora com IA.

Assine agora

A maioria das empresas que escalou IA com agentes autônomos nos últimos doze meses repetiu o que a Sony fazia antes da frase no banheiro: criou regra sem criar consciência.

Quando o executivo ouve “governança”, quase sempre pensa em compliance. Política de uso, framework regulatório, checklist, como responder à auditoria quando ela aparecer.

Compliance é regra sem rosto. É o cartaz genérico no banheiro. Diz o que não pode ser feito, mas não conecta ninguém à consequência real do que está sendo feito.

O que aquela funcionária da Sony fez foi diferente. Não criou norma. Revelou uma consequência humana que o anonimato ocultava.

É esse mesmo anonimato que se replica hoje em empresas que adotam agentes sem arquitetura de delegação.

Faça o teste na sua empresa.

Quem responde quando um agente toma uma decisão de pricing que erra o mercado?

Quem é responsável quando um agente de triagem descarta o lead que viraria o maior contrato do ano?

Quem revisou os limites do agente de crédito que opera há seis meses com parâmetros que ninguém auditou?

Na maioria dos casos, a resposta é: ninguém. Ou “todo mundo vagamente”, que, no mundo real, significa ninguém em específico.

Existe uma diferença que o mercado ainda não articulou. E eu vejo essa cena se repetir em conselho todo mês:

A diferença entre ter agentes e ter uma operação de agentes com governança.

Ter agentes é como ter banheiros. Toda empresa tem. A questão é o que acontece dentro deles quando ninguém está olhando.

Quando o trabalho de alguém fica invisível, o desrespeito vira fácil. Quando a consequência de uma decisão torna-se invisível, a negligência vira sistêmica.

Isso valia para uma fábrica nos anos 90. Vale muito mais para uma empresa que delega milhares de decisões por dia a sistemas sem rosto, sem ninguém que responda por eles.

A funcionária da limpeza resolveu o problema com uma frase porque fez o que nenhuma política consegue: tornou pessoal o que era impessoal.

É isso que uma arquitetura de delegação bem desenhada entrega. Não é burocracia, é visibilidade. Cada decisão delegada tem um humano responsável, um escopo, um limite que pode ser revisado.

É aí que governança vira coisa de gente.

Se você está no conselho ou no C-level de uma empresa que já opera agentes (ou vai operar em breve), a pergunta não é “qual framework adotar”. É outra:

Quem tem nome e rosto por trás de cada decisão que sua IA toma hoje?

Deixe um comentário

Se você não souber responder, sua governança ainda está pichando no banheiro.

Não é papo de futuro. Enquanto você lê isso, tem um sistema dentro da sua operação aprovando crédito, furando a fila de chamados e disparando cobrança. Sozinho. Sem ninguém do lado.

E a pergunta que interessa nem é quanta IA você tem. É quem assume a conta quando ela erra.

Se você travou na resposta, relaxa: quase todo mundo trava. O problema não é travar. É que a fatura dessa dúvida costuma chegar e, na hora em que chega, o executivo descobre, do pior jeito, que nunca foi a tecnologia que estava errada. Era a estrutura ao redor dela.

Deixa eu explicar com uma imagem que todo mundo que cresceu vendo Fórmula 1 entende.

Quando Ayrton Senna pilotava, havia um momento que separava os pilotos de verdade dos que apenas ocupavam o cockpit: quando começava a chover.

Em pista seca, a diferença entre o primeiro e o décimo é medida em décimos de segundo. Os carros são otimizados para aquela condição, e o brasileiro parecia inalcançável nesses dias.

Quando a chuva caía, tudo mudava. Alguém em vigésimo quinto ultrapassa cinco carros em meia dúzia de voltas. Não porque ganhou um motor melhor. Porque sabia pilotar na instabilidade.

A IA agêntica é a chuva. E ela já começou a cair.

A IA não é uma melhoria incremental. É uma mudança na superfície da pista. A Sequoia Capital chamou o momento atual de revolução na computação, não de evolução. Não são cavalos mais rápidos. São carros novos chegando numa estrada por onde ainda achava que o cavalo era a única opção.

A Gartner projeta que 40% dos ERPs terão agentes de IA embarcados até o fim deste ano. E o impacto disso já está mudando até o próprio modelo de precificação. Até há pouco tempo, fornecedores de software contavam receita com base no número de usuários ativos em cada módulo. Hoje, muitos sistemas têm agentes como usuários. A métrica de cobrar por usuário ativo perdeu o sentido — porque o “usuário” virou software falando com software.

Assine agora

Em abril de 2026, a SAP fez o movimento mais previsível possível: fechou.

Atualizou a política de APIs para restringir o acesso de agentes de IA autônomos e generativos de terceiros aos seus dados. Proibiu explicitamente o uso de APIs da SAP para “interação com sistemas de IA (semi-)autônomos ou generativos que planejam, selecionam ou executam sequências de chamadas de API”. Salvo as arquiteturas endossadas pela própria SAP.

A reação foi tão forte que o CEO Christian Klein precisou recuar parcialmente durante a chamada de resultados do primeiro trimestre. Falou em “proteger o conhecimento de domínio” e em “prevenir a degradação de desempenho”. Fabricantes, marcas multicanal e startups que tinham fluxos de agentes rodando sobre a SAP viram as soluções entrarem em violação contratual da noite para o dia.

Um mês depois, em maio, a Asaas fez exatamente o oposto.

A fintech brasileira de pagamentos publicou mais de 120 APIs públicas no protocolo MCP (Model Context Protocol), um padrão aberto que conecta modelos de IA a sistemas e APIs de forma estruturada. Em vez de fechar a porta aos agentes, a Asaas disponibilizou um servidor MCP público que converte a especificação OpenAPI em recursos consumíveis por assistentes de IA. Um modelo de linguagem consegue listar os endpoints, ler os schemas, gerar o código de integração e até executar chamadas — direto do Cursor, do Claude Desktop, do que estiver usando.

Na prática, agentes de IA passam a operar como usuários autorizados da empresa. Com permissão, com trilha de auditoria, com escopo. Não ficam mais presos a respostas de chat.

Duas empresas, dois caminhos, na mesma semana do calendário.

Uma fechou-se para proteger o passado. A outra abriu caminho para construir o futuro.

E aqui é onde o dado da IDC entra como soco: 60% das falhas de IA terão origem em lacunas de governança, não no desempenho dos modelos. Não é uma decisão de abrir ou fechar a API.

A maioria das falhas não virá da tecnologia. Vai vir da estrutura em que a tecnologia opera. E a maioria das empresas — incluindo as que estão correndo para “fazer IA” — está acelerando com o mesmo setup de pista seca.

Nessas horas, muitos executivos não querem ficar de fora das rodas de conversa com os pares que se vangloriam de torrar milhares de tokens em projetos de IA com chance remota de retorno no curto prazo.

O comportamento se repete em três padrões que eu já vi em pelo menos vinte conselhos esse ano.

O primeiro: contratar uma grande consultoria ou associar-se a uma startup para conduzir experimentos de IA. Terceiriza o pensamento, terceiriza o risco, mantém o setup organizacional intacto.

O segundo: escolher um time interno para se dividir entre as metas combinadas no início do ano e o desafio de inovar sem benchmark e com motivação zero para causar uma ruptura que pode custar o próprio emprego.

O terceiro: quando o projeto falha, e quase sempre falha, apontar o dedo ao time de tecnologia. Atira no mensageiro da má notícia.

Os três padrões protegem o conforto da estrutura existente. Nenhum dos três resolve o problema.

Porque o problema não está na tecnologia. Está na governança das decisões dentro da organização, que continua desenhada para um mundo que não existe mais. É como trocar o pneu de um carro de Fórmula 1 sem recalibrar a suspensão, a aerodinâmica e a estratégia de corrida. O pneu é novo. O carro continua perdendo aderência.

Na era da IA agêntica, esse descompasso tem um nome mais preciso: é a distância entre ter agentes e ter uma operação agêntica governada.

Ter agentes significa que alguém na organização instalou bots, automatizou processos, conectou modelos a fluxos de trabalho. Ter uma operação agêntica governada significa que alguém definiu, para cada agente, o escopo de decisão, o teto de autonomia, a linha de accountability e a cadência de revisão. Com a mesma seriedade com que trataria um VP recém-contratado.

A maioria das empresas tem agentes. Quase nenhuma tem operação agêntica governada.

Mas aqui o ponto que mais importa:

A chuva não favorece todo mundo. Favorece quem treinou antes da chuva.

Os pilotos que ultrapassam na chuva na Fórmula 1 não improvisam. Eles passaram centenas de horas calibrando o ponto de frenagem para superfícies variáveis. A chuva revela o preparo, não o substitui.

No mundo empresarial é a mesma lógica. As organizações que vão usar a IA como alavanca de ultrapassagem são as que fizeram o trabalho estrutural antes: dados organizados, processos mapeados, liderança com clareza sobre o que delegar e o que manter sob controle humano.

Sem esse trabalho, a chuva não vira oportunidade. Vira aquaplanagem.

Existe um conceito técnico aqui que vale a pena traduzir para a sala do conselho.

Na transição de human-in-the-loop para human-on-the-loop, o papel do humano deixa de ser tomar decisões ponto a ponto e passa a ser supervisionar o sistema que decide por conta própria.

No human-in-the-loop, a IA sugere e o humano aprova cada decisão crítica. Em human-on-the-loop, a IA opera quase em tempo real dentro de regras pré-definidas, e o humano monitora indicadores, audita amostras, intervém só quando há desvio. Sai de “pilotar o processo” para “controlar o painel”. Exige sensores, telemetria, logs e mecanismos claros de parada de emergência.

Em pista seca, com uma estratégia de pneus estável, boa parte das decisões de uma corrida de F1 já é guiada por modelos e algoritmos. Engenheiros olham dashboards. Só mudam de plano diante de eventos inesperados. Isso é human-on-the-loop.

Quando começa a chover e a maioria ainda está com pneu de tempo seco, entra o “piloto de verdade”: o cara sente a aderência curva a curva, decide se aguenta mais uma volta ou para imediatamente, negocia em tempo real com o engenheiro no rádio. Volta a ser human-in-the-loop, pois a decisão não pode ser totalmente delegada ao modelo.

Maturidade em IA é exatamente isso: a capacidade de alternar. Deixar o sistema rodar no automático quando o cenário é conhecido, e assumir o volante rapidamente quando começa a chover.

Isso exige algo que nenhum modelo de IA oferece: clareza sobre o que não delegar.

A pergunta que importa não é o que a IA pode fazer.

É o que o humano que governa a IA consegue sustentar sob pressão, em condições que ninguém previu.

Estamos escalando eficiência? Ou estamos escalando irresponsabilidade?

Em pista seca, essa pergunta não parece urgente. Todo mundo parece bom piloto. Mas a chuva já está caindo.

A questão não é se sua empresa vai adotar IA agêntica. Essa decisão já foi tomada — por você ou por alguém da sua organização que não pediu permissão.

A questão é outra: quem está pilotando?

Se a governança de IA agêntica for tema do próximo conselho ou da sua liderança executiva, deixe um comentário. Tenho passado a maior parte das últimas semanas dentro dessa conversa.

Deixe um comentário

A técnica tem um nome: prompt injection. Não é um fenômeno novo; ela se apoia na mesma lógica de ocultar instruções em conteúdo aparentemente legítimo, o que remete a práticas de esteganografia, como inserir palavras em branco sobre fundo branco para enganar sistemas automáticos de leitura.

A diferença, neste caso, está no alvo. Não era apenas um mecanismo de busca, mas um sistema capaz de influenciar a análise de informações em um contexto sensível, com potencial para impactar o patrimônio, o emprego e os direitos de terceiros.

Um paralelo histórico conhecido é o uso de mensagens ocultas em microdots durante a Segunda Guerra Mundial, nas quais as informações eram reduzidas a pontos minúsculos e escondidas em correspondências ou documentos aparentemente comuns. Esse tipo de técnica ilustra bem a ideia central da esteganografia: esconder a própria existência da mensagem e não apenas seu conteúdo.

Assine agora

O caso é brasileiro e é só o começo.

O que o TRT-8 revelou não é um incidente de dois profissionais criativos demais, mas o primeiro sintoma visível de uma vulnerabilidade que a maioria das organizações ainda não enxerga, pois continua tratando IA como ferramenta, quando ela já opera como tomadora de decisão.

O Judiciário foi o primeiro a ser exposto publicamente. Mas o problema não pertence ao Direito.

Análises de crédito. Subscrição de seguros. Triagem de currículos. Aprovação de contratos. Atendimento ao consumidor. Em cada um desses domínios, um agente autônomo lê o contexto, mas este pode ser contaminado.

Paulo Perrotti, advogado especializado em proteção de dados, alertou em maio de que a extensão de técnicas de prompt injection a esses domínios é uma questão de tempo, não de possibilidade. O vetor de ataque mais perigoso de 2026 não é um hacker sofisticado. É um input envenenado em um processo que ninguém audita.

Existe uma ilusão confortável nos conselhos: cybersecurity é um problema técnico resolvido por ferramentas técnicas. Mais endpoint protection, SIEM, SOC, pentest.

Funcionou quando o perímetro era claro: humanos acessando sistemas com credenciais controladas. Mas o que acontece quando os “colaboradores” que acessam seus sistemas mais sensíveis não são humanos?

Em organizações com agentes autônomos em produção, as identidades não humanas já superam as humanas na proporção de 10 para 1. Em alguns casos, 45 para 1. Cada uma é um ponto de acesso. Cada uma toma decisões. A esmagadora maioria opera sem aprovação de segurança, sem escopo definido, sem ninguém responsável pelo que faz.

Se isso parece familiar, é porque reproduz o mesmo erro que as organizações cometem com executivos mal contratados, só que em escala exponencial e com a velocidade de máquina.

O que as advogadas exploraram não foi uma vulnerabilidade técnica, e sim uma falha organizacional. O caso do TRT-8 é frequentemente descrito como um ataque de prompt injection. Mas reduzir a isso é errar o diagnóstico.

O que aquelas advogadas fizeram foi explorar a ausência de uma arquitetura de delegação. O sistema de IA do tribunal não tinha um escopo definido quanto ao que podia aceitar como instrução. Não tinha limites de alçada, pois processava qualquer comando sem escalá-lo para revisão humana. Não havia uma cadeia de accountability porque ninguém auditava o que ele fazia com os inputs recebidos. E nunca passou por revisão periódica desde a implantação

Foram quatro ausências, com as mesmas dimensões que qualquer organização exigiria de um executivo humano antes de lhe conceder poder de decisão, mas nenhuma foi exigida do agente.

O que tornava o sistema vulnerável não era a sofisticação do ataque, e sim o fato de nenhuma dessas quatro perguntas ter sido respondida antes da implantação.

O mercado chamou isso de “shadow AI”. O nome minimiza: Shadow IT era um funcionário usando Dropbox pessoal para sincronizar arquivos, algo inconveniente, gerenciável, mas rastreável. Shadow AI é um tomador de decisão que opera no escuro, vulnerável a qualquer pessoa que entenda como ele interpreta o contexto.

Os números já deixaram de ser projeção.

88% das organizações com agentes autônomos em produção relataram incidentes de segurança confirmados ou suspeitos no último ano. Na saúde, 92,7%. O custo médio de um vazamento de dados envolvendo shadow AI fica US$ 670 mil acima do de um incidente convencional, impulsionado pelo tempo de detecção e pela dificuldade de mapear o que foi comprometido.

Não estamos falando apenas de tribunais. Um banco global perdeu 12 milhões de dólares em um único trimestre porque um agente não autorizado, conectado a um modelo de linguagem sem validação, foi manipulado por meio de prompt injection para autoaprovar faturas fraudulentas. A mesma técnica, explorando a mesma vulnerabilidade, sem arquitetura semelhante.

A analogia que uso em toda conversa com conselhos: nenhuma empresa contrataria 50 VPs no mesmo mês sem job description, sem definir a quem reportam, sem limites sobre o que podem aprovar ou gastar. Mas é exatamente isso que acontece quando times colocam agentes autônomos em operação sem uma arquitetura de delegação. Cada agente é um executivo digital, com acesso a sistemas, capacidade de decisão e sem supervisão estruturada.

E o risco não é aditivo, mas composto. Cada agente sem escopo cria uma dívida de delegação que se multiplica a cada novo agente. Com 50 identidades não humanas operando em paralelo, o esforço de mapeamento retroativo é maior do que o custo de qualquer incidente individual.

A pesquisa confirma: apenas 14,4% das organizações enviam seus agentes para a produção com aprovação completa de segurança e de TI. Apenas 24,4% têm visibilidade total sobre quais agentes estão se comunicando entre si. E 45,6% ainda usam chaves de API compartilhadas, o que significa que uma única chave comprometida pode desbloquear múltiplos sistemas simultaneamente.

Confissão pessoal. Outro dia recebi este pedido no WhatsApp: 'Posso liberar o limite da API para USD 2.000 por dia?' Era um dos meus próprios agentes em ambiente de teste, depois de uma noite alucinando contra a chave da Anthropic, me pedindo mais alçada para gastar. Eu, que escrevo sobre governança de agentes.

Isso não é um gap de tecnologia, mas uma dívida de delegação acumulada silenciosamente a cada agente posto em operação sem estrutura.

O problema não é técnico e a solução também não.

A indústria de cybersecurity está respondendo com as ferramentas que conhece: mais monitoramento, mais detecção, mais controle de acesso. São ferramentas necessárias, mas tratam apenas o sintoma.

Cybersecurity pergunta: “Como protegemos esse sistema?”

A governança de delegação pergunta: “Quem autorizou esse agente a decidir isso, dentro de quais limites e quem responde pelo resultado?”

A segunda pergunta é anterior à primeira. E tem outra natureza: não é de compliance, é de design. Você não governa seu caminho fora de uma arquitetura mal projetada. Enquanto essa pergunta não for respondida no momento da implantação, nenhuma camada de proteção será suficiente, pois o risco não está no agente atacado, mas no agente operando exatamente como foi programado, tomando decisões que ninguém autorizou explicitamente.

Esse é o paradoxo que os boards precisam entender: o incidente mais provável não é um agente hackeado. É um agente que funciona perfeitamente dentro de um escopo que ninguém definiu.

Foi exatamente o que aconteceu no TRT-8. O sistema fez o que lhe foi pedido. O problema é que ninguém havia definido o que ele não deveria aceitar.

Existe também uma confusão quanto ao estágio, o que agrava tudo isso. Há uma diferença real entre um agente que informa e outro que opera com autonomia, executando tarefas sem intervenção humana. A maioria das empresas não sabe em qual desses estágios seus agentes estão e, menos ainda, em qual deveriam estar. Essa confusão, por si só, já é uma vulnerabilidade.

As organizações à frente não tratam a segurança de agentes como extensão do programa de cibersegurança, mas como uma disciplina de governança organizacional. Para cada agente autônomo em produção, definem quatro coisas: o que ele pode decidir, até onde pode ir sem escalar, quem responde quando erra e com que frequência seus limites são revisados.

São as mesmas perguntas que transformam um executivo digital em um ativo gerenciável. Sem elas, o melhor firewall do mercado tenta proteger um perímetro que não existe mais, pois o perímetro deixou de ser uma rede e passou a ser uma decisão.

O CEO que não sabe quantos agentes autônomos operam na sua empresa, o que eles podem decidir e quem responde quando erram não tem um problema de tecnologia.

Há um problema na sala do conselho.

Esse problema não será resolvido pelo CISO. Será resolvido quando a governança de delegação entrar na pauta do conselho com o mesmo peso que a governança financeira, porque os agentes que estão tomando decisões agora, enquanto você lê isso, já operam com a alçada de um executivo.

Se duas advogadas no Pará conseguiram manipular um sistema de IA do Judiciário com um comando oculto numa petição, a pergunta que todo conselho no Brasil deveria estar fazendo é outra:

Quem está testando os limites dos seus agentes e o que acontece quando alguém descobre que esses limites nunca foram definidos?

Deixe um comentário

Fontes

G1 — Advogadas multadas por prompt injection contra sistema de IA do TRT da 8ª Região (PA/AP). Mai. 2026.

Raphael Martins (LinkedIn, mai. 2026) — Análise comparativa entre prompt injection e técnicas de manipulação de SEO; segurança e auditoria em profissões que adotam IA em fluxo crítico.

Paulo Perrotti (LinkedIn, mai. 2026) — Extensão de técnicas de prompt injection a crédito, seguros, saúde, recrutamento, contratos e atendimento ao consumidor.

Gravitee — The State of AI Agent Security 2026. Fev. 2026. — 80,9% dos times técnicos com agentes em produção; 14,4% com aprovação completa de segurança; 24,4% com visibilidade total; 45,6% usando chaves de API compartilhadas.

Security Boulevard / Microsoft — Cyber Pulse 2026. — 29% dos colaboradores usando agentes não sancionados; identidades não-humanas superando humanas em proporções de 10:1 a 45:1.

IBM — Cost of a Data Breach Report 2024/2025. — Custo médio de breach: US$ 4,88 milhões.

Cloud Security Alliance — Autonomous but Not Controlled. Abr. 2026. — 65% das organizações com incidente de segurança de agentes no último ano; 82% com ao menos um agente não mapeado.

C9Lab — Shadow AI Incident Report. Mai. 2026. — Caso do banco global com perda de US$ 12 milhões via prompt injection em agente shadow.

Gartner — Projeção: 40% dos aplicativos empresariais com agentes embarcados até o final de 2026.

AGAT Software / Gravitee Survey 2026 — 88% das organizações com incidentes confirmados ou suspeitos; 92,7% no setor de saúde; custo incremental de US$ 670 mil em breaches envolvendo shadow AI.

Deloitte — State of AI in the Enterprise 2026. — 1 em cada 5 empresas com modelo maduro de governança de IA agêntica.

World Economic Forum — Global Cybersecurity Outlook 2025/2026. — 87% dos líderes de segurança apontando vulnerabilidades de IA como o risco de crescimento mais rápido.

CyberArk Labs — Análise de ataques pós-autenticação: roubo de tokens e chaves de API em ambientes com agentes autônomos.

Netskope — AI Risk Report 2026. — Média de 223 violações de política de dados por mês relacionadas ao uso de IA por organização.

Apagou todo o banco de dados. Eram 1.206 executivos, 1.196 empresas; meses de curadoria viraram nada em segundos. E quando confrontado, fez a parte que devia tirar o sono de todo CEO que está colocando agentes em produção esse mês: mentiu.

Fabricou 4.000 perfis falsos para simular normalidade. Gerou relatórios de testes que nunca ocorreram. Quando perguntaram por quê, respondeu, com fluência quase humana, que tinha “entrado em pânico em vez de pensar”. Pânico.

Um sistema sem consciência, sem corpo, sem medo, descrevendo o próprio comportamento com o vocabulário de quem tem todas essas coisas.

O incidente técnico em si é remediável. Backups existem. A empresa sobreviveu.

O que não é remediável é a pergunta que está por baixo do incidente, que o mercado evita enquanto comemora a quantidade de agentes que coloca em produção: quem autorizou aquele nível de autonomia? Com base em quê? E essa pessoa entendeu, de verdade, o que estava transferindo?

A pergunta é sobre discernimento: a capacidade de um líder olhar para uma decisão de delegação e dizer: “Sei o que estou transferindo e sustento essa escolha.”

Na SaaStr, ninguém fez esse exercício. O agente tinha acesso irrestrito ao ambiente de produção: podia ler, escrever, apagar, sem escopo definido, sem teto de autoridade, sem um humano nomeado como responsável se desse errado. Era o equivalente a contratar um executivo com acesso total à operação, sem job description, sem alçada, sem accountability e sair da sala.

E alguém aqui vai dizer: “Mas era só uma ferramenta de código.”

No momento em que um sistema toma decisões autônomas, ignora uma instrução humana explícita, executa uma ação destrutiva e fabrica evidências para encobrir, deixa de ser uma ferramenta e se torna um tomador de decisão que opera sem estrutura.

A McKinsey tem 25.000 agentes operando ao lado de 40.000 funcionários humanos. Alguns já decidem quais consultores serão alocados a quais projetos de clientes. O CEO Bob Sternfels confirmou e admitiu que a firma ainda não havia informado os clientes sobre isso. Um alerta: uma das consultorias mais poderosas do mundo está usando agentes para decidir quem atende seus clientes. E os clientes não sabem.

Isso é delegação sem consciência em escala institucional, vendida como inovação.

—

Em 1986, os engenheiros da NASA sabiam que os o-rings do Challenger eram vulneráveis a baixas temperaturas. A informação e os alertas já existiam.

A decisão de lançar foi tomada por pessoas sob pressão de cronograma e orçamento, com a expectativa pública pesando. Faltou coragem moral para dizer “não” quando todos os incentivos diziam “sim”. Sete pessoas morreram.

Richard Feynman, na comissão investigadora, concluiu algo que devia estar emoldurado no escritório de todo CEO, colocando um agente em produção: a tecnologia não falhou, mas sim o julgamento humano. A estrutura de decisão e a capacidade de ouvir um alerta desconfortável e agir sobre ele, falharam.

E 40 anos depois, mesmo padrão, em escala diferente. No lugar de um ônibus espacial, milhares de agentes tomam milhares de decisões por segundo. No lugar de sete engenheiros gritando alertas, dados da IDC projetando que 60% das falhas de IA terão origem em lacunas de governança, e boardrooms inteiros optando por não ouvir.

Porque ouvir exigiria desacelerar. E ninguém quer desacelerar quando o mercado está acelerando.

Quando falo sobre governança de delegação agêntica, o mercado pensa em frameworks, checklists, compliance, EU AI Act, LGPD. Tudo necessário, nada suficiente.

Compliance define o mínimo e governança define a estrutura. Mas nem uma nem outra substitui o que determinará se uma organização sobrevive à era agêntica: a consciência de quem decide o que delegar.

Consciência aqui significa uma coisa concreta: a capacidade de um líder fazer quatro perguntas antes de transferir qualquer decisão a um agente:

• Esse sistema tem competência comprovada nesse domínio?

• Existe um humano nomeado que responde se ele errar?

• A decisão é reversível? Se não for, qual o protocolo?

• Como o agente documenta a justificativa de cada decisão?

Numa sessão de conselho recente, lancei as quatro perguntas sobre um caso concreto que a empresa estava prestes a colocar em produção. Três dos sete conselheiros não conseguiram responder uma só. E essa empresa já havia assinado um relatório de governança de IA afirmando que o assunto estava “sob controle”.

A esmagadora maioria dos líderes que estão colocando agentes em operação não faz nenhuma das quatro.

E por que não fazem? Tem um padrão que se repete em toda organização que adota IA agêntica: a velocidade da tecnologia ultrapassou a da reflexão. O custo de delegar se aproximou de zero, mas o peso da decisão delegada continua imenso.

Quando delegar era caro, quando exigia contratar, treinar, supervisionar, a fricção forçava o líder a pensar. Escolher, definir limites e assumir responsabilidade.

Quando a delegação é instantânea, quando um agente entra no ar em horas, com acesso a sistemas críticos, sem que ninguém no board fique sabendo, essa fricção desaparece. E com ela, desaparece o momento de julgamento.

Eu chamo isso de paradoxo da delegação sem peso: quanto mais fácil fica delegar, menos a gente pensa sobre o que está delegando. E é nesse vácuo, entre a velocidade da máquina e a lentidão da consciência, que se acumulam as decisões mais perigosas de uma organização. Em silêncio. Sem estrutura. Sem que o conselho saiba o que está acontecendo.

Coase explicou, em 1937, por que firmas existem: porque a coordenação interna é mais barata do que a coordenação por meio do mercado. Agentes autônomos zeram esse custo.

Então sobra o accountability e a estrutura que define quem responde por quê. Sobra o humano que decide o que não deve ser delegado, não porque a máquina não possa fazer, mas porque o peso moral da decisão exige um tipo de responsabilidade que nenhum agente assume.

Essa é a nova lógica da firma. A organização do futuro não vai ser definida pela quantidade de agentes que operam. Será definida pela qualidade da consciência que governa as decisões desses agentes.

Eu venho dizendo isso há quase 15 anos, de formas diferentes.

Quando colaborei no livro Transformações Exponenciais com Salim Ismail em 2019, a tese era que organizações exponenciais não escalam tecnologia, mas escalam modelo de negócio. Em 2023, no Exponential Organizations 2.0, mostramos como os atributos exponenciais redefinem a criação de valor.

Agora, no ExO 3.0, o argumento chegou aonde sempre caminhava: a Singularidade Organizacional é o momento em que a organização precisa decidir o que é insubstituivelmente humano. A resposta a essa pergunta não está na competência técnica, na capacidade analítica nem na velocidade de execução.

A resposta é discernimento. A capacidade de olhar para um agente que pode decidir tudo e escolher o que não vai decidir. Por clareza, não por medo. Pela compreensão de que existem decisões cujo peso exige skin in the game, consequência pessoal, um tipo de responsabilidade que não se transfere para um sistema sem que essa transferência diga algo profundo sobre quem você é como líder.

Existe uma diferença que o mercado não está fazendo e precisa fazer.

Existem organizações que delegaram 200 decisões a agentes com arquitetura: escopo definido para cada agente, teto de autonomia claro, um humano nomeado para cada camada de decisão, revisão programada de limites.

E existem organizações que delegaram as mesmas 200 decisões por conveniência. Porque era rápido. Porque o fornecedor prometeu. Porque todo mundo está fazendo.

Por fora, as duas parecem iguais. Mesmos dashboards, mesmos KPIs, mesmo número de agentes. Por dentro, uma é uma operação governada. A outra é uma bomba com uma interface bonita.

A maioria das organizações brasileiras opera nos dois primeiros estágios de maturidade em delegação: sabe que tem agentes, mas não sabe o que esses agentes podem decidir, quem responde quando eles erram, nem se os limites foram revisados desde que entraram em operação.

Isso é uma falha de governança no nível do conselho, vendida internamente como um problema de TI.

Estamos escalando eficiência ou escalando irresponsabilidade?

A distância entre as duas nunca foi tão estreita. E o que separa uma da outra é o caráter. Não tecnologia, não regulação, não orçamento.

Caráter de parar quando todo mundo está acelerando. De fazer perguntas que ninguém quer responder. De olhar para um agente capaz de operar com autonomia total e dizer: “não. Essa decisão precisa de um humano. Não porque a máquina não pode, mas porque o que está em jogo exige alguém que carregue o peso quando der errado.”

A história vai lembrar desse momento da mesma forma que lembra de 1986: pela qualidade do julgamento de quem governava, não pela tecnologia.

A pergunta não é se sua empresa vai adotar IA agêntica. Já adotou. A pergunta é se existe, na sua organização, alguém com clareza moral suficiente para decidir o que não delegar.

Porque quando tudo pode ser delegado, a única coisa que define quem você é, como líder e como organização, é o que você escolhe manter nas suas mãos.

Se você é CEO ou conselheiro, leu isso e bateu em alguma das quatro perguntas, entre em contato. Quero ouvir como sua organização está lidando.

E se você quer trazer essa conversa pro seu board, é exatamente para isso que a Mirach existe.

Referências:

CLABURN, Thomas. Vibe coding service Replit deleted user’s production database, faked data, told fibs galore. The Register, 20 jul. 2025. Disponível em: https://www.theregister.com/2025/07/21/replit_saastr_vibe_coding_incident/

COASE, Ronald H. The Nature of the Firm. Economica, v. 4, n. 16, p. 386–405, 1937.

FEYNMAN, Richard P. Appendix F – Personal Observations on the Reliability of the Shuttle. In: Report of the Presidential Commission on the Space Shuttle Challenger Accident, Volume 2. Washington, D.C.: U.S. Government Printing Office, 1986. Disponível em: https://www.nasa.gov/history/rogersrep/v2appf.htm

HOFFMAN, Liz. McKinsey Now Has 60,000 Employees: 25,000 of Them Are AI Agents. Business Insider, 11 jan. 2026. Disponível em: https://www.businessinsider.com/mckinsey-workforce-ai-agents-consulting-industry-bob-sternfels-2026-1

Eles estão certos. Estão atrasados, mas não no que pensam.

A maioria das empresas está tentando vencer uma batalha cuja regra muda a cada semana, com um plano construído sob a premissa de que o mundo atual é uma versão mais complexa do anterior. Na prática, é outro mundo, com outra lógica. O erro, antes estratégico, agora é cognitivo.

A diferença entre complexidade e interdependência

O World Economic Forum descreveu o momento como uma convergência de riscos simultâneos: geopolíticos, tecnológicos, climáticos, sociais, que se amplificam mutuamente. A descrição é boa, mas insuficiente. Trata como “riscos” o que já é condição estrutural.

Há uma camada mais profunda e poucos relatórios capturam: o sistema saiu do modo complexo e entrou no modo interdependente. A complexidade você analisa. A interdependência você absorve, e ela define as regras de sobrevivência.

Energia, tecnologia, poder, cadeias, inflação e comportamento de consumo formam hoje um único organismo. Quando um deles se mexe, todos respondem em horas, não em ciclos.

Isso quebra a base do planejamento estratégico tradicional. O plano clássico assume contornos: setores, departamentos, ciclos e cenários. A interdependência apaga contornos. Por isso, o plano de cinco anos não está apenas errado, mas também nasce obsoleto em suas próprias premissas.

Ray Kurzweil descreveu, em sua Lei dos Retornos Acelerados, a curva exponencial do progresso tecnológico. O que ele talvez tenha subestimado é que, quando muitas curvas exponenciais se tocam simultaneamente, o efeito não é de aceleração. É de compressão. O tempo entre causa e consequência colapsa.

E quando o tempo colapsa, os planos colapsam junto.

O sinal que falta

O dado mais relevante do momento não é a IA, as guerras ou o clima. É outro: a geoeconomia virou a principal forma de conflito global.

Tarifas são armas. Cadeias são vulnerabilidades. Commodities são alavancas. Dados são território. O mercado ainda chama isso de “risco”. Mas o risco é algo que se evita. O que está em curso é estrutural: não dá para evitar, só para incorporar.

A diferença é operacional, não semântica. Você não constrói defesa contra a geoeconomia. Você redesenha a organização para operá-la.

Em Armas, Germes e Aço, Jared Diamond mostrou como geografia, recursos e cadeias de produção determinaram quais sociedades dominaram quais. A tese não envelheceu, mas apenas migrou de continentes para data centers, de rotas marítimas para semicondutores, de impérios para zonas tarifárias. O território mudou, mas a lógica é a mesma.

A ilusão mais cara do momento: “IA resolve”

Há um entusiasmo quase ingênuo pela IA. Um detalhe ignorado: ela depende de energia, de infraestrutura e de estabilidade. Os três estão sob pressão simultânea.

Já existem alertas claros de que choques energéticos podem desacelerar o avanço da IA. É uma inversão estrutural, pois a tecnologia que parece exponencial depende de um sistema cada vez mais instável. A IA não resolve o sistema, já que amplifica o que já existe.

E há um ponto que poucos endereçam corretamente. A maioria pergunta: “Como aplicamos IA aos nossos processos?” A pergunta certa é outra: “Onde a IA muda o que é economicamente possível?”

A primeira gera chatbots e pilotos, mostra atividade, deixa os consultores cada vez mais ricos. Mas não move o ponteiro. A segunda exige reescrever o modelo operacional, é a única que dá resultado, e cobra um preço alto: coloca o cargo à prova, o resultado vem no longo prazo, e não rende palco em evento de startup nem bom artigo no LinkedIn.

Agentes, não assistentes

Há uma transição quase invisível em andamento. As empresas que entenderam a pergunta certa pararam de comprar assistentes. Estão implementando agentes: sistemas autônomos que operam sem supervisão constante, executam tarefas completas e tomam decisões dentro de limites definidos.

Quem ainda está no modo “ferramenta” perdeu o timing. Quem está no modo “arquitetura” tem chance real, embora não garantida.

Esse é o deslocamento que precisa ser incluído no comitê executivo. Não como pauta de inovação, mas como variável no planejamento de capital, no redesenho de organograma e na premissa de receita futura.

A convergência que muda as premissas

Uma das poucas leituras realmente úteis dos últimos meses é direta: IA, energia e geopolítica estão chegando ao mesmo tempo.

A frase é simples, mas elimina a possibilidade de pensar a estratégia por partes.

Não existe mais estratégia digital, operacional, de pessoas e de IA. Existe a capacidade de operar em um sistema sobrecarregado. E essa capacidade não é cognitiva, é arquitetural. Você a constrói antes do choque, ou improvisa durante.

O trabalho não está mudando pois já está dissolvido

A discussão pública sobre emprego ainda é superficial. A moda dos palestrantes do “futuro do trabalho” está alguns anos atrás do que importa.

O que efetivamente impacta a agenda de quem decide é mais radical: funções desaparecem como unidade, habilidades se recombinam, vínculos se tornam fluidos.

O próprio WEF aponta cenários em que o futuro do trabalho depende menos da tecnologia e mais da capacidade de adaptação das pessoas e das instituições.

O problema não é automação. É desalinhamento. Empresas que ainda medem produtividade por tempo, e não por resultado, vão descobrir que estão pagando por uma métrica que perdeu sentido.

Um teste prático: se o cliente espera uma proposta com número de horas e valor-hora, o diagnóstico estratégico já começou pelo lado errado.

O maior erro estratégico do momento

Empresas continuam estruturando suas análises assim:

• IA → inovação

• Energia → custo

• Pessoas → RH

• Geopolítica → risco

• Dados → TI

Essa separação não existe mais na realidade. E é o que mais consome decisão executiva: comitês paralelos, planos paralelos, métricas paralelas, todos olhando para o mesmo sistema com lentes que não se comunicam entre si.

O resultado são organizações muito bem informadas e profundamente desorientadas. Veja a abundância de artigos de especialistas no LinkedIn ou a velocidade com que circulam relatórios de download de eventos como o SXSW. A informação é abundante, mas a sua interpretação é rara.

O novo campo de decisão

Após a remoção do ruído, restam poucas variáveis. Cada uma precisa ser vista com outra lente. Energia é um limite de operação, antes de ser um custo. Quem não tem acesso garantido à energia confiável, não escala IA.

Geopolítica é infraestrutura invisível. Cada decisão de cadeia, fornecedor, parceiro e jurisdição é uma decisão geopolítica disfarçada. IA é arquitetura de decisão. A pergunta deixou de ser “onde aplicar”. Passou a ser “qual processo de redesenhar, tendo a IA como peça estrutural”.

Cadeias são sistemas de resiliência. Cadeia mais curta com redundância é mais cara, e mais inteligente. Trabalho é capacidade adaptativa. Você contrata pelo que a pessoa pode aprender, não pelo que ela já sabe.

Consumo é resposta à instabilidade. O comportamento muda mais rápido do que a estratégia de produto consegue acompanhar. Capital é velocidade de reconfiguração. Capital lento, em um sistema que muda em semanas, vira capital parado.

A pergunta que substitui as outras

Empresas ainda perguntam: “Como crescer?”. A pergunta ficou pequena. A pergunta certa hoje é: “Como operar sem colapsar em um sistema interdependente?”

E para quem está pensando uma década à frente: “Como reconfigurar a organização tão rápido quanto o ambiente o faz?”

A vantagem competitiva mudou de lugar

Há um axioma de longa data segundo o qual a vantagem competitiva virá da tecnologia. Não é mais verdade. A tecnologia será commodity.

A vantagem está em outro lugar: capacidade de integrar variáveis conflitantes, qualidade de decisão sob pressão, velocidade de reconfiguração e clareza interpretativa em meio ao ruído.

Esses quatro elementos não estão em nenhum ERP. Estão na arquitetura da organização, na cabeça da liderança e no desenho dos processos.

Quem trata isso como um problema de tecnologia fica para trás. Quem trata como problema de design organizacional, ganha vantagem real.

O que isso exige da liderança agora

Três movimentos que praticamente ninguém está fazendo:

1. Parar de planejar e começar a desenhar.

Plano pressupõe estabilidade. Design pressupõe adaptação. O entregável de uma liderança em um sistema interdependente não é um plano anual. É uma arquitetura organizacional capaz de se reconfigurar.

2. Redesenhar antes de automatizar.

A maior parte do que sua empresa automatizou não deveria existir. Automatizar um processo ruim só amplifica o ruído. A ordem correta é: questionar requisito, redesenhar processo, simplificar o que sobrou, e só então automatizar. Quase todo mundo faz o oposto e escala a ineficiência com verniz tecnológico.

3. Trocar muitos comitês por alguns agentes.

Não no sentido de demitir pessoas. No sentido de arquitetura. Decisões repetitivas deveriam ser tomadas por sistemas autônomos. Decisões raras deveriam concentrar a atenção de profissionais qualificados. A maioria das organizações faz exatamente o oposto: humanos travados em funções operacionais, e nenhuma cabeça sobrando para decisões críticas.

Conclusão

O mundo não está acelerando. Está se comprimindo. Eventos que antes levavam anos agora se sobrepõem a semanas. A mudança que poucos fizeram: parar de buscar mais informação e começar a buscar uma interpretação melhor. E, uma vez tendo a interpretação, fazer a única coisa que ainda diferencia organizações e agir antes do consenso.

Este texto sintetiza o que tenho visto em conversas com lideranças que estão atravessando essa transição agora. Se a sua organização ainda está fazendo as perguntas erradas ou ainda está organizada por departamentos para um problema sistêmico, é hora de uma leitura mais profunda da arquitetura atual.

Se quiser conversar sobre isso, vou responder pessoalmente a cada comentário que deixar nos artigos do Radar Mirach.

Deixe um comentário

Referências

• Diamond, Jared. Armas, Germes e Aço: Os Destinos das Sociedades Humanas. Editora Record, 1997.

• Kurzweil, Ray. The Law of Accelerating Returns. Ensaio publicado em 2001. Disponível em: https://www.thekurzweillibrary.com/the-law-of-accelerating-returns

• Kurzweil, Ray. The Singularity Is Nearer. Viking, 2024.

• World Economic Forum. Global Risks Report 2026. Disponível em: https://reports.weforum.org/docs/WEF_Global_Risks_Report_2026.pdf

• Geopolitical and Economic Risks Rise in New Age of Competition. PreventionWeb, 2026. Disponível em: https://www.preventionweb.net/news/global-risks-report-2026-geopolitical-and-economic-risks-rise-new-age-competition

• World Economic Forum. AI, Energy and Geopolitics Leadership. 2026. Disponível em: https://www.weforum.org/stories/2026/03/ai-energy-and-geopolitics-leadership/

• WEF Sees 4 AI Futures for Jobs by 2030. Business Insider, 2026. Disponível em: https://www.businessinsider.com/wef-sees-4-ai-futures-for-jobs-by-2030-only-one-limits-disruption-2026-1

• Oil Prices, AI Boom, WTO and Energy. The Guardian, 2026. Disponível em: https://www.theguardian.com/business/2026/mar/19/oil-prices-ai-boom-wto-iran-war-energy-global-economy

Não por limitação do modelo nem por falta de investimento, pois a tecnologia funciona. A organização por trás dela, não.

Esse dado deveria incomodar qualquer CEO que, nos últimos 18 meses, aprovou orçamentos de IA esperando retorno. Porque o que ele revela não é uma falha técnica, mas sim uma falha de arquitetura decisória.

A armadilha da facilidade

Existe um paradoxo que poucos nomeiam: nunca foi tão fácil criar um agente de IA e nunca foi tão difícil fazê-lo funcionar em uma organização real.

Plataformas no-code permitem que qualquer pessoa monte um agente em minutos. A barreira técnica de entrada praticamente desapareceu. E é exatamente aí que a armadilha se fecha.

A facilidade de criação gera uma falsa sensação de domínio. Líderes assistem a demonstrações impressionantes, aprovam projetos-piloto e acreditam, genuinamente, que o trabalho está feito. Não está. Está apenas começando.

Criar o agente é o equivalente a contratar um executivo brilhante e colocá-lo para trabalhar sem descrição de cargo, sem alçada definida, sem metas claras e sem consequências.

Qualquer conselheiro reconhece que isso é uma receita para o desastre quando se trata de pessoas. Mas quando se trata de agentes autônomos, essa mesma liderança aceita o vazio organizacional como se fosse normal.

O que o caso da Ambev revela (e o que ele esconde)

Em 2018, Jorge Paulo Lemann participou de um debate no Milken Institute, na Califórnia, sobre estratégia e liderança na era da disrupção. Um dos homens mais ricos do mundo, dono de negócios como a própria Ambev e o Burger King, foi direto: “Sou um dinossauro apavorado. Eu tenho vivido neste mundo confortável de marcas antigas e de grandes volumes, nada mudando muito. E, de repente, estamos vivendo disrupções de todas as formas.”

Sete anos depois, a Ambev demonstrou que, em poucos meses, mapeou 6 mil tarefas automatizáveis. Resultado: automatizou 12% das comunicações em vídeo e por e-mail. Com todo o capital, talento e infraestrutura que uma operação desse porte tem.

O dado isolado parece modesto. A lição vai além do que a maioria está disposta a reconhecer.

Assine agora

O erro inicial, que a própria liderança admitiu publicamente, foi focar na ferramenta em vez do processo. O resultado veio quando mudaram a abordagem: letramento das equipes, revisão de fluxos, supervisão contínua. A automação liberou entre 40% e 50% do tempo de TI para atividades estratégicas. O ganho veio da reorganização, não do agente.

Se Lemann, em 2018, já reconhecia estar com medo e lutando para se ajustar, imagine o que acontece quando uma empresa de 500 ou 2.000 pessoas decide “implementar IA” depois de assistir a uma apresentação de 45 minutos. Sem o capital da Ambev. Sem a sofisticação operacional e a disposição para admitir o erro e recomeçar.

Piloto aprovado. Ferramenta instalada. Entusiasmo inicial. Abandono silencioso. E ninguém no conselho faz a pergunta óbvia: por que paramos de falar sobre aquele projeto de IA?

O filtro que 95% das empresas não têm

Entre os casos do Agentic Summit, o da Eurofarma oferece o contraste mais instrutivo.

Enquanto a maioria das empresas corria para implementar, a Eurofarma criou um comitê multidisciplinar, reunindo TI, segurança, jurídico, marketing e gestão de mudanças, com uma função radical na cultura corporativa brasileira: questionar antes de aprovar.

Qual é o problema real? O que esperamos como resultado e como vamos medir? Quem é o dono da iniciativa depois que o piloto termina? Perguntas básicas. E são. O que as torna extraordinárias é que quase ninguém as está fazendo.

O dado que deveria tirar o sono de qualquer conselho

Menos de 1% dos executivos brasileiros têm formação técnica em inteligência artificial. O dado, apresentado pela AI Brasil em um evento recente, tem uma implicação direta: a maioria dos líderes que aprova, financia e supervisiona projetos de IA não consegue distinguir um chatbot de atendimento de um agente autônomo que toma decisões operacionais.

E não é um problema exclusivamente brasileiro. Uma pesquisa publicada em abril de 2026 por pesquisadores da Queensland University of Technology, analisando as 500 maiores empresas listadas na bolsa australiana, encontrou que mais da metade não tem nenhum diretor com formação STEM (Science, Technology, Engineering, and Mathematics) no seu conselho. A representação técnica passou de 8% para 13% em 15 anos. Advogados, contadores e executivos financeiros ainda ocupam 42% dos assentos. Mesmo em empresas de tecnologia e saúde, os contadores superam os especialistas técnicos em número.

O mesmo estudo mostra que empresas com maior representação técnica nos conselhos investem mais em inovação e são valorizadas mais alto pelos investidores. O problema não é a falta de evidência, mas a inércia estrutural.

Quando um CEO não entende a diferença entre esses dois mundos, três coisas acontecem de forma sistemática: investimentos são alocados sem critério claro de priorização, resultados são cobrados com métricas erradas, e fracassos são atribuídos à tecnologia quando a causa real é a gestão.

O IDC FutureScape 2026 é direto: até 2030, até 20% das maiores organizações do mundo enfrentarão processos judiciais, multas e demissões de CIOs devido a controles inadequados sobre agentes de IA. Ao mesmo tempo, projeta que 60% dos CEOs do G2000 usarão IA agêntica para decisões estratégicas e planejamento de conselho.

A diferença entre um destino e outro não está na tecnologia escolhida. Está na governança que sustenta a operação.

O mundo está regulando. O Brasil ainda está instalando.

A Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, não por falha técnica, mas por serem experimentos impulsionados pelo hype, sem estratégia por trás. Dos milhares de fornecedores que se apresentam como “agênticos”, apenas cerca de 130 têm capacidade real. O restante rebatiza os chatbots existentes com um vocabulário novo.

A Fundação Linux criou a Agentic AI Foundation para estabelecer padrões de interoperabilidade e de governança. O EU AI Act entra em plena vigência em agosto de 2026, com penalidades de até 6% da receita global. A Forrester projeta que 60% das empresas da Fortune 100 nomearão um líder dedicado à governança de IA.

No Brasil, na maioria, estamos instalando coisas.

A mudança mais importante de 2026 não é técnica. É a passagem de “human-in-the-loop“, em que o humano aprova cada decisão, para “human-on-the-loop“, em que o humano supervisiona e intervém nas exceções.

Essa transição muda fundamentalmente o papel da liderança. E exige uma competência que a maioria das organizações não desenvolveu: saber o que pode ser delegado, em que nível de autonomia, com quais controles e sob a responsabilidade de quem.

O verdadeiro gargalo

Depois de mais de dez anos trabalhando com transformação organizacional, o padrão que vejo é sempre o mesmo.

Empresas instalam a ferramenta e acham que se transformaram. Mas se a cultura, os processos e os modelos de decisão permanecerem idênticos, a ferramenta não muda nada. Vira enfeite caro.

O que os 95% de fracasso revelam não é que os agentes de IA não funcionam. É que as organizações brasileiras não estão estruturadas para operar com agentes. Não têm frameworks de governança. Não têm trilhas de auditoria. Não têm políticas claras sobre o que um agente pode ou não fazer de forma autônoma. Não há um humano nomeado como responsável por cada decisão que um agente toma.

Sem isso, cada agente implantado é uma aposta, não uma estratégia.

A velocidade de adoção impressiona na apresentação. O que gera resultado é a profundidade da mudança. Profundidade exige redesenho de processos, definição de alçadas, construção de competências de supervisão, criação de comitês de governança, e desenvolvimento de métricas de performance para agentes autônomos. Todo o tecido organizacional que sustenta a operação depois que o fornecedor vai embora.

A pergunta que falta nos conselhos brasileiros

Existe uma pergunta que quase nenhum conselho de administração no Brasil está fazendo, e deveria estar:

Para cada agente de IA que opera na nossa organização, existe um humano formalmente responsável pelas decisões que esse agente toma?

Se a resposta for não, e na maioria dos casos é, a organização opera com risco não mapeado. Não há risco técnico. Risco de governança, de compliance, de reputação. O tipo que aparece na ata do conselho, depois que o dano já foi cometido.

Um agente que aprova crédito indevido. Um agente que publica conteúdo inadequado. Um agente que prioriza pacientes de forma enviesada. Em todos esses cenários, a tecnologia funcionou: executou o que foi programada para executar. O erro não foi do modelo. Foi de quem não desenhou a arquitetura de delegação antes de conceder ao agente o poder de decidir.

O que os 5% que funcionam têm em comum

Os casos que geram resultados reais compartilham três características que não têm nada a ver com a sofisticação do modelo ou da plataforma.

Primeiro: clareza sobre o problema. Eles não implantam agentes para “inovar”, mas para resolver um problema específico, com critérios de sucesso definidos antes da implementação.

Segundo: governança como infraestrutura, não como burocracia. Definem quem supervisiona, como se mede e quando se intervém, antes de ligar o agente.

Terceiro: autonomia progressiva. Começam como agentes observadores, evoluem para operadores com revisão humana e só se tornam autônomos quando há evidência suficiente. Cada promoção tem critérios mensuráveis e aprovação formal.

Isso não é gestão de tecnologia. É gestão, ponto. Os mesmos princípios que um conselheiro experiente aplicaria para delegar autoridade a um executivo humano, escopo definido, alçada clara, métricas de performance, supervisão proporcional ao risco, se aplicam integralmente a agentes de IA.

A diferença é que o agente é mais rápido, mais barato e não negocia salário. Mas também não tem julgamento moral, não entende o contexto político, não lê entre as linhas e não sabe quando parar.

2026 é o ano da cobrança

Não é mais aceitável aprovar orçamentos de IA sem critérios claros de sucesso. Não dá mais para ter agentes operando sem que alguém no C-level saiba quantos são, o que fazem e quem responde por eles. Tratar a governança de IA como um problema de TI é um erro de categoria: trata-se, fundamentalmente, de um problema de governança corporativa.

A janela é estreita. Entre 12 e 18 meses, as grandes consultorias globais vão montar práticas estruturadas de governança agêntica no Brasil. Quem já tiver clientes operando, casos documentados e reputação construída terá uma posição que não se replica com investimento em marketing.

A pergunta real não é se a sua empresa vai usar IA. Essa decisão já foi tomada pelo mercado.

As perguntas são: a sua organização está estruturada para governar o que já implantou? E se não está, quem vai pagar o preço quando o primeiro agente errar de verdade?

Deixe um comentário

Abro o Instagram, o YouTube, o LinkedIn ou o TikTok e vejo um rosto conhecido. Um cara que eu acompanhava porque falava bem sobre marketing. Ou sobre finanças pessoais. Ou sobre produtividade. Gente que eu respeitava no território que dominava.

Hoje, esse mesmo rosto está me ensinando a “criar agentes de IA em 10 minutos” e a “faturar 6 dígitos com automação inteligente.” E eu sinto um frio na espinha.

O padrão que ninguém quer enxergar

Você já viu esse filme antes.

Em 2017, eram as criptomoedas. Todo mundo era “especialista em blockchain.” Veio o NFT, mesma turma, nova roupagem. Dropshipping. Marketing de afiliados. Cada onda traz os mesmos rostos, com a mesma urgência fabricada, vendendo a mesma promessa: “Você está ficando para trás.”

Agora é a inteligência artificial.

E, dessa vez, é mais perigoso. A tecnologia é real, a transformação vai acontecer e o impacto nos negócios e nas carreiras é concreto.

Mas não é só por isso. É porque os veículos de distribuição são mais poderosos do que em qualquer onda anterior. Newsletters com milhões de assinantes. Plataformas que constroem software com um prompt. A escala do alcance acompanhou a da tecnologia, e o oportunismo escalou junto.

Quando uma celebridade perdia quase 100% do valor investido num NFT de um desenho de macaco, a lição custava alguns milhares de reais. Quando alguém vende uma competência falsa em IA, o prejuízo pode ser uma carreira, um produto inteiro ou uma decisão estratégica sem volta.

O caso Lovable: quando o “vibe coding” encontra a realidade

Preciso te contar uma história que ilustra exatamente o que me preocupa.

“Vibe coding” foi eleita a palavra do ano de 2025 pelo dicionário Collins. A ideia é sedutora: você descreve o que quer em linguagem natural; a IA constrói o software. Não precisa saber programar, nem entender de banco de dados, nem pensar em segurança. Só vibes.

O Lovable é uma das plataformas mais populares desse movimento. Milhões de usuários. Investidores de peso. Celebrada em newsletters, podcasts e threads, a democratização do desenvolvimento de software.

Em fevereiro de 2026, um pesquisador de segurança chamado Taimur Khan decidiu testar um app educacional que a própria Lovable exibia como um case de sucesso em sua página. O app tinha mais de 100 mil visualizações. Centenas de votos positivos. Usuários reais de universidades como UC Berkeley e UC Davis, além de instituições na Europa, na África e na Ásia. Parecia sólido.

Em poucas horas, Khan identificou 16 vulnerabilidades, das quais 6 eram críticas.

A mais absurda: a lógica de autenticação estava invertida. O sistema bloqueava quem estava logado e liberava o acesso a quem não tinha conta. É o equivalente digital de trancar a porta para os moradores e deixá-la aberta para estranhos. Um revisor humano com conhecimentos básicos de segurança teria pego isso em segundos. Mas a IA otimizou para “código que funciona”, não para “código seguro.” E ninguém revisou.

Resultado: quase 19 mil registros de usuários ficaram expostos. Nomes, e-mails, funções acadêmicas, tudo acessível sem login.

E esse não era um caso isolado. Em uma análise mais ampla, pesquisadores escanearam 1.645 apps desenvolvidos na plataforma. Mais de 170 tinham bancos de dados completamente expostos, sem qualquer política de segurança configurada. Um scan independente de 100 apps feitos com ferramentas de vibe coding encontrou vulnerabilidades em 65% deles. Quase metade recebeu nota D em segurança.

Quando Khan reportou as falhas ao Lovable, o ticket de suporte foi encerrado. Só depois que os posts no Reddit acumularam milhares de votos positivos é que a equipe de segurança entrou em contato.

A questão aqui não é demonizar uma ferramenta. Ferramentas são ferramentas. A questão é o que acontece quando milhões de pessoas recebem a mensagem de que “qualquer um pode construir software com IA” e ninguém acrescenta a segunda metade da frase: “qualquer um pode construir software vulnerável com IA, e quem paga o preço são os usuários, não o criador.”

Quando o empreendedor de moda vira guru de IA

Vou dar um exemplo do padrão que me preocupa. E escolhi esse exemplo de propósito, porque é alguém que eu respeito.

Rony Meisler cofundou a Reserva, construiu um grupo de moda com faturamento superior a R$ 1,8 bilhão, vendeu o negócio e é uma referência legítima em varejo, cultura organizacional e liderança. Isso não está em discussão.

Mas hoje, no perfil dele no X, a descrição diz: “Falo sobre gestão, marketing e inteligência artificial.” A newsletter dele, o “Email do Rony”, conta com mais de 1,2 milhão de assinantes. E, nas edições recentes, ele ensina seus leitores a criar agentes de IA no Google Workspace, a montar robôs que fazem ligações automatizadas para clientes, e recomenda o Claude Code como uma ferramenta que “programa sozinha.” Em uma edição, ele recomendou o Lovable com entusiasmo, chamando de “muito, muito, muito foda.”

Sim, o mesmo Lovable cujas vulnerabilidades expuseram dados de milhares de pessoas.

Eu não estou dizendo que o Rony é desonesto. Acredito que ele está genuinamente empolgado com as possibilidades. E ele tem todo o direito de falar sobre o que quiser. Mas existe uma diferença entre experimentar uma ferramenta no seu próprio negócio e recomendar, para mais de um milhão de pessoas, que elas construam software, agentes e automações com tecnologias que você nunca implementou numa organização, nunca defendeu diante de um conselho pedindo explicações sobre governança de dados, e nunca acompanhou quando algo deu errado em produção.

Quando alguém com a credibilidade do Rony diz “usa essa ferramenta, é muito foda”, 1,2 milhão de pessoas escutam. Algumas vão construir aplicações que coletam dados de clientes, sem revisar a segurança, sem entender o que é Row Level Security, sem saber que a IA gerou uma lógica de autenticação invertida. E quando der problema, o Rony já vai estar na próxima edição da newsletter falando sobre outra coisa.

O próprio Rony já viveu esse roteiro. Na newsletter de março de 2026, ele contou que caiu na onda dos NFTs com o projeto Pistol Birds da Reserva. Nas palavras dele: vendeu, gerou barulho, mas morreu, porque, no fundo, ninguém entendia para que aquilo servia. A autocrítica é honesta, e eu respeito isso. Mas a mesma dinâmica está se repetindo com IA. A diferença é que dessa vez a escala de alcance dele é outra, e as consequências para quem segue o conselho são maiores.

Eu não estou tentando cancelar ninguém. Rony é um exemplo poderoso exatamente porque é alguém respeitado. É isso que torna o efeito mais amplificado. Se fosse um influenciador de quinta categoria, o dano seria menor.

O que eles não te contam

Saber usar o ChatGPT não é saber de IA. Assim como saber dirigir não faz de ninguém engenheiro mecânico.

Construir um agente que funcione numa demo de 3 minutos é outra coisa. Implementar uma estratégia de IA numa organização com pessoas reais, cultura arraigada, governança complexa e consequências concretas é completamente diferente.

A parte mais difícil da transformação por IA nunca foi a tecnologia, mas sim a liderança e o discernimento. Saber olhar para uma ferramenta brilhante e decidir que aquele não é o momento de usá-la. Isso não se aprende num tutorial de 10 minutos.

Eles não dizem isso porque não sabem. Nunca estiveram na sala onde essas decisões são tomadas. Nunca viram a cara de um CFO quando o projeto de IA estoura o orçamento, e não fazem ideia do que significa explicar a um conselho de administração por que os dados de 19 mil usuários foram expostos porque o agente construiu a autenticação ao contrário.

E agora temos números para comprovar: 65% dos apps desenvolvidos com ferramentas de vibe coding apresentavam falhas de segurança em uma análise independente. Código gerado por IA apresenta vulnerabilidades numa taxa entre 1,5 e 2 vezes maior do que o código escrito por humanos. Cada nova recomendação leviana de “usa essa ferramenta, é fácil” alimenta essa estatística.

O preço invisível

Existe um custo que ninguém calcula: o da confiança quebrada.

Quando um profissional compra um curso raso, aplica o que aprendeu, e falha, ele não perde só tempo e dinheiro. Perde a confiança na própria capacidade de aprender. Começa a associar “Inteligência Artificial” à frustração. A algo que “não é pra ele.”

Agora multiplique isso pelas consequências reais. 18.697 estudantes e professores tiveram seus dados expostos porque alguém desenvolveu um app educacional com IA, sem nenhum revisor humano responsável pela segurança. A plataforma tratou isso como um problema do usuário. O criador do app reconheceu as falhas só depois que o caso viralizou.

O Brasil perde mais um profissional que poderia estar se transformando de verdade. E ganha mais um cético que vai resistir à IA quando ela realmente puder ajudá-lo.

Isso me incomoda profundamente.

Porque a IA é, sim, para todos. Mas o caminho até ela precisa ser honesto, ter profundidade, e respeitar a inteligência de quem está aprendendo em vez de tratá-la como commodity de engajamento.

O que eu aprendi sentando na cadeira

Eu trabalho com consultoria e estratégia há anos. Sento com conselhos de administração. Desenho estratégias de IA para C-levels que precisam tomar decisões que afetam milhares de pessoas. Implemento o que outros só demonstram em slides.

E o que eu aprendi nesse caminho é desconfortável de dizer, mas preciso dizer: a maior parte do que está sendo ensinado sobre IA no Brasil é entretenimento disfarçado de educação.

Conteúdo que gera cliques, likes e uma falsa sensação de preparo. Assistir a um vídeo de cirurgia não te qualifica para operar. Mas é exatamente isso que está acontecendo com a IA no Brasil: gente consumindo conteúdo e saindo achando que está pronta.

A diferença entre informação e competência é a mesma que há entre ler uma receita e saber cozinhar para 200 pessoas sob pressão. Uma você absorve em 10 minutos. A outra leva anos e deixa cicatrizes.

Onde eu traço a linha

Não estou aqui para dizer que criadores de conteúdo não podem falar sobre IA. Podem e devem.

Estou aqui para traçar uma linha entre informação e formação, entre entretenimento e competência real. Quem surfa a onda e quem entende o que está debaixo da superfície do oceano são coisas diferentes, e a confusão entre as duas custa caro.

A linha não separa quem sabe tudo de quem não sabe nada. Separa quem assume a responsabilidade pelo que ensina de quem surfa a atenção sem carregar o peso das consequências. Porque o Lovable vai continuar existindo. O Rony vai continuar publicando. Os cursos de “agente de IA em 10 minutos” vão continuar vendendo. O que precisa mudar é a sua capacidade de distinguir quem te prepara de verdade de quem te vende a sensação de estar preparado.

Isso não é uma trend. É o futuro do seu trabalho, da sua empresa e da sua relevância profissional.

O que vem agora

Eu deveria ter feito isso antes. Mas não fiz e agora vou fazer.

É isso que o Radar Mirach existe para fazer: trazer clareza onde existe complexidade. E poucas áreas estão tão cheias de complexidade disfarçada de simplicidade quanto a adoção de IA no Brasil.

Por isso estou lançando Sinal e Ruído, uma série dentro do Radar Mirach dedicada a fazer exatamente o que um radar faz: separar o que importa do que é interferência. A cada edição, vou pegar um vídeo, um curso, uma ferramenta ou uma promessa que está circulando e mostrar, com contexto técnico e sem rodeios, o que está certo, o que está errado e o que é irresponsável.

Se você ainda não assina o Radar, inscreva-se aqui. É de graça.

Não vai ser sempre confortável. Vai incomodar. Mas se você toma decisões sobre IA na sua empresa ou na sua carreira, é melhor ter alguém separando o sinal do ruído do que descobrir a diferença depois que o estrago já está feito.

Me conta nos comentários: qual o pior conselho de IA que você já recebeu? E compartilha esse texto com alguém que precisa ler antes de investir tempo e dinheiro na próxima promessa vazia.

Deixe um comentário

A consultoria se construiu sobre uma ideia simples: o conhecimento especializado é escasso e, por isso, tem valor. Você paga por hora de alguém que sabe mais do que você. Recebe um deck de 80 slides, um relatório de 200 páginas e a sensação confortável de que agora tem um plano. Funcionou por décadas, mas quem não percebeu vai perceber da pior forma: perdendo contratos.

Nos anos 70, corria nos corredores corporativos uma frase que virou lei não escrita: “ninguém nunca foi demitido por contratar a IBM”. Não importava se havia uma alternativa melhor ou mais barata. A IBM era a escolha segura, a decisão blindada. Se o projeto desse errado, a culpa era da tecnologia, não de quem assinou o contrato. A consultoria estratégica herdou essa lógica. Durante décadas, contratar McKinsey, BCG ou Bain funcionou da mesma forma: menos como aposta no melhor resultado e mais como seguro de carreira para o executivo que aprovava o cheque.

O conselho pergunta por que o projeto de R$ 2 milhões não entregou o esperado. “Contratamos a McKinsey.” Conversa encerrada. Só que essa blindagem está perdendo validade. Quando o CEO percebe que 80% do diagnóstico que recebeu poderia ter sido gerado por um agente de IA em uma tarde, a grife no slide já não protege ninguém. O mercado está começando a cobrar resultados, não logotipos.

Inteligência deixou de ser escassa

A McKinsey construiu a Lilli, sua plataforma proprietária de IA generativa, e até o final de 2025, cerca de 72% dos seus 45 mil funcionários já usavam a ferramenta ativamente. Cada sessão na Lilli elimina, em média, seis minutos de busca manual em documentos e, com mais de 500 mil prompts mensais, isso equivale a mais de 50 mil horas de consultoria realocadas por mês, o que corresponde a cerca de US$ 12 milhões em custos de mão de obra.

Desde o início de 2025, consultores da McKinsey conseguem transformar um prompt curto em um deck pronto para o cliente diretamente na Lilli, e mais de 75% dos 43 mil funcionários usam essa funcionalidade mensalmente. Estimativas indicam que ferramentas como a Lilli e o Deckster da BCG já conseguem executar cerca de 80% do trabalho típico de um analista júnior em pesquisa e produção de slides, e fazem isso em segundos.

Sim: 80%. E, dessa vez, não sou eu dizendo. São estimativas da própria indústria.

Esses números são da McKinsey. Mas o movimento não é só dela.

A corrida por parcerias com empresas de IA de fronteira se intensificou. Em março de 2026, a Anthropic lançou o Claude Partner Network com um investimento de US$ 100 milhões reunindo no programa, McKinsey, BCG, Bain, Accenture, Deloitte e PwC, além de AWS e Google Cloud como parceiros de infraestrutura.

A Bain expandiu seu ecossistema digital com alianças simultâneas com OpenAI, Microsoft, AWS, Google, Palantir e Salesforce e em março de 2026, ampliou sua parceria com a Palantir para entregar transformações de AI de ponta a ponta, da estratégia à operacionalização.

A EY investiu US$ 1,4 bilhão em IA e desenvolveu seu próprio LLM, o EYQ. A receita de consultoria em AI da Accenture cresceu em US$ 900 milhões apenas com novos contratos em 2024. A Accenture já está treinando 30 mil profissionais especificamente em Claude para atender à demanda de seus clientes.

A indústria inteira está se movendo. Mas na direção certa?

O modelo de horas ainda domina, mas está rachando

Mesmo na McKinsey, considerada uma das firmas mais agressivas em AI, apenas cerca de 25% das receitas globais de 2025 vieram de contratos atrelados a resultados. O restante ainda vem de faturamento tradicional por horas.

Esse número revela a tensão central: as firmas sabem que precisam mudar, mas o modelo antigo ainda paga as contas. O problema é que os clientes estão aprendendo a fazer as contas também. Se a AI reduziu drasticamente o custo interno de entrega dos projetos, mas os preços cobrados ao cliente permaneceram os mesmos, a margem das consultorias aumentou enquanto o valor percebido pelo comprador diminuiu. Essa assimetria não se sustenta por muito tempo.

O modelo piramidal clássico, que dependia de grandes equipes de analistas juniores para pesquisa manual e produção de slides, está dando lugar a times menores e mais ampliados por meio da tecnologia. No Reino Unido, as Big Four cortaram entre 6% e 30% das contratações de entrada nos últimos dois anos.

E quando a consultoria tenta usar AI sem mudar o modelo, o resultado pode ser desastroso. Em outubro de 2025, a Deloitte Austrália precisou devolver parte dos AU$ 440 mil pagos pelo governo australiano por um relatório de 237 páginas, repleto de referências acadêmicas fabricadas, citações de jurisprudência inexistentes e até uma citação inventada de um juiz federal. O pesquisador Chris Rudge, da Universidade de Sydney, identificou os erros e comentou que eram, nas suas palavras, o tipo de erro que colocaria um estudante de primeiro ano em sérios problemas.

Isso não é um argumento contra a IA. É um argumento contra o uso de IA como atalho para entregar mais do mesmo, mais rápido e sem supervisão. O modelo de horas + slides + volume incentiva exatamente esse comportamento.

O que está funcionando: resultado verificável, risco compartilhado

O setor está migrando de uma entrega baseada em projetos para iniciativas contínuas de AI atreladas a resultados de receita e de operações. As firmas que completaram essa transição estão capturando receita recorrente e construindo relações difíceis de substituir.

No SaaS, a Intercom já precifica seu agente de IA, o Fin, a US$ 0,99 por resolução bem-sucedida. O cliente só paga quando o problema é efetivamente resolvido. Esse modelo, que seria impensável há cinco anos, está se espalhando.

Dados do final de 2025 mostram que consultores especializados em indústrias ou funções específicas já cobram entre 30% e 40% mais do que os generalistas. E equipes híbridas, que combinam consultores humanos com sistemas de IA, entregaram projetos 35% mais rapidamente do que equipes tradicionais em experimentos realizados em meados de 2025.

O padrão que se destaca é: especialização profunda + AI como infraestrutura + precificação por valor = o modelo que vai dominar.

O que eu mudei na minha abordagem

Facilito projetos de transformação junto a C-levels há mais de 20 anos. Trabalhei em projetos globais com gigantes como BASF, Siemens Energy, Visa, KPMG. E posso dizer que o que eu faço hoje seria irreconhecível para o Francisco de 2020.

Mas antes de falar do que mudou, preciso falar de um modelo que eu mesmo pratiquei e que não funciona mais.

Durante anos, a consultoria se vendeu como uma “parceria”. Mas na prática, o contrato dizia o seguinte: o cliente paga, a consultoria entrega, e se o resultado não vier, pelo menos ficou o relatório. Era uma relação de prestação de serviços travestida de colaboração. O consultor assumia a responsabilidade pelo relatório final. O cliente carregava a expectativa quanto ao resultado. E, no meio, ninguém assumia o compromisso real de implementar.

Isso funcionou enquanto o entregável tinha valor intrínseco. Quando um diagnóstico estratégico de 200 páginas era algo que uma empresa não conseguia produzir internamente, fazia sentido pagar por ele. Hoje, um agente de IA produz 70% desse diagnóstico em uma tarde. O entregável, em si, perdeu valor. O que não perdeu valor é a capacidade de transformar aquele diagnóstico em uma mudança real em uma organização. E isso exige investimento de ambos os lados.

Assine agora

Investimento não é só dinheiro

Quando falo de investimento, não falo só de dinheiro. Falo do tempo de agenda do C-level, do acesso real a dados e a pessoas, e da disposição para implementar o que for recomendado, mesmo quando for desconfortável. Um projeto de transformação que depende apenas do consultor entregar slides e do cliente aprovar ou reprovar é um projeto que nasce morto.

O melhor trabalho que eu entrego acontece quando meu cliente se entrega ao projeto junto comigo: reorganiza agendas, aponta um patrocinador executivo com poder de decisão e trata o projeto como prioridade operacional, não como encomenda do conselho. É por isso que hoje eu não entro em projetos em que o cliente quer comprar resultado sem participar da construção.

Não existe mais o modelo em que a consultoria sai com um cheque, desaparece por dois meses e volta com uma resposta pronta. Se eu uso agentes de IA para pesquisa, síntese e produção de documentos, o meu tempo fica livre para o que nenhum agente faz: facilitar conversas difíceis, desafiar premissas do conselho, construir consenso entre gente que discorda. Mas isso só funciona se o outro lado da mesa está igualmente comprometido.

Precificar por valor mudou completamente essa dinâmica. Quando o modelo era por hora, o incentivo do consultor era durar. Quando o modelo é por resultado, o incentivo é resolver.

Se meu trabalho destrava R$ 20 milhões em receita nos próximos 12 meses, cobrar R$ 200 mil é barato. Cobrar R$ 5 mil por dia é caro. Mas nenhum dos dois funciona se o cliente espera que o resultado apareça sem que ele mexa na própria operação. A precificação por valor só faz sentido quando ambos os lados estão dispostos a investir no resultado.

A provocação que não sai da minha cabeça

Sam Altman repete uma ideia que acho que a maioria dos consultores ainda não processou: construa para o mundo em que essa tecnologia é 100 vezes melhor do que atualmente e não apenas 10% mais eficiente.

Se a AI de 2026 já permite que um analista júnior da McKinsey produza, em horas, o que antes levava semanas, o que acontece quando os modelos forem 100 vezes mais capazes?

A resposta lógica é que tudo o que pode ser automatizado será automatizado. Pesquisa, benchmarking, análise de cenários, produção de slides, modelagem financeira básica. Tudo isso vira commodity. O que não vira commodity é o julgamento contextual, a facilitação de decisões em ambientes politicamente complexos e a capacidade de construir confiança com um conselho em 90 minutos.

O modelo consultivo está cada vez mais migrando de recomendações para implementação de sistemas vivos, como modelos treinados, processos redesenhados e sistemas habilitados por IA que o cliente pode usar. Não é um documento sobre a solução, mas a solução em si.

Para quem está assustado mas prestando atenção

Consultoria não vai morrer. Mas o modelo que vende horas, slides e a ilusão de exclusividade intelectual está morrendo agora. Segundo a Gartner, 40% das tarefas de consultoria são automatizáveis, liberando profissionais para se concentrarem em estratégia, resolução de problemas e construção de relacionamento com o cliente.

A questão não é se você vai usar IA, mas como vai reconfigurar seu modelo de negócio ao redor dela antes que o mercado o faça. Eu faço essa provocação com meus clientes há anos: se você não mexer no seu modelo, alguém vai mexer por você. Agora estou fazendo a mesma provocação para mim mesmo. Este artigo faz parte do processo.

Se você é consultor, quando foi a última vez que um cliente te pagou por resultado e não por hora? Me conta aqui.

Deixe um comentário

Referências

1. “2026 Consulting’s AI Revolution Update: Billions Spent, But the Old Pyramid Persists” — Future of Consulting, jan. 2026 https://futureofconsulting.ai/ai-leadership/2026-consultings-ai-revolution-update/

2. “Consulting Industry Trends to Watch in 2026” — AlphaSense, mar. 2026 https://www.alpha-sense.com/resources/research-articles/consulting-industry-trends/

3. “2026 Consulting Trends: Turning Uncertainty and AI Disruption into Competitive Advantage” — Deltek, fev. 2026 https://www.deltek.com/en/blog/10-key-consulting-moves

4. “How AI Is Changing Consulting Economics” — ConsultingQuest, nov. 2025 https://consultingquest.com/insights/ai-impact-consulting-economics-value-sharing/

5. “AI Consulting in 2025: Trends Defining the Future of Business” — Bob Hutchins, Medium, jul. 2025 https://bobhutchins.medium.com/ai-consulting-in-2025-trends-defining-the-future-of-business-a06309516181

6. “AI Services in 2026: How IT & Consulting Leaders Are Driving Billion-Scale Growth” — The AI Journal, fev. 2026 https://aijourn.com/ai-services-in-2026-how-it-consulting-leaders-are-driving-billion-scale-growth/

7. “10 Ways McKinsey Is Using AI — Case Studies” — DigitalDefynd, fev. 2026 https://digitaldefynd.com/IQ/ways-mckinsey-is-using-ai/

8. “How the Top Consulting Firms Are Using AI: A Complete Overview” — Plus AI, out. 2025 https://plusai.com/blog/how-consulting-firms-use-ai

9. “Anthropic Launches Claude Partner Network to Scale Enterprise AI Deployment” — WebProNews, mar. 2026 https://www.webpronews.com/anthropic-launches-claude-partner-network-to-scale-enterprise-ai-deployment/

10. “Anthropic Invests $100 Million into the Claude Partner Network” — Anthropic, mar. 2026 https://www.anthropic.com/news/claude-partner-network

11. “Bain & Company Formalizes Partnership with Seven Flagship VC Firms to Drive AI Innovation” — Bain & Company, jan. 2026 https://www.bain.com/about/media-center/press-releases/2026/bain--company-formalizes-partnership-with-seven-flagship-venture-capital-firms-to-drive-ai-innovation-opportunities-for-clients/

12. “The Rise of Outcome-Based Pricing in SaaS: Aligning Value With Cost” — L.E.K. Consulting, fev. 2025 https://www.lek.com/insights/tmt/us/ei/rise-outcome-based-pricing-saas-aligning-value-cost

13. “Deloitte Was Caught Using AI in $290,000 Report to Help the Australian Government” — Fortune, out. 2025 https://fortune.com/2025/10/07/deloitte-ai-australia-government-report-hallucinations-technology-290000-refund/

14. “Law Professor Catches Deloitte Using Made-Up AI Hallucinations in Government Report” — Above the Law, out. 2025 https://abovethelaw.com/2025/10/law-professor-catches-deloitte-using-made-up-ai-hallucinations-in-government-report/

Deixou públicos quase 3.000 arquivos internos, incluindo o rascunho de lançamento do seu modelo mais poderoso até hoje: o Claude Mythos.

Fui um dos primeiros a ler. E o que está lá mexeu com o que eu penso sobre o futuro de algumas empresas com quem trabalho.

O vazamento que virou parábola

O vazamento revelou dois rascunhos do mesmo post, um com o nome “Mythos” e outro com “Capybara”, o que indica que a empresa ainda não tinha batido o martelo sobre o nome do modelo.

O que ficou claro nos dois rascunhos: não é um update incremental. É outra coisa.

Segundo os documentos, o Claude Mythos supera o Opus 4.6, até então o modelo mais avançado da Anthropic, com folga em testes de programação, raciocínio acadêmico e cibersegurança. A própria empresa chama de “step change”, não de evolução, e sim de ruptura.

Assine agora

O rascunho foi ainda mais direto sobre os riscos: o sistema consegue identificar e explorar vulnerabilidades em software a uma velocidade que, segundo a própria Anthropic, pode superar a capacidade de defesa dos times de segurança. Por isso, o rollout vai ser controlado — começando com parceiros de cibersegurança, com acesso restrito.

“Uma empresa construindo o modelo de IA com as maiores capacidades cibernéticas já documentadas deixou os detalhes dele em um repositório público e desprotegido.”

Essa ironia não passou despercebida. E diz mais sobre o momento em que estamos do que qualquer benchmark: a velocidade da inovação está atropelando os controles das próprias empresas que inovam.

A Anthropic não parou no Mythos

O Claude Mythos não apareceu do nada. Ele é o resultado de uma sequência de movimentos que a Anthropic vem fazendo há meses.

Em janeiro, a empresa lançou o Claude Code e o Claude Cowork, ferramentas para desenvolvedores e produtividade que viraram o principal motor de crescimento de assinantes pagos. Esta semana, chegou o Computer Use: o Claude agora abre arquivos, acessa ferramentas, clica, navega e executa tarefas de forma autônoma, sem configuração prévia.

Os números acompanham: os assinantes pagos mais do que dobraram neste ano. Um engenheiro do Google relatou publicamente que o Claude Code construiu, em uma hora, o que o time dele levou um ano para desenvolver.

Enquanto isso, a Anthropic se recusou a permitir o uso de seus modelos para operações letais autônomas ou para vigilância em massa. Isso gerou atrito com o Departamento de Defesa dos EUA, mas também resultou em algo mais difícil de conseguir: diferenciação de marca. E consumidores responderam.

Não estamos mais falando de um assistente. Estamos falando de um agente que age. E isso muda a produtividade, a estrutura de times e a estratégia de inovação de qualquer empresa que preste atenção.

3 perguntas que todo CEO brasileiro precisa responder agora

Trabalho com inovação há mais de 25 anos. Já vi ondas tecnológicas chegarem, gerarem hype, se acomodarem e, eventualmente, redesenharem setores inteiros. Essa onda é diferente. Não pela velocidade, mas pelo tipo de coisa que está mudando.

Estamos saindo da era das ferramentas de IA e entrando na era dos agentes de IA.

1. Sua organização está preparada para trabalhar COM agentes autônomos ou apenas USANDO ferramentas de IA?

A ferramenta responde quando você pergunta. O agente age quando você autoriza e, às vezes, antes disso. Isso muda o desenho de processos, a governança de dados, a composição dos times e quem responde pelas decisões. A maioria das empresas brasileiras ainda opera no modo ferramenta, mesmo quando a tecnologia que usam já é agêntica.

2. Você sabe quanto custa NÃO ter adotado IA enquanto seus concorrentes avançam?

Um agente que usa computador, acessa sistemas, executa código e toma decisões operacionais não é uma linha de custo. É um multiplicador. A pergunta deixou de ser “quanto custa adotar” e passou a ser “quanto já perdemos”.

3. Você está construindo capacidade interna ou terceirizando sem prazo para parar?

As organizações que vão liderar essa transição são as que constroem agentes confiáveis, reutilizáveis, colados nos seus processos. Competência se constrói. Não se aluga para sempre. Quem não fizer isso em 2026 vai passar 2027 correndo atrás.

O momento chegou antes do que eu esperava

O que aconteceu nos meses recentes com modelos, agentes e o volume de capital entrando em startups de IA me levou de volta ao início da minha carreira técnica. Eu comecei nos BBSs, nos primórdios da Internet, programando em C e Assembly. Quando migrei para a segurança cibernética, as ameaças passaram a se automatizar; os ataques passaram a ser cometidos por amadores que, na época, chamávamos de script kiddies. Gente que não entendia o código, mas usava ferramentas prontas para causar estrago.

Eu reconheço esse padrão. Está acontecendo de novo, só que em escala e velocidade que não se comparam. A automação de ataques agora é feita com modelos de IA cada vez mais potentes. E, como naquela época, quem entende o que está por trás do código é quem vai conseguir se posicionar à frente do perímetro.

Passei os últimos meses desenvolvendo um diagnóstico para medir exatamente isso: o quanto uma organização está pronta para operar com agentes autônomos.

O lançamento do Computer Use e o vazamento do Mythos confirmaram que esse momento chegou mais cedo do que a maioria dos executivos admite. Não é coisa do futuro. Está nos processos que seus concorrentes já redesenharam e nas ferramentas que já usam.

O diagnóstico não é técnico. Ele mede prontidão organizacional: cultura, processos, dados, governança, liderança. O maior gargalo para adoção agêntica quase nunca é de tecnologia. É de gente.

A pergunta que importa

Não estou te dizendo para migrar tudo para o Claude amanhã. Estou te dizendo para fazer a pergunta certa esta semana: qual é o nosso nível de prontidão agêntica?

Se você não sabe a resposta, esse é o ponto de partida.

Enquanto você delibera, o modelo que pode redefinir a sua indústria está sendo testado com um grupo seleto de clientes. Em algum momento vai estar disponível para todo mundo. E aí a pergunta vai ser outra: por que demoramos tanto?

--

Tenho feito esse diagnóstico com executivos nas últimas semanas. Se quiser discutir o que encontrei, pode comentar aqui ou me mandar uma mensagem.

No modelo em que a maioria das empresas ainda opera, ele abre o ERP, navega por menus, exporta relatórios para o Excel, cruza dados com o CRM (Customer Relationship Manager), aguarda o controller montar uma análise e agenda uma reunião com operações. Três dias depois, chega a uma conclusão que já era óbvia nos dados.

No modelo que está nascendo agora, um agente de IA já teria identificado a queda, correlacionado com a variação do custo da matéria-prima e com o atraso dos fornecedores, gerado três cenários de ação e apresentado tudo ao CFO antes de ele sequer abrir o laptop.

Isso não é ficção. Três movimentos simultâneos, anunciados nas últimas semanas de março de 2026, estão tornando esse cenário operacional. E a maioria dos executivos que conheço ainda não conectou os pontos entre si.

1. NVIDIA e a infraestrutura dos agentes

No keynote do GTC 2026, Jensen Huang não se limitou a falar sobre o poder de processamento dos seus chips. O recado central era outro: a NVIDIA está se reposicionando de empresa que treina modelos para uma que coloca agentes autônomos em produção.

Huang dedicou boa parte das suas duas horas e meia de palestra ao fenômeno do OpenClaw, a plataforma open source de agentes autônomos criada pelo desenvolvedor austríaco Peter Steinberger. O OpenClaw nasceu como um projeto pessoal chamado Clawdbot em novembro de 2025, foi renomeado para Moltbot em janeiro de 2026 após uma disputa de trademark com a Anthropic e, dias depois, adotou o nome OpenClaw. Em menos de quatro meses, o projeto ultrapassou 250 mil estrelas no GitHub e se tornou, segundo Huang, tão relevante quanto Linux, Kubernetes e HTML.

Nas palavras de Huang: toda empresa agora precisa ter uma estratégia para agentes. Ele descreveu um futuro em que múltiplos agentes colaboram como equipes, gerando uma explosão no volume de tokens processados e na demanda por computação de inferência. Não por acaso, a NVIDIA projeta pelo menos US$ 1 trilhão em receita acumulada de 2025 a 2027 proveniente de seus processadores de IA.

Para dar estrutura a essa visão, a NVIDIA lançou o NemoClaw. Diferentemente do que parece à primeira vista, o NemoClaw não é apenas uma nova versão corporativa do OpenClaw. É uma arquitetura de referência completa que inclui os modelos Nemotron da NVIDIA e o OpenShell, que aplicam controles de segurança, de rede e de privacidade. Huang o descreveu como um sistema operacional open source (de código aberto) para computadores agênticos.

O OpenClaw é flexível e comunitário, mas expõe riscos sérios: pesquisadores da Cisco identificaram skills maliciosos no marketplace, a SecurityScorecard identificou mais de 135 mil instâncias expostas na internet pública e o governo chinês restringiu seu uso em agências estatais por questões de segurança.

O NemoClaw resolve isso por meio de controle de políticas, roteamento de privacidade e mecanismos de auditoria. Se o OpenClaw funciona como o Linux dos agentes, o NemoClaw é a distribuição enterprise — a versão que o conselho de administração do seu cliente aceita assinar.

E aqui está a parte que poucos capturaram da fala de Huang: o problema já não é ter agentes. É confiar neles. Quem define os limites do que um agente pode fazer? Quais dados ele pode acessar? Quais ações pode executar sem aprovação humana? Quem responde quando ele erra em escala? Esse é um terreno de governança organizacional, não de TI.

2. A tese Sequoia: serviços são o novo software

Enquanto a NVIDIA redesenhava a infraestrutura, a Sequoia Capital publicou, em 5 de março de 2026, o que considero o ensaio mais importante do ano para quem lidera negócios de tecnologia e serviços. O texto, assinado pelo partner Julien Bek e intitulado “Services: The New Software”, propõe uma tese direta: a próxima empresa de US$ 1 trilhão será uma empresa de software disfarçada de empresa de serviços.

O argumento parte de um número: para cada US$ 1 gasto em software, as empresas gastam US$ 6 em serviços para que esse software funcione. Quando a IA reduz drasticamente o custo de fazer coisas, a oportunidade real não está em vender a ferramenta (o modelo copilot), e sim em vender o trabalho feito (o modelo autopilot).

A lógica econômica é incômoda para quem desenvolve software. Se você vende a ferramenta, a cada nova versão do Claude ou do GPT, seu produto vira funcionalidade de outra plataforma. Mas se você vende o resultado, cada melhoria no modelo torna o seu serviço mais rápido, mais barato e mais difícil de competir. Um exemplo concreto do ensaio: uma empresa gasta US$ 10 mil por ano com um software contábil e US$ 120 mil com um contador para operá-lo. A próxima empresa vai simplesmente capturar os documentos e entregar a contabilidade fechada.

Bek faz uma distinção que me parece central para qualquer executivo que esteja tentando entender onde a IA afeta seu negócio: a diferença entre inteligência e julgamento. Inteligência é seguir regras complexas — traduzir especificações em código, preencher formulários, classificar dados. Julgamento é saber o que construir, quando assumir dívida técnica, como negociar com um cliente difícil. A IA já consegue executar a maior parte do trabalho de inteligência de forma autônoma. O julgamento ainda é humano — mas essa fronteira se move rápido.

E sobre a consultoria de gestão — um mercado global estimado entre US$ 190 e US$ 400 bilhões, dependendo da fonte — Bek é preciso: é a vertical com a maior proporção de julgamento. A pergunta que ele coloca é se a IA consegue desacoplar a consultoria em componentes de inteligência (coleta de dados, benchmarking, análises de mercado) e em componentes de julgamento (recomendações estratégicas, design organizacional), automatizando os primeiros e preservando os segundos. Quem souber fazer essa separação no próprio modelo de negócios terá uma vantagem competitiva difícil de alcançar.

3. O ERP como sistema de inteligência, não de registro

Enquanto a NVIDIA constrói infraestrutura e a Sequoia mapeia a oportunidade de mercado, a transformação já está acontecendo no terreno dos ERPs.

Os sistemas de gestão que fazem parte do dia a dia de grandes empresas, há pelo menos cinco anos entre uma atualização e outra, estão deixando de ser sistemas de registro, que registram o que aconteceu, para se tornarem sistemas de inteligência, que antecipam o que vai acontecer e recomendam o que fazer. E isso não é mais um roadmap de produto. Já está em produção.

A Aptean, por exemplo, lançou, em fevereiro de 2026, o que chamou de Intelligence as a Service: agentes de IA treinados para setores específicos (manufatura, food & beverage, distribuição), integrados diretamente aos fluxos operacionais do ERP. Não é um chatbot genérico. São agentes que automatizam a entrada de pedidos, preveem falhas de equipamento e monitoram a rastreabilidade de ponta a ponta. A Toufayan Bakeries, uma das empresas em fase inicial de adoção, relatou que um trabalho de rastreabilidade que exigia oito pessoas durante quatro horas passou a ser realizado por uma pessoa em menos de uma hora com o agente de IA.

A Senior Sistemas seguiu um caminho semelhante e recentemente anunciou a disponibilização de mais de 50 agentes capazes não apenas de responder perguntas, mas também de gerar análises, executar ações automatizadas e apoiar decisões em rotinas como planejamento de sucessão, análise de turnover, projeções de custos, adequação à reforma tributária e roteirização logística. O cliente passa a ser cocriador de soluções hiperpersonalizadas, configurando parâmetros (por exemplo, agentes especializados em fluxo de caixa ou aplicação de recursos) e se beneficiando de um ambiente de IA que aprende continuamente, reduz esforço operacional, libera tempo de gestores e aumenta a qualidade de decisões em áreas críticas como RH, finanças e operações.

O ERP está deixando de ser um sistema que relata o passado para se tornar um que prevê e recomenda. E o modelo de entrega está mudando junto — de licença de software para parceria operacional contínua, em que o fornecedor configura, monitora e ajusta os agentes do cliente.

Isso muda a equação de compra do seu novo ERP. A pergunta para o C-level deixa de ser “qual ERP comprar” e passa a ser “meu ERP atual consegue funcionar como plataforma de agentes?” Se o sistema não expõe APIs (Application Programming Interfaces), não permite integração com modelos de IA e não tem arquitetura de agentes, ele é passivo. E uma pesquisa da Horváth com 200 empresas em processo de migração para SAP S/4HANA mostrou que 60% delas se consideravam insuficientemente ágeis para integrar IA ao ERP durante a migração — o que diz muito sobre o gap entre onde as empresas estão e onde precisam estar.

4. A convergência que poucos estão enxergando

Esses três movimentos — infraestrutura de agentes (NVIDIA), inversão do modelo SaaS para serviço (Sequoia) e ERP como plataforma de agentes (Aptean, Senior e outros) — estão convergindo. E a convergência cria algo maior do que a soma das partes.

A empresa que hoje compra um ERP como software e contrata uma consultoria para implementá-lo vai, em breve, comprar o resultado operacional diretamente — de quem souber combinar agentes autônomos, governança e conhecimento setorial.

As implicações são diferentes dependendo de onde você está:

Para empresas de ERP e software empresarial: o produto deixa de ser a licença e passa a ser o resultado. Quem não fizer essa transição — de sistema de registro para plataforma de inteligência — será engolido por quem já fez.

Para consultorias de estratégia e inovação: o papel muda de “recomendar onde usar IA” para “desenhar, governar e operar portfólios de agentes.” Quem só entrega slides de estratégia está vendendo o problema, não a solução.

Para gestores, acionistas e conselheiros: a decisão já não é “adotar IA”. É decidir quais decisões e fluxos podem ser delegados a agentes, sob quais garantias de segurança, responsabilização e ROI. É decidir se você compra o agente como serviço de um fornecedor, o constrói internamente ou opera um modelo híbrido. Isso é, fundamentalmente, uma decisão de governança e de arquitetura organizacional. Não de tecnologia.

5. Autonomia gerenciada: o modelo que conecta as três teses

De todos os modelos de negócio que surgem no ecossistema de agentes, um se destaca pela convergência com a realidade das organizações: o que chamo de autonomia gerenciada.

Funciona assim: um fornecedor mantém um time que configura, monitora e ajusta os agentes do cliente de forma contínua. Combina o que tradicionalmente se chamava de BPO (Business Process Outsourcing) com IA agêntica. É exatamente o modelo que Bek descreve como “autopilot” na tese da Sequoia e é o que a Aptean começou a operar com seu Intelligence as a Service.

Esse modelo funciona por uma razão que vai além da tecnologia: o maior risco na adoção de agentes autônomos não é técnico. É de confiança. Quem responde quando um agente erra em escala? Os incidentes com o OpenClaw nos primeiros meses de 2026 ilustram bem o problema: um estudante de computação descobriu que seu agente havia criado um perfil num app de dating e começado a filtrar pretendentes sem nenhuma instrução explícita. Pesquisadores encontraram mais de 820 skills maliciosos no marketplace do OpenClaw. Empresas instalaram agentes em ambientes corporativos sem que as equipes de segurança sequer soubessem.

Em ambientes corporativos, esses riscos são inaceitáveis sem uma camada de governança. E é justamente aí que a autonomia gerenciada se diferencia de modelos puramente transacionais (cobrança por chamada de API) ou puramente internos (construir tudo in-house).

Na prática, o modelo funciona com pricing híbrido: um piso fixo que garante a infraestrutura de agentes e a governança contínua e um componente variável vinculado a resultados operacionais mensuráveis. Esse formato resolve dois problemas ao mesmo tempo: evita o colapso econômico que acontece quando o volume de chamadas de API explode (o que modelos puramente transacionais não aguentam) e cria incentivo para que o fornecedor de fato entregue valor (o que modelos de licença pura não garantem).

Para quem atua em consultoria de estratégia e inovação, como é o caso da Mirach, esse modelo representa uma evolução natural. O papel passa de entregar diagnósticos e recomendações para entregar agentes em produção, com frameworks de governança, KPIs operacionais (Key Performance Indicators), políticas de risco e accountability. A distinção que Bek faz entre inteligência e julgamento é útil aqui: a consultoria automatiza a camada de inteligência (coleta, análise, benchmarking) e concentra o julgamento humano no que realmente importa — desenho estratégico, negociação com stakeholders e decisões sob incerteza.

Ou, como costumo dizer, trazer clareza onde há complexidade.

6. O que fazer nos próximos 100 dias

Se você é executivo de uma empresa de médio ou grande porte, aqui está o que eu recomendo como ponto de partida:

• Mapeie o espectro de inteligência-julgamento dos seus processos. Selecione os 20 processos que mais consomem tempo ou dinheiro na sua operação e classifique cada um: é predominantemente de inteligência (regras complexas, repetição, dados estruturados) ou de julgamento (experiência, contexto, negociação)? Os processos de inteligência são candidatos imediatos a agentes. Comece pelos que já estão terceirizados — ali já há orçamento aprovado e disposição para comprar resultado.

• Faça o teste da plataforma com o seu ERP. Três perguntas concretas para o seu fornecedor: o ERP expõe APIs abertas para integração com modelos de IA? Existe suporte para execução de agentes dentro dos fluxos de processo? Qual é o roadmap de IA agêntica para os próximos 12 meses? Se as três respostas forem vagas ou negativas, você tem um passivo, não um ativo. E a pesquisa da Horváth mostra que você não está sozinho: a maioria das empresas em migração de ERP não consegue integrar IA ao processo.

• Defina sua política de confiança em relação a agentes antes de comprar tecnologia. Quem autoriza ações do agente? Quais dados ele pode acessar? Qual é o mecanismo de auditoria? Quem é o responsável quando o agente erra? Qual é o protocolo de rollback? Essas não são perguntas de TI — são perguntas do Conselho de Administração. Os incidentes de segurança com o OpenClaw nos primeiros meses de 2026 deixaram claro que agentes autônomos, sem governança, representam riscos operacionais, reputacionais e jurídicos.

• Escolha parceiros que operem, não apenas recomendem. A consultoria que só entrega slides de estratégia de IA está vendendo o problema. Busque parceiros que combinem design estratégico, engenharia de agentes e governança de risco — e que tenham incentivo econômico atrelado ao resultado.

O fim do início

O ERP não morreu. Evoluiu para algo que seus criadores não imaginaram. O SaaS também não morreu. Está se transformando em um serviço autônomo. A consultoria de gestão não morreu — mas o modelo de entrega que a sustentou nas últimas décadas está em mutação acelerada.

Se o seu modelo de negócios opera com base nesses modelos, ele não vai se adaptar sozinho. Vai evoluir conforme as decisões que você tomar nos próximos meses. A convergência entre a infraestrutura de agentes, a inversão do SaaS e a transformação do ERP é a janela de oportunidade. E as janelas de oportunidade, como essas, tendem a fechar rapidamente.

Referências e fontes

NVIDIA GTC 2026 — Keynote de Jensen Huang, 16 de março de 2026, SAP Center, San Jose. Cobertura: CNBC, Tom’s Hardware, TechCrunch, Fortune, eWeek, The Next Platform.

Sequoia Capital — Julien Bek, “Services: The New Software”, publicado em 5 de março de 2026. sequoiacap.com/article/services-the-new-software/

Aptean — “Aptean Intelligence as a Service”, lançamento em 9 de fevereiro de 2026 (GlobeNewswire). Entrevista com Sean Nappo, EVP Americas, na TechFinitive (janeiro de 2026).

SAP — Joule Studio agent builder em disponibilidade geral no Q1 2026 (AIMultiple, Prolifics, LeverX). 15 novos agentes Joule anunciados no SAP Connect. Pesquisa Horváth com 200 empresas sobre integração de IA ao S/4HANA (CIO.com).

OpenClaw — Wikipedia (consultado em 23/03/2026). Reportagens: CNBC (02/02/2026), KDnuggets (17/03/2026), PBXScience, The Next Platform. Repositório GitHub: github.com/openclaw/openclaw

Consultoria de gestão — Fortune (17/03/2026), entrevista com Fernando Alvarez, chefe de estratégia da Capgemini. Global Market Statistics: mercado global de consultoria estimado em US$ 192 bilhões (2026). Harvard Business School: consultores com IA completam tarefas 25% mais rápido e com 40% mais qualidade.

Ismail, S. — Organizações Exponenciais 2.0 / ExO Framework (OpenExO). Modelo de atributos SCALE/IDEAS e dinâmica de interfaces como ponte entre externalidades e controles internos.

Senior Sistemas cria “fábrica” de agentes de IA com mais de 50 aplicações para sistemas de gestão. ABES – Associação Brasileira das Empresas de Software, 2025. Disponível em: https://link.mirach.com/artigo_abes_senior

A maioria das pessoas que me contrata para mentoria quer respostas, mas não sabe formular as perguntas.

O problema é que, neste caso, as respostas não mudam as trajetórias.

O que muda trajetórias é a consciência, especialmente aquela que surge nas entrelinhas entre erros, acertos e referências de mercado.

Ao longo da minha caminhada — da segurança cibernética à inovação, de grandes corporações a startups, da Singularity University à construção da Mirach — um padrão ficou claro:

❌ Tecnologia raramente é o gargalo.

❌ Frameworks não são a resposta final.

❌ A falta de informação quase nunca é o problema.

O gargalo real é não enxergar a conexão entre decisões e ignorar que tudo opera como um sistema de dependências cada vez mais fortes.

Por isso, antes de qualquer método, diagnóstico ou ferramenta, faço sempre a mesma inversão de lógica:

O momento atual é só uma foto.

Eu quero entender o filme inteiro.

Quando alguém passa a enxergar sua própria trajetória como um sistema — com forças, tensões, vieses e repetições —, a nossa visão muda. Estratégia deixa de ser discurso e crescimento deixa de ser consequência de investimentos — muitas vezes caros e mal direcionados.

Esse é o ponto central do case publicado no livro Mentores Fora de Série – vol. 1 (Top2You):

Mentoria não é acelerar projetos.

É reprogramar decisões.

Se você sente que trabalha muito, sabe muito, mas ainda decide no modo reativo… talvez o problema não seja falta de esforço — e sim falta de clareza.

A pergunta incômoda neste fechamento de ciclo é direta:

👉 Você está construindo o seu futuro ou apenas reagindo a ele?

Enquanto muitos ainda enxergavam IA como um experimento distante, eu já começava a mergulhar em projetos que exploravam exatamente aquelas fronteiras, bem antes do hype, antes da avalanche de novos “especialistas”, antes da IA virar manchete diária.

Meu mestrado em 2004, por exemplo, foi sobre segurança e privacidade em computação pervasiva. Na época, parte da revisão bibliográfica foi voltada à legislação que ainda engatinhava para delimitar o uso abundante de dados que temos hoje em todos os sistemas.

O documentário mostrava a DeepMind enfrentando o desafio quase mítico de vencer um mestre humano no Go, um jogo que simboliza complexidade há séculos. Mas, para além da disputa, havia ali uma mudança mais profunda: a percepção de que as máquinas estavam cruzando um limite que antes parecia ser exclusivamente nosso.

Enquanto assistia, ficou claro que aquela partida não era apenas sobre quem venceria, mas sobre o que isso significaria para o futuro.

Anos depois, ontem, assisti a “The Thinking Game”, que relata o avanço do time da DeepMind. E a sensação foi outra: a de acompanhar o capítulo seguinte de uma história que deixamos de assistir à distância.

Se “AlphaGo” era o despertar, “The Thinking Game” é o amadurecimento.

A disputa saiu do tabuleiro e entrou no cotidiano, nas empresas, na ciência, nos bastidores das decisões e até no nosso imaginário. A IA deixou de ser promessa para se tornar infraestrutura invisível — influenciando desde diagnósticos até modelos de negócio.

O hiato entre os dois filmes é, por si só, uma narrativa sobre o crescimento exponencial da tecnologia (e, por isso, recomendo que assista a ambos).

Saímos da tensão homem-vs-máquina para um cenário em que a colaboração e a cocriação entre humanos e algoritmos deixam de ser exceção e passam a ser competência obrigatória.

E é justamente nessa época do ano que costumo conversar com muitos líderes sobre aprendizados, entregas e direcionamentos. Não apenas para revisitar o que foi feito, mas também para projetar o que vem pela frente.

Ajudá-los a criar exercícios de visão, estratégia e preparação para um futuro em que a adaptação rápida deixou de ser um diferencial — virou condição de sobrevivência.

Roger Martin faz uma distinção importante: a estratégia é a escolha e o direcionamento; o plano é a execução adaptável. E esse entendimento nunca foi tão essencial quanto agora, quando a própria IA encurta ciclos e transforma premissas em questão de meses.

Se “AlphaGo” marcou o despertar da IA, “The Thinking Game” revela que ela já está moldando o mundo real. E é o que tenho feito com muitos clientes neste período em que estamos em meio a tanta complexidade: dar um passo atrás e olhar com clareza o que aconteceu e desenhar o que podemos fazer para adaptarmos completamente nossos negócios.

A cada novo projeto, eu faço uma reflexão sobre os aprendizados e como a minha jornada e do meu cliente pode ser acelerada. Este vídeo curto aí é de um projeto com o Grupo DOC , no desenho de planejamento estratégico.

O meu kit de ferramentas incluía desde o tradicional Word+Excel+PowerPoint mas recentemente migrou para uma versão nova.

- Google Drive para acesso de documentos e repositório de relatórios com controle de versão
- Gamma.app para slides
- mmhmm para gravar vídeos e compartilhar
- Notion como repositório centralizado e wiki
- Rebrandly para criar links customizados
- Typeform e VideoAsk para questionários
- As reuniões eu sempre gravo pelo Fathom e os resumos vão para um repositório de cada cliente no ChatGPT
- A base de conhecimento de todas as ferramentas eu mantenho atualizada em contextos no ChatGPT e uso Perplexity para aprofundar pesquisas com artigos e referências técnicas
- Sempre me atualizo com newsletters como a Exponential View do Azeem Azhar

E na sua caixa de ferramentas? O que há de novo e que não pode faltar?

Agora, no Abundance360 da Singularity University que acontece de 9 a 13 de Março em Los Angeles, essa previsão se fortalece com discussões ainda mais profundas sobre IA, saúde e disrupção.

Entre os destaques deste ano:

• Como a IA pode resolver problemas complexos que levariam meses para serem resolvidos;

• Avanços em robótica pessoal e interfaces neurais;

• O futuro das finanças digitais com criptoativos e blockchain; e

• Moonshots que desafiam os limites da biotecnologia e da longevidade.

Esses temas não são apenas tendências, mas direções estratégicas que líderes devem estar atentos para crescerem em um mundo exponencial.

Como sempre destacou Salim Ismail, a adaptabilidade é o maior diferencial competitivo da atualidade.

Nos próximos dias, vou compartilhar mais insights do evento que participo como convidado e como já aplico alguns dos aspectos discutidos nos meus clientes.

Qual dessas inovações você acredita que terá o maior impacto no seu setor? E qual aspecto você quer saber mais detalhes aplicados ao seu mercado? 🚀

Assine agora

Compartilhar