A chuva já começou. E a maioria está pilotando com pneu de sol.
Tem agente de IA decidindo coisas na sua empresa agora. Você provavelmente não sabe quais.
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.
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.