72% de um painel internacional de especialistas em IA responsável, reunido pelo MIT Sloan Management Review e pela Boston Consulting Group, concordam com uma afirmação direta: governança que trata agentes de IA como tomadores de decisão autônomos vai fracassar.
O dado chama atenção. Mas, para quem trabalha com pessoas, a parte mais interessante da autonomia de agentes de IA está em outro lugar.
O problema não é dar autonomia para a IA. É não decidir, de forma consciente, onde essa autonomia termina.
Essa distinção parece sutil, mas muda a pergunta inteira. "A IA deveria ser autônoma?" é uma pergunta binária. E binário é exatamente o que o discurso sobre agentes autônomos costuma oferecer: quanto mais autonomia, mais avançada parece a tecnologia.
A pergunta que importa para uma empresa é outra: em qual decisão essa autonomia pode operar sem revisão — e em qual decisão ela nunca deveria operar sozinha?
Um agente pode organizar e analisar 5 mil currículos em minutos, algo que nenhum time de recrutamento conseguiria fazer manualmente na mesma escala. Isso não significa que ele deveria decidir sozinho quais candidatos serão eliminados do processo.
Capacidade técnica e autonomia concedida são duas coisas diferentes.
E confundir as duas pode ser um dos erros mais caros da adoção de agentes de IA.
O Dado: Especialistas Rejeitam a Autonomia de Agentes de IA Sem Fronteira
A pesquisa é a quinta edição consecutiva da parceria entre MIT Sloan Management Review e BCG reunindo especialistas em IA responsável. Isso dá ao resultado um peso diferente de uma pesquisa isolada, porque permite acompanhar como o próprio campo de especialistas está enxergando a evolução da IA ao longo dos anos.
A pergunta feita ao painel foi direta: "governança responsável que trata agentes como tomadores de decisão autônomos vai fracassar".
72% concordaram ou concordaram fortemente. A nuance importa mais que o número isolado.
Os especialistas não estão dizendo que agentes de IA não deveriam agir sozinhos. Estão dizendo que autonomia precisa ser calibrada de acordo com o impacto da decisão.
Decisões simples, de baixo risco e facilmente reversíveis podem ser executadas por um agente sem intervenção humana.
Decisões que afetam diretamente uma pessoa, seu dinheiro, sua carreira ou seus direitos exigem outro nível de controle.
Essa diferença explica por que a conversa sobre "agentes autônomos" pode simplificar demais o problema. Um sistema pode ser tecnicamente capaz de operar sem input humano em praticamente qualquer tarefa. A pergunta relevante não é se ele consegue.
É onde a organização decide, de forma deliberada, manter um ponto de checagem humana — e onde decide não manter.
O estudo chega a algumas recomendações práticas nessa direção: calibrar o grau de autonomia pelo risco e pela reversibilidade da decisão; embutir limites no próprio desenho do sistema, em vez de depender apenas de políticas; nomear um humano responsável por cada ponto de decisão de alto impacto; e governar o sistema como um todo, considerando também o comportamento de vários agentes interagindo entre si.
É uma mudança importante de perspectiva.
Governança de IA não deveria começar perguntando o que a tecnologia consegue fazer. Deveria começar perguntando o que a empresa está disposta a deixar que ela faça sozinha.
Autonomia não é um estado. É uma Decisão
Aqui mora um dos erros mais comuns da discussão sobre agentes. Tratamos autonomia como se fosse uma propriedade fixa da ferramenta: "esse agente é autônomo."
Mas autonomia, dentro de uma organização, é também uma escolha de design. É uma decisão sobre em que ponto do processo o julgamento humano precisa entrar, em que ponto ele pode sair e em que ponto precisa voltar.
Um fornecedor de tecnologia pode, com razão, chamar seu produto de "agente autônomo". Isso descreve uma capacidade técnica. Não descreve se essa capacidade deveria operar sem revisão em decisões que afetam pessoas de verdade.
Voltemos ao exemplo do recrutamento. Usar um agente para organizar, resumir e comparar 5 mil currículos é uma coisa. Deixar esse agente decidir sozinho quais candidatos serão eliminados definitivamente do processo é outra. E deixar um sistema determinar, sem revisão humana, quem será promovido, desligado ou penalizado é outra ainda.
A tecnologia pode até ser a mesma. O que muda é o impacto da decisão.
É por isso que uma boa governança não deveria perguntar apenas "esse agente é autônomo?". Deveria perguntar: autônomo para fazer o quê?
Essa talvez seja a pergunta mais importante de toda essa discussão.
O problema fica maior quando a Decisão envolve Pessoas
Em processos de RH, essa fronteira ganha ainda mais importância. Imagine um agente que participa de um processo seletivo. Ele pode cruzar experiências profissionais, identificar competências, comparar requisitos e organizar candidatos em uma ordem de prioridade. Tudo isso pode reduzir trabalho operacional e liberar o time de recrutamento para atividades que exigem mais contexto e interação humana.
Mas existe uma diferença entre apoiar uma decisão e tomar uma decisão.
Se o sistema classifica um candidato como menos aderente e um recrutador revisa os casos de fronteira, existe um ponto claro de responsabilidade. Se o sistema elimina automaticamente determinados perfis e ninguém revisa o resultado, a organização criou uma decisão automatizada, ainda que ninguém tenha chamado aquilo de "decisão".
E existe um segundo problema: erros em escala também acontecem em escala. Uma pessoa pode cometer um erro. Um sistema pode repetir o mesmo erro milhares de vezes.
Por isso, a pergunta não deveria ser apenas se uma decisão individual parece correta. É preciso observar o padrão que o sistema está produzindo ao longo do tempo. Um agente está sistematicamente descartando determinado perfil? Está recomendando menos oportunidades para determinado grupo? Está privilegiando determinados sinais porque foram mais frequentes nos dados históricos?
Essas perguntas não aparecem necessariamente quando olhamos um caso isolado. Elas aparecem quando alguém audita o conjunto.
O Futuro não exige menos julgamento humano
É aqui que essa discussão encontra uma ideia que a Descola vem trabalhando quando fala de Liderança Expandida. A chegada da IA não necessariamente reduz a importância do julgamento humano. Ela pode mudar onde esse julgamento é mais necessário.
Se uma máquina consegue pesquisar, comparar, resumir, classificar e executar determinadas tarefas em segundos, talvez não faça sentido colocar uma pessoa fazendo exatamente essas mesmas etapas. Mas isso aumenta a importância de outras capacidades:
- interpretar contexto;
- fazer perguntas melhores;
- identificar exceções;
- perceber consequências que não estão nos dados;
- considerar interesses conflitantes;
- questionar uma recomendação;
- assumir responsabilidade por uma escolha.
É uma mudança importante na ideia de liderança. O líder não precisa ser a pessoa que faz tudo. Também não deveria ser a pessoa que simplesmente entrega tudo para a IA. É quem sabe o que delegar, o que acompanhar e o que continua sendo responsabilidade humana.
É nesse sentido que a liderança se torna expandida. Não porque a máquina substitui o julgamento do líder. Mas porque o líder passa a trabalhar com uma capacidade de análise e execução que antes não existia na mesma escala.
O trabalho muda. A responsabilidade continua.
Orquestração Humano-Máquina e Auditoria de Algoritmos
O relatório Tendências em Power Skills 2026, produzido pela Descola, já coloca duas competências no centro dessa discussão: Orquestração Humano-Máquina e Auditoria de Algoritmos, dentro do bloco de Simbiose Tecnológica.
A primeira diz respeito à capacidade de desenhar, de forma deliberada, quem faz o quê em uma cadeia de trabalho que mistura pessoas e sistemas. Não é delegar tudo que a tecnologia consegue fazer. É decidir onde cada parte é melhor utilizada.
A segunda é a capacidade de revisar sistematicamente o que um sistema automatizado está produzindo. Não confiar no resultado simplesmente porque o sistema é sofisticado. Verificar. Questionar. Comparar. Auditar. Porque, quando uma decisão passa a ser tomada em escala, o erro também passa a acontecer em escala.
As duas competências apontam para a mesma direção: o futuro do trabalho não está exigindo menos julgamento humano. Está exigindo julgamento humano em lugares diferentes. Talvez não seja mais necessário usar uma pessoa para analisar milhares de informações. Mas será cada vez mais importante ter pessoas capazes de definir quais informações importam, quais critérios devem ser usados, quais decisões podem ser automatizadas e quando uma recomendação da máquina precisa ser questionada.
Essa é também a lógica do curso Liderança Expandida da Descola: o líder da próxima década não é quem automatiza o máximo possível, mas quem consegue orquestrar a colaboração entre pessoas e sistemas de IA com clareza sobre essa fronteira.
Uma Régua para Decidir o Quanto Delegar
Para quem precisa decidir, na prática, quanto controle delegar a um agente de IA, as recomendações do estudo podem virar uma régua simples. Não uma resposta binária entre "humano" e "IA". Uma régua de autonomia.
→ Risco e reversibilidade. Se o agente errar sem ninguém perceber, o erro é fácil de corrigir ou já causou um dano difícil de reverter? Quanto mais reversível e menor o impacto, maior pode ser a autonomia. Quanto maior o impacto e menor a reversibilidade, maior deveria ser a necessidade de revisão humana.
→ Limite embutido no desenho, não só na política. Uma regra escrita que ninguém verifica não é limite, é intenção. Se determinada decisão precisa passar por uma pessoa, esse ponto deveria estar construído no fluxo do sistema — um checkpoint que interrompe ou direciona o processo, e não apenas uma recomendação em um documento.
→ Um nome, não um departamento. Toda decisão de alto impacto delegada a um agente deveria ter uma pessoa claramente responsável por revisá-la. Não "o RH", "a liderança" ou "a área de tecnologia". Um responsável identificável. Responsabilização difusa é quase sempre responsabilização nenhuma.
→ Governança do sistema, não só da decisão isolada. Não basta verificar se uma decisão específica parece correta. É preciso observar o padrão agregado das decisões. O sistema está funcionando da mesma forma para diferentes perfis? Está criando algum tipo de viés recorrente? Isso só aparece quando alguém olha o conjunto.
Essa régua não precisa ser definitiva. À medida que a tecnologia muda, os processos mudam e a organização ganha experiência com os agentes, os limites também podem mudar. O importante é que eles sejam definidos conscientemente.
A Pergunta que importa agora
A discussão sobre agentes de IA tende a ficar cada vez mais centrada em capacidade. Qual modelo é melhor? Qual agente executa mais tarefas? Qual ferramenta consegue operar com menos intervenção?
Tudo isso importa.
Mas, para quem lidera uma empresa, existe uma pergunta anterior: em quais decisões estamos dispostos a abrir mão da intervenção humana? E, principalmente: quem continua responsável quando a IA estiver errada?
Talvez essa seja uma das competências mais importantes da liderança na era dos agentes. Não saber fazer tudo sozinho. Não controlar tudo. E também não automatizar tudo.
Saber onde colocar a autonomia — e onde colocar o limite.
Porque, no fim, autonomia de IA não elimina a responsabilidade humana. Só muda o lugar onde ela precisa aparecer.
Fonte citada: MIT Sloan Management Review & Boston Consulting Group · "Responsible AI Means Knowing the Limits of Agent Autonomy" · 8 de setembro de 2026 · https://sloanreview.mit.edu/article/responsible-ai-means-knowing-the-limits-of-agent-autonomy/ Referências internas: Relatório Tendências em Power Skills 2026 (Descola) e Curso Liderança Expandida (Descola)