Você deixaria um funcionário novo tomar decisões sozinho no primeiro dia?
Claro que não. Ninguém faz isso. Você apresenta a empresa, explica o que pode e o que não pode ser feito, define limites, acompanha as primeiras semanas. É básico.
Mas é exatamente o que acontece toda vez que uma empresa coloca um agente de IA em operação sem definir política de controle. O agente é ligado, tem acesso a ferramentas, a APIs, a dados — e começa a agir. Sozinho. Sem freio.
Essa semana, um desenvolvedor publicou em detalhes como construiu o que ele chamou de guardião: um ponto de controle que filtra cada ação de um agente de IA antes de ela ser executada. O relato viralizou porque tocou num problema que muita empresa já tem, mas ainda não nomeou.
O problema real: agentes autônomos não têm bom senso embutido
Agentes de IA modernos — especialmente os baseados em frameworks como LangChain, AutoGen ou CrewAI — são projetados para resolver tarefas de forma autônoma. Você define um objetivo, o agente escolhe as ferramentas, executa as etapas e entrega o resultado.
O problema é que autonomia sem restrição não é eficiência — é risco.
Pense no que um agente típico pode ter acesso numa empresa:
- API de e-mail para comunicação com clientes
- CRM com dados sensíveis de leads e contratos
- Sistema de pagamentos ou emissão de notas
- Banco de dados interno com registros críticos
- Ferramentas de calendário, Slack, Google Drive
Agentes de IA com acesso irrestrito a essas ferramentas podem executar ações irreversíveis — envio de e-mails em massa para clientes errados, exclusão de registros no banco, acionamento de cobranças — sem que nenhum humano tenha aprovado. E sem log, sem rastreabilidade, sem rollback.
Não é catastrofismo. É o comportamento esperado de um sistema que foi construído para agir — e não recebeu instruções claras sobre o que não fazer.
O que é um guardião e por que sua empresa precisa de um
A solução publicada pelo desenvolvedor é elegante justamente pela simplicidade conceitual: antes de qualquer ferramenta ser acionada pelo agente, uma camada intermediária avalia a ação. Essa camada — o guardião — responde a perguntas como:
- Essa ação está dentro do escopo definido para esse agente?
- Ela afeta dados sensíveis ou sistemas críticos?
- Ela é reversível ou irreversível?
- Precisa de aprovação humana antes de prosseguir?
Se a ação passa em todos os critérios, o agente executa. Se não passa, o guardião bloqueia, registra e — dependendo da configuração — escala para um humano aprovar.
Tecnicamente, isso pode ser implementado como um middleware de ferramentas, um wrapper de função ou até uma política declarativa em formato de regras. O formato importa menos do que a existência da camada em si.
Para empresas, isso deixa de ser um detalhe de implementação e vira governança de automação. Sem isso, você não tem controle sobre o que seu agente faz — você só tem a esperança de que ele acerte.
Como estruturar isso antes de colocar qualquer agente em produção
Não é necessário esperar um incidente para agir. O guardião pode — e deve — ser parte do processo de implantação de qualquer agente autônomo. Aqui está uma estrutura mínima viável:
1. Mapeie as ferramentas disponíveis e classifique o risco
Cada ferramenta que o agente pode acionar precisa ter uma classificação: baixo risco (leitura de dados), médio risco (escrita reversível) ou alto risco (ações irreversíveis). Essa classificação guia as regras do guardião.
2. Defina o escopo do agente em linguagem explícita
Não basta dizer "o agente responde e-mails de suporte". Diga: o agente pode ler e-mails, pode rascunhar respostas, mas não pode enviar sem aprovação humana. Quanto mais explícito, menos espaço para interpretação equivocada.
3. Implemente logging antes de qualquer outra coisa
Antes mesmo de bloquear ações, registre tudo. Cada chamada de ferramenta, cada decisão do agente, cada resultado. Sem log, você não consegue auditar, não consegue melhorar e não consegue responder quando algo der errado.
4. Crie um fluxo de aprovação para ações de alto risco
Não precisa ser sofisticado. Pode ser um e-mail, uma mensagem no Slack, um card no Notion. O importante é que um humano autorize antes da execução. Isso não desacelera o agente — desacelera apenas as ações que merecem desaceleração.
5. Revise e afrouxe com o tempo, com base em dados
O guardião não precisa ser eterno na configuração inicial. À medida que você observa o comportamento do agente e constrói confiança, pode expandir as permissões com segurança. O oposto disso — começar sem restrição e tentar adicionar controle depois — é muito mais perigoso.
Governança de agentes não é burocracia — é o que separa automação útil de automação perigosa
A diferença entre um agente que escala seu time e um que causa um incidente não está no modelo de linguagem. Está na arquitetura de controle ao redor dele.
Empresas que estão adotando automação com agentes autônomos agora têm uma janela de vantagem enorme — mas só se fizerem isso de forma estruturada. A pressa em ligar o agente sem definir o que ele pode fazer é o erro mais comum e o mais caro.
Na Maqia, ajudamos empresas a implementar agentes de IA com governança desde o primeiro dia — mapeamento de risco, arquitetura de controle, logging e fluxos de aprovação integrados ao seu stack. Se você está planejando adotar automação com agentes autônomos — ou já tem agentes rodando sem política de controle — fale com a gente. Uma consultoria pode evitar que o seu agente tome uma decisão que você não autorizou.