Agentes de IA que trabalham continuamente: como definir limites e supervisão

Uma tarefa comum para um assistente de IA começa quando alguém faz uma pergunta. Mas uma nova geração de agentes pretende fazer algo diferente: acompanhar um trabalho ao longo do tempo e agir quando algo muda, sem esperar uma nova instrução a cada etapa. Essa mudança aumenta a utilidade potencial — e também amplia o que precisa ser governado.

Em 5 de novembro de 2026, a Perplexity anunciou o Teammates, recurso integrado ao Perplexity Computer para atribuir responsabilidades contínuas a agentes, acompanhar projetos, executar tarefas em paralelo e colaborar com pessoas e outros agentes. Segundo a empresa, usuários podem inspecionar e orientar o trabalho. A reportagem do Olhar Digital informa que a prévia inicial está disponível na web para assinantes individuais do plano Max, anunciado a US$ 200 por mês; não é uma oferta empresarial amplamente disponível. São características anunciadas, não prova independente de autonomia segura ou de retorno operacional.

O ponto estratégico não é apenas ter uma IA que trabalha por mais tempo. É decidir o que ela pode observar, quando pode agir, que mudanças pode fazer e quem responde pelo resultado. Persistência transforma um agente de uma ferramenta acionada sob demanda em um processo que continua ativo. Por isso, o controle não pode depender de alguém lembrar de verificar o chat de vez em quando.

O que muda quando o agente não espera uma pergunta

Em uma interação pontual, a pessoa inicia o pedido e normalmente acompanha a resposta. Em um agente persistente, a equipe delega uma responsabilidade — por exemplo, acompanhar indicadores ou verificar mudanças em um projeto — e o sistema mantém contexto entre execuções, observa fontes conectadas e pode iniciar uma ação ou pedir orientação.

Isso muda a superfície de risco. Um erro pode não ficar restrito a uma resposta incorreta: pode se repetir, propagar-se entre ferramentas, consumir recursos ou produzir alterações antes que alguém perceba. E mais agentes trabalhando em paralelo não significam automaticamente mais produtividade. Podem também multiplicar notificações, tarefas duplicadas e pontos de falha.

Comece pelo mandato, não pelo agente

Antes de conectar um agente a sistemas reais, descreva a responsabilidade em termos que possam ser testados. “Acompanhar a operação” é amplo demais. “Verificar diariamente os atrasos desta fila, resumir os casos acima do limite e abrir um alerta para a pessoa responsável” é mais delimitado. O mandato precisa dizer qual resultado é esperado, quais fontes são válidas, o que está fora do escopo e em que situações o agente deve parar.

Eu separaria as permissões em níveis. Primeiro, leitura de dados necessários. Depois, preparação de uma ação em rascunho. Só então, execução de ações previamente aprovadas e reversíveis. Alterar cadastros, enviar mensagens a clientes, aprovar pagamentos, conceder acessos ou tomar decisões que afetem pessoas exige controles mais fortes e, muitas vezes, aprovação humana antes da execução.

Cinco controles para uma delegação responsável

1. Escopo e limites explícitos

Defina sistemas, dados, equipes, horários e tipos de tarefa permitidos. Determine também limites de volume, frequência e duração. O agente não deve ganhar acesso amplo apenas porque uma integração o permite. Se o mandato mudar, a mudança precisa de responsável, registro e avaliação, não apenas de uma instrução informal numa conversa.

2. Permissões mínimas e identidade própria

Dê ao agente uma identidade técnica própria, com os acessos estritamente necessários. Evite credenciais compartilhadas ou privilégios administrativos. Separe ambientes de teste e produção, limite o acesso a dados sensíveis e mantenha um mecanismo para suspender o agente e revogar suas credenciais rapidamente. Uma função persistente não deve significar acesso permanente e irrestrito.

3. Aprovação no ponto de impacto

Nem toda etapa precisa de aprovação humana. Mas ações externas, financeiras, difíceis de reverter ou capazes de afetar clientes e funcionários devem ter um ponto de confirmação adequado ao risco. O agente pode pesquisar, comparar e preparar uma recomendação; a confirmação de uma compra, publicação ou alteração crítica não deve ser presumida a partir de uma mensagem recebida ou de uma interpretação incerta do contexto.

4. Monitoramento, registro e interrupção

Registre o que o agente observou, decidiu, tentou fazer, concluiu e encaminhou para uma pessoa. Crie alertas para falhas, repetições, ações fora do padrão e mudanças nas fontes conectadas. Defina quem acompanha esses sinais e em quanto tempo deve responder. Também é preciso testar o botão de pausa: interromper uma execução, suspender integrações e recuperar o estado anterior quando for possível.

5. Escalonamento e responsabilidade humana

O agente precisa saber quando não agir. Dados conflitantes, baixa confiança, ausência de informação, pedidos fora do escopo e resultados inesperados devem levar a uma pausa ou encaminhamento. Nomeie uma pessoa responsável pela operação e outra função de apoio para incidentes, quando a criticidade exigir. Supervisão não é apenas revisar uma amostra depois; é definir autoridade, capacidade de contestação e meios reais de intervenção.

Como medir o custo real do trabalho contínuo

A assinatura ou o custo do modelo é apenas uma parte da conta. Um agente persistente pode gerar consumo recorrente de inferência, chamadas a ferramentas, armazenamento, monitoramento e suporte. Some também o tempo de quem revisa resultados, corrige erros, investiga incidentes e mantém integrações. Em um sistema que acompanha tarefas, o custo pode continuar mesmo quando ninguém está conversando com ele.

Eu avaliaria o custo por tarefa concluída corretamente, não por execução nem por volume de atividade. Compare com a linha de base do processo e acompanhe qualidade, erros, retrabalho, tempo ponta a ponta, escalonamentos humanos, falhas de integração e impacto sobre clientes ou funcionários. No piloto, inclua exceções e casos em que a decisão correta é não agir. A economia de tempo só é real se não for consumida pela revisão e pelo retrabalho.

O que a novidade da Perplexity prova — e o que não prova

A proposta do Teammates torna visível uma direção do mercado: delegar trabalho de maior duração, manter contexto entre tarefas e coordenar agentes. O anúncio da Perplexity fala em acompanhamento e revisão do trabalho; o Olhar Digital descreve ambientes separados por agente, acompanhamento de progresso e integração com Slack. Ainda assim, descrição de produto e disponibilidade limitada não demonstram que a ferramenta seja adequada a qualquer empresa, nem que a autonomia, a segurança ou o retorno tenham sido validados em produção de forma independente.

A orientação do NIST sobre gestão de riscos de IA destaca que funções humanas e responsabilidades de supervisão precisam ser claramente definidas, e que sistemas podem se comportar de forma inesperada depois da implantação. Para mim, a implicação prática é simples: monitore o desempenho durante a operação, teste as condições de falha e deixe claro quem pode contestar, interromper e rever uma ação. O grau de autonomia deve acompanhar o risco do processo, não a empolgação com a demonstração.

Autonomia gradual é mais valiosa que autonomia máxima

Eu começaria com uma rotina delimitada e de baixo impacto: observar dados, identificar exceções e preparar um resumo para revisão. Depois de medir qualidade e estabilidade em casos representativos, avaliaria se vale permitir ações reversíveis. Só ampliaria as permissões quando houver evidência de que o agente opera dentro dos limites e quando a equipe conseguir detectar e corrigir desvios.

Esse caminho evita tratar autonomia como uma chave de liga e desliga. Cada etapa delegada precisa de objetivo, dono, limite, evidência e plano de interrupção. Agentes que trabalham continuamente podem reduzir a coordenação manual, mas também tornam a governança uma atividade contínua. Na sua empresa, qual tarefa poderia ser delegada sem perder controle — e como vocês saberiam que o agente deve parar?

Fontes: Perplexity, “Teammates are agents for complex, ongoing work” (4 nov. 2026), https://www.perplexity.ai/hub/blog/teammates-are-agents-for-complex-ongoing-work; Olhar Digital, “Nova IA da Perplexity assume tarefas contínuas e trabalha com outros agentes” (5 nov. 2026; atualização em 6 nov. 2026), https://olhardigital.com.br/2026/11/05/inteligencia-artificial/nova-ia-da-perplexity-assume-tarefas-continuas-e-trabalha-com-outros-agentes/; The Verge, “Perplexity launches its own take on AI agents for work” (5 nov. 2026), https://www.theverge.com/ai-artificial-intelligence/1028302/perplexity-teammates-ai-agents-work; NIST, “AI Risk Management and Human-AI Interaction”, AI RMF 1.0, 2023, https://airc.nist.gov/airmf-resources/airmf/appendices/app-c-ai-risk-management-and-human-ai-interaction/; Alexandre Guimarães, “Agentes de IA nas empresas: o que Magalu, Roche e Bradesco estão fazendo” (26 out. 2026), https://www.aleguimas.com.br/blog/agentes-ia-empresas-magalu-roche-bradesco/.

Este artigo complementa a discussão anterior sobre casos empresariais de agentes de IA. Em vez de revisar aplicações setoriais, concentra-se na continuidade da operação: permissões, supervisão, custo recorrente e capacidade de interromper o agente.