Intel alerta: a AI agêntica saiu da fase de "infância" e exige um novo modelo de controle

Intel adverte: IA agentiva saiu da etapa 'infantil' e exige novo modelo de controle

Intel propõe ver a IA agentiva como uma criança que de repente parou de engatinhar e começou a correr. As empresas ainda discutem sobre políticas e comitês, mas os agentes autônomos já estão ganhando acesso a fluxos de trabalho, orçamentos e sistemas críticos — o que significa que as antigas abordagens de controle não funcionam mais.

De chatbots para agentes

Em um artigo para MIT Technology Review, os autores comparam o estágio atual da IA agentiva à 'infância'. A transição ocorreu rapidamente: no final de 2025 e início de 2026, uma onda de ferramentas no-code chegou ao mercado, junto com OpenClaw, um agente pessoal open-source no GitHub. Se antes a IA principalmente esperava por uma solicitação em uma interface de chat, agora ela executa uma sequência de ações por conta própria: lê dados, toma decisões intermediárias e move o processo adiante sem confirmação humana constante.

Aqui é onde, segundo a Intel, o modelo anterior de governança se quebra. Anteriormente, o negócio se concentrava nos riscos da resposta do modelo: alucinações, desvio, vazamento de dados, envenenamento de dados. Mas quando um agente começa a executar fluxos de trabalho na velocidade da máquina, o significado de human in the loop cai drasticamente.

Para uma empresa, isso não é mais uma questão de "o que o bot disse", mas "o que o bot conseguiu fazer" — por exemplo, quais registros ele alterou, quais permissões ele usou e quais ações ele desencadeou adiante na cadeia.

Onde o controle se quebra

O ponto principal do artigo é que gerenciar agentes através de documentos e comitês é tarde demais. As restrições devem ser incorporadas diretamente no código e nos processos de negócios levando em conta o nível de risco, direitos de acesso e responsabilidade potencial. Caso contrário, um agente com lógica probabilística tem liberdade demais em sistemas onde um erro é custoso. Isso muda tanto a arquitetura quanto a zona de responsabilidade: se um agente comete um erro, a empresa ainda será responsável, não o modelo, por dar a ele acesso ao ambiente de produção.

"IA faz o trabalho, e as pessoas correm o risco."

• um agente pode montar uma cadeia de ações em múltiplos sistemas corporativos e ganhar mais influência do que um único funcionário;
• contas de serviço, tokens API de longa vida e direitos para alterar arquivos e dados críticos se acumulam rapidamente em uma empresa;
• uma nova camada de IA sombra emerge quando funcionários criam seus próprios assistentes sem arquitetura, suporte e auditoria apropriada;
• quando um funcionário é transferido para outro departamento ou após demissão, agentes "órfãos" permanecem, vinculados ao seu ID e permissões;
• pilotos de IA negligenciados e "projetos zumbis" continuam funcionando na nuvem e queimando recursos sem dono claro.

Os autores fazem uma analogia separada com um pequeno que de repente recebeu um brinquedo muito poderoso. Para um ambiente corporativo, o significado é simples: você não pode liberar um agente autônomo para produção sem observabilidade, a capacidade de revogar rapidamente o acesso e um mecanismo de parada forçada. Você precisa de discovery, audit trail, remediação e um procedimento claro de desativação, caso contrário, o benefício da automação desaparece no momento do primeiro incidente, e analisar as consequências acaba sendo mais caro do que o benefício da implementação.

O preço da autonomia

Intel também disputa a ideia popular de que a IA agentiva é simplesmente um jeito de cortar o fundo de salários. No modelo corporativo, as despesas se comportam diferentemente: isso não é uma licença fixa por usuário, mas consumo de tokens, computação e APIs externas conforme o workflow cresce. Economia em pessoas acaba sendo uma métrica muito grosseira, porque junto com a automação, custos para observabilidade, suporte, segurança e controle financeiro de toda a infraestrutura de agentes crescem.

O artigo cita uma pesquisa IDC de dezembro encomendada pela DataRobot: 96% das empresas implementando IA generativa e 92% das organizações implementando IA agentiva relataram que custos foram maiores ou muito maiores que o esperado. Este é um sinal importante para o negócio: o problema não se resume ao preço por token. O dinheiro também vai para manutenção de muitos agentes internos, correção de erros, revisão de direitos de acesso e manutenção de equipes que devem manter tudo sob controle.

O problema é agravado pela imprevisibilidade da economia baseada em uso. Diferente do FinOps clássico, onde gastos com nuvem são mais ou menos determinísticos, a IA agentiva se comporta probabilisticamente: longas cadeias de chamadas, ciclos autônomos e erros de planejamento podem levar o custo de uma única sessão a valores extremos. Os autores observam que alguns fundadores AI-first já estão enfrentando despesas na ordem de $100.

000 para uma única sessão agentiva. Se você não estabelecer limites desde o início, um workflow autônomo pode facilmente "devorar" um orçamento comparável ao contratação de outro funcionário.

O que isso significa

Para os negócios, a IA agentiva não é mais uma interface experimental em cima de um LLM, mas uma nova camada operacional. As empresas que vencerão não são aquelas que deixam funcionários "montar seu próprio agente" mais rápido, mas aquelas que mais cedo incorporam direitos de acesso, auditoria, desativação, limites de orçamento e controle contínuo do que o agente faz em sistemas reais em seus processos.