Por Rodrigo Gomes, head da Selbetti Process Solutions.
Com a explosão de anúncios nos últimos dias sobre novos agentes de IA e suas capacidades, é natural que cada vez mais a tecnologia passe a ser discutida como infraestrutura.
Grandes plataformas corporativas já operam com camadas multiagentes integradas a ERPs, CRMs e sistemas de ITSM, BPMS e RPA, deslocando a inteligência artificial do campo assistivo para o campo decisório.
O debate mais avançado não gira mais em torno da presença de agentes em aplicativos, mas da coordenação entre eles, do controle econômico da autonomia e da responsabilidade jurídica sobre ações executadas sem intervenção humana direta.
Se na fase anterior a pergunta era “como usar IA?”, agora a questão estratégica é outra: “quem governa a execução algorítmica do trabalho?”.
Prova disso é o uso crescente de plataformas como OpenClaw, um framework open-source de agentes autônomos que executa tarefas completas conectando modelos como Claude Opus 4.6, e o fortalecimento de agent teams no Claude, que permitem coordenação de múltiplos agentes em sequências complexas de ações.
Especialistas descrevem essa fase como uma transição para uma inteligência distribuída inserida diretamente no processo produtivo, cuja governança, custos e responsabilidade jurídica passaram do campo teórico para o centro das decisões de TI e negócios.
Da mesma forma, o próprio Claude ampliou a capacidade de agentes que realizam fluxos de trabalho entre múltiplas aplicações corporativas, conectando Google Workspace, Excel, PowerPoint e automações com APIs empresariais, mantendo contexto e realizando etapas encadeadas, avançando para o que muitos técnicos chamam de infraestrutura de agente com coordenação integrada.
Essa fase representa uma transição para uma inteligência distribuída inserida diretamente no processo produtivo, cuja governança, custos e responsabilidade jurídica passaram do campo teórico para o centro das decisões de TI e negócios.
Governar a execução algorítmica, hoje, significa gerenciar não apenas comportamentos de agentes, mas custos reais de execução, riscos de segurança de fluxos autônomos e regras formais de compliance que possam ser auditadas e revisadas em tempo real.
Arquiteturas multiagentes maduras: já estamos aqui?
A arquitetura que sustenta sistemas multiagentes vai muito além de um modelo generativo agindo isoladamente, unindo orquestração, comunicação especializada entre agentes, controles de política corporativa e observabilidade contínua.
Essas camadas estão se tornando padrão nas implementações empresariais porque resolvem um problema central: como sistemas autônomos colaboram de forma coerente e segura dentro de ambientes de software complexos e heterogêneos.
Na prática, frameworks de agentes que incorporam esses princípios técnicos já existem e são amplamente utilizados. Um exemplo é o OpenClaw, um framework open source de agentes autônomos que ganhou popularidade mundial, recentemente, embora sua arquitetura não ofereça a segurança necessária.
O OpenClaw atua como uma camada de orquestração em que múltiplos agentes podem ser configurados com seus próprios contextos, históricos de sessão e bibliotecas de habilidades, permitindo que agentes especialistas trabalhem em conjunto sem contaminar contextos entre si.
Essa arquitetura de roteamento e de áreas de trabalho isoladas reflete um entendimento mais maduro de como orquestrar agentes especializados em tarefas distintas ao longo de fluxos de trabalho mais amplos.
Riscos e exposição de dados
Ao mesmo tempo, a popularidade massiva de repositórios públicos de “skills” para agentes, inclusive com marketplaces não moderados, expôs desafios sérios de confiança e cadeia de suprimentos.
Auditorias recentes revelaram que uma parcela das habilidades compartilhadas continha malware ou vulnerabilidades exploráveis, ilustrando que atualmente a maior vulnerabilidade não está apenas nos modelos, mas em toda a cadeia de execução de agentes e nas dependências de software que esses sistemas trazem consigo.
É nessa lacuna de governança técnica que arquiteturas corporativas estão se distanciando de implementações experimentais: algumas empresas estão separando a camada de execução autônoma da camada de política organizacional, assim como os times de TI isolam serviços críticos do restante da infraestrutura.
Uma resposta técnica a esse desafio é o conceito de “authenticated workflows”, uma abordagem que trata a segurança como parte integral e determinística dos limites operacionais dos agentes, aplicando prova criptográfica de integridade em cada ação proposta antes de sua execução.
Essa abordagem busca garantir que todas as operações respeitem políticas corporativas e regras de compliance, ressaltando que segurança e governança não são filtros, mas subsistemas essenciais na arquitetura de agentes.
A necessidade de mecanismos tão robustos não é teórica. A própria experiência de profissionais que testam essas arquiteturas expõe lacunas críticas de execução, controle e supervisionamento.
Relatos recentes mostram que agentes que operam continuamente podem interpretar instruções de forma ampla, executar comandos inesperados ou tentar ações não autorizadas se as fronteiras de autoridade e escopo não forem explicitamente definidas e tecnologicamente reforçadas.
Esse ambiente de risco e complexidade fez com que fornecedores e integradores de tecnologia começassem a tratar governança e observabilidade de agentes como infraestrutura tão essencial quanto armazenamento de dados ou redes corporativas.
Em vez de ferramentas pontuais, arquiteturas maduras adotam painéis de monitoramento que coletam telemetria de decisões algorítmicas, trilhas de auditoria completas e mecanismos de human-in-the-loop bem definidos que permitem ajustes e intervenções em tempo real, sem interromper a operação autônoma.
Essa evolução aproxima os sistemas multiagentes de modelos que as organizações reconhecem como confiáveis e auditáveis, condição indispensável para adoção em escala.
A consolidação da inteligência distribuída nas operações corporativas depende, portanto, menos das capacidades isoladas dos modelos e mais da arquitetura de governança, transparência e segurança que os sustenta.
Organizações que tratam agentes autônomos como extensão de sua infraestrutura crítica, e não como experimentos pontuais, conseguem reconciliar autonomia de execução com controle organizacional, elevando ganhos operacionais sem comprometer integridade, conformidade ou confiança.
