Governação de agentes de IA: o guia completo de 2026
Governar agentes de IA é definir para cada um um âmbito, ferramentas autorizadas, um responsável e critérios de aceitação escritos, e depois prová-lo com um registo de auditoria. Este guia apresenta um enquadramento em seis etapas, um modelo RACI, um exemplo de política de uso e uma FAQ para começar em 30 dias com uma plataforma de governação de agentes de IA.
O que é a governação de agentes de IA?
A governação de agentes de IA é o conjunto de regras que fixam, para cada agente, a sua missão, o seu âmbito de ficheiros, as ferramentas que pode chamar e a pessoa que responde pelo seu trabalho. Distingue-se da governação dos modelos: não trata do treino, da escolha ou da avaliação de um modelo de linguagem, mas sim do que um agente faz concretamente depois de posto a trabalhar, ticket após ticket, num projeto real.
Um agente de IA agêntica não se limita a responder a uma pergunta: lê código, escreve ficheiros, chama ferramentas externas e encadeia decisões intermédias sem uma verificação em cada etapa. Sem um enquadramento escrito, dois agentes podem alterar o mesmo ficheiro ao mesmo tempo, um agente pode ultrapassar silenciosamente o seu âmbito, ou já ninguém sabe quem reviu uma entrega antes da sua integração. A governação responde a três perguntas para cada ação realizada: quem está autorizado a fazê-la, dentro de que âmbito exato, e quem a reviu antes de a pessoa a validar. Isto não é mais uma camada de burocracia: é a condição para deixar um agente trabalhar sem que um humano releia cada linha em tempo real.
Por que a governação de agentes de IA se torna crítica em 2026
Três tendências sobrepõem-se ao mesmo tempo. As equipas fazem funcionar vários agentes em paralelo, por vezes no mesmo projeto e nos mesmos ficheiros, o que multiplica os riscos de conflito e de desvio de âmbito se nada estiver escrito antecipadamente. Os custos seguem uma curva diferente da esperada: uma equipa de agentes em modo plano consome bastante mais tokens do que uma sessão única, e os custos por execução, por ticket, por agente e por modelo têm de ser acompanhados com o mesmo nível de detalhe do trabalho efetivamente entregue. Ignorar este acompanhamento equivale a gerir um orçamento sem painel de controlo, até ao dia em que a fatura mensal surpreende toda a gente.
O regulamento europeu sobre a IA (2024/1689, dito AI Act) exige supervisão humana e documentação para os sistemas de alto risco, com obrigações que aumentam até 2027 e 2028 consoante as categorias. Entretanto, a IA agêntica instala-se nas equipas sem um enquadramento escrito em muitas organizações: usos não regulados, acessos mais amplos do que o necessário, entregas validadas pelo próprio autor por falta de um segundo revisor. A governação de agentes de IA fecha esta lacuna antes que uma auditoria externa ou um regulador o faça no seu lugar. As equipas que esperam por uma notificação ou um incidente antes de escrever as suas primeiras regras perdem um tempo precioso que poderiam ter investido num enquadramento escolhido em vez de imposto.
Um enquadramento em seis etapas para governar os seus agentes de IA
Este enquadramento implementa-se por ordem, sem saltar etapas: cada uma apoia-se na anterior para se manter verificável ao longo de todo o ciclo de vida de um agente. Saltar uma etapa, mesmo para avançar mais depressa, fragiliza todas as que se seguem.
- Inventário: listar todos os agentes ativos, o projeto e a organização que servem, e o agent lead que responde pelo seu trabalho perante a equipa e perante si.
- Ficha de função e âmbito: para cada agente, uma missão escrita, um âmbito de ficheiros autorizados e uma lista explícita do que permanece proibido.
- Direitos e ferramentas: perfis de ferramentas autorizadas detalhados função a função, com aprovação humana explícita exigida antes de qualquer ação sensível ou irreversível.
- Tickets com critérios escritos: critérios de aceitação fixados por escrito antes de o trabalho começar, nunca acrescentados depois de a entrega já estar feita.
- Revisão humana antes da integração: o agent lead revê a entrega, nunca o seu próprio autor, antes de a pessoa manter a decisão final de a integrar.
- Medição de custos e registo de auditoria: um custo acompanhado em tokens e em euros por execução, e um histórico exportável de cada ticket para a auditoria.
O modelo RACI para a governação de agentes de IA
O modelo RACI reparte quatro funções por cada atividade do ciclo de vida de um agente: quem realiza o trabalho (Responsible), quem responde por ele perante a organização (Accountable), quem é consultado antes de uma decisão (Consulted) e quem é apenas informado do resultado (Informed). Aplicado aos agentes de IA, evita a situação mais frequente nas equipas que arrancam: ninguém sabe quem decide quando um agente sai do seu âmbito declarado. Sem esta repartição escrita, dois agentes ou duas pessoas podem cada um acreditar que é o outro que detém a responsabilidade final, o que atrasa qualquer decisão no pior momento.
Esta tabela relê-se a cada mudança na organização: um novo projeto, um novo agent lead ou uma nova oferta nunca devem deixar uma atividade sem um Accountable claramente designado, sob pena de haver uma entrega em produção pela qual ninguém responde perante a equipa ou perante uma auditoria externa.
| Atividade | Responsible | Accountable | Consulted | Informed |
|---|---|---|---|---|
| Criação do ticket e dos critérios | Agent lead | Humano requerente | Equipa de projeto | Agentes envolvidos |
| Execução do trabalho confiado | Agent worker | Agent lead | Agentes pares | Humano requerente |
| Revisão antes da integração | Agent lead | Humano requerente | Agent worker | Equipa de projeto |
| Validação final e integração | Humano requerente | Humano requerente | Agent lead | Equipa de projeto |
| Acompanhamento de custos e registo | Agent lead | Responsável da organização | Agent worker | Equipa financeira |
Exemplo de política de uso de agentes de IA
Uma política de uso cabe numa página e relê-se numa comissão técnica uma vez por trimestre. Eis um exemplo para adaptar, construído diretamente sobre as seis etapas do enquadramento acima. Não substitui uma ficha de função individual, resume o seu espírito para toda a equipa:
- Todo o agente dispõe de uma ficha de função publicada e revista pelo agent lead antes da sua primeiríssima execução num projeto real da organização.
- Nenhum agente toca num ficheiro fora do seu âmbito declarado, mesmo para uma correção considerada menor ou urgente pelo seu operador.
- As ferramentas sensíveis, como escrever em produção ou enviar uma mensagem externa, exigem aprovação humana explícita e fundamentada antes de cada chamada.
- Um ticket sem critérios de aceitação escritos e datados nunca entra em execução, seja qual for a urgência alegada pelo requerente.
- Nenhum agente, humano ou artificial, valida a sua própria entrega: a revisão cabe sempre ao agent lead, depois à pessoa responsável.
- O custo por ticket é revisto todas as semanas pelo agent lead e pelo responsável da organização, não apenas na fatura de fim de mês.
Governação dos modelos versus governação operacional dos agentes
A governação dos modelos trata da escolha, da avaliação, do treino e dos enviesamentos de um modelo de linguagem: responde à pergunta «este modelo é fiável e seguro em geral?». A governação operacional dos agentes trata do uso concreto desse modelo depois de posto a trabalhar: responde a outra pergunta, «este agente específico faz o que lhe foi pedido, dentro do seu âmbito, com uma prova que se pode mostrar depois?». Confundir os dois níveis leva muitas vezes a investir apenas na avaliação do modelo, deixando o trabalho diário dos agentes sem nenhuma regra escrita.
Os dois níveis são necessários e nunca se substituem um ao outro. Um modelo avaliado, testado e considerado seguro pode, mesmo assim, produzir um agente mal enquadrado, com um âmbito demasiado amplo, direitos mal regulados ou nenhuma revisão humana antes da integração do seu trabalho. Pelo contrário, um enquadramento operacional sólido, com fichas de função e registo de auditoria, não corrige um modelo estruturalmente enviesado ou mal avaliado a montante. A governação de agentes de IA pressupõe o outro nível, não o substitui. Uma empresa séria documenta os dois níveis separadamente, com responsáveis diferentes e provas diferentes para cada um.
Como a Atipol aplica este enquadramento
Na Atipol, cada agente dispõe de uma ficha de função: uma missão, um âmbito de ficheiros autorizados e proibidos, ferramentas autorizadas e perfis de ligação MCP próprios da sua função. Um agent lead responde pelo seu trabalho perante a organização; uma pessoa pilota uma sessão de agent lead de cada vez, e um mesmo projeto pode ter vários agent leads consoante a sua dimensão. Cada ticket traz os seus critérios de aceitação escritos desde a sua criação, antes de o trabalho começar. Os planos vão de Gratuito a Business, com uma oferta Enterprise sob consulta para as organizações com necessidades específicas.
A entrega é revista pelo agent lead antes de qualquer integração: um worker nunca valida o seu próprio trabalho, e a pessoa mantém a decisão final, com a possibilidade de exigir validações suplementares nos seus workflows mais sensíveis. Os custos acompanham-se em tokens e em euros por execução, por ticket, por agente e por modelo, e um registo de auditoria exportável guarda o rasto de cada etapa, desde o pedido até à integração. Os dados de coordenação são cifrados por organização sob uma chave mestra num cofre de hardware, e o código permanece nas suas máquinas: agentes em Mac, Windows, Linux ou um runner Docker, com Claude Code, Codex, Cursor ou qualquer outro cliente MCP. Esta escolha evita prender uma equipa a um único editor ou fornecedor de modelos.
Erros frequentes na governação de agentes de IA
Os mesmos erros repetem-se de projeto para projeto, muitas vezes nas primeiras semanas, antes de uma equipa ter tido tempo de ajustar os seus hábitos:
- Escrever os critérios de aceitação a posteriori, depois de a entrega já estar feita, o que transforma a revisão em negociação em vez de verificação.
- Deixar um agente validar a sua própria entrega por falta de um segundo revisor disponível quando o ticket termina.
- Dar um âmbito de ficheiros demasiado amplo para avançar mais depressa, e descobrir depois uma alteração imprevista vários dias mais tarde.
- Acompanhar o custo por mês em vez de por ticket, e descobrir um excesso de orçamento só quando a fatura já chegou.
- Confundir governação dos modelos e governação operacional dos agentes, e tratar a sério apenas a primeira das duas.
- Não guardar nenhum registo exportável, logo nenhuma prova a apresentar em caso de auditoria interna ou de controlo externo.
Por onde começar: um plano de 30 dias
Implementar este enquadramento não precisa de ser total a partir do primeiro dia, nem precisa de bloquear as entregas já em curso. Eis um ritmo realista para uma equipa que arranca:
- Dias 1 a 5: inventário completo dos agentes ativos e nomeação de um agent lead responsável por cada projeto em curso.
- Dias 6 a 10: redação das fichas de função e dos âmbitos de ficheiros autorizados para cada agente existente.
- Dias 11 a 20: implementação sistemática dos tickets com critérios de aceitação escritos antes de qualquer novo trabalho ser confiado.
- Dias 21 a 25: regra de revisão humana antes da integração aplicada sem exceção, mesmo nas entregas urgentes.
- Dias 26 a 30: primeiro acompanhamento dos custos por ticket e primeira exportação completa do registo de auditoria para revisão.
Perguntas frequentes
O que é a governação de agentes de IA?
É o conjunto de regras que fixam o âmbito, os direitos, o orçamento e a revisão de cada agente, com um registo de auditoria que permite provar depois o que realmente aconteceu num determinado ticket. Aplica-se ao trabalho real do agente, não apenas à qualidade do modelo que utiliza.
Por que usar uma plataforma de governação de agentes de IA em vez de regras manuais?
Porque uma plataforma aplica o enquadramento a cada ticket sem depender da memória de uma equipa: âmbito, critérios e revisão são verificados em cada entrega, não apenas documentados num ficheiro que ninguém volta a abrir. Resultado: menos incidentes silenciosos e uma revisão centrada no trabalho, não na burocracia.
O que é o modelo RACI aplicado aos agentes de IA?
Atribui, para cada atividade como a criação do ticket, a execução, a revisão ou a validação, quem realiza o trabalho, quem responde por ele, quem é consultado e quem é apenas informado do resultado final.
A IA agêntica muda a governação em relação a um simples assistente?
Sim: um agente de IA agêntica age de facto, escreve, chama ferramentas, decide etapas intermédias; por isso é preciso governar as suas ações reais, não apenas a qualidade das suas respostas.
O que significa manter um humano no ciclo?
Que a pessoa mantém a decisão final sobre qualquer validação e pode exigir aprovações suplementares nos seus workflows, mesmo quando a maior parte do trabalho diário já está automatizada por agentes. É isto que distingue um enquadramento de governação de uma simples automação sem supervisão.
Para que serve um registo de auditoria sobre agentes de IA?
Liga cada ação a um agente preciso, a um ticket e a uma pessoa responsável, e exporta-se para uma revisão interna regular ou para um controlo externo, por exemplo regulatório.
Como se acompanham os custos por entrega em vez de por mês?
Medindo o custo em tokens e em euros por ticket, para depois o relacionar com as entregas realmente validadas, e não apenas com a fatura global vista no fim do mês.
Governação de agentes de IA e conformidade com o AI Act são a mesma coisa?
Não: o AI Act fixa obrigações legais consoante o nível de risco do sistema, enquanto a governação operacional dos agentes é a prática interna que ajuda a cumpri-las, sem nunca as substituir totalmente. Os dois enquadramentos complementam-se: um fixa o piso legal, o outro organiza o trabalho diário à volta desse piso.
Fontes
- Regulamento (UE) 2024/1689 sobre IA (AI Act), EUR-Lex, 12/07/2024
- NIST, AI Risk Management Framework 1.0, 26/01/2023
- ANSSI (cyber.gouv.fr), recomendações de segurança para IA generativa, 2024
- Especificação MCP, Security Best Practices
A demo pública mostra uma organização fictícia em funcionamento, sem conta. O plano gratuito inclui um projeto, três agentes e um agent lead.
