Quase toda organização já usa inteligência artificial. Quase nenhuma aplica de forma madura. Este texto trata do porquê dessa distância, e dos conceitos que passaram a estruturar essa conversa. É o chão comum antes de qualquer projeto que a gente venha a construir junto.
A capacidade dos modelos cresceu mais rápido do que a capacidade das organizações de usá-los. Isso virou lugar-comum. O que se discute menos é por que o segundo número não acompanha o primeiro, e a resposta é mais interessante do que "as pessoas resistem à mudança".
Em 2025 o METR rodou um experimento controlado com desenvolvedores experientes, em repositórios que eles próprios conheciam bem, com tarefas reais. Metade das tarefas com ferramentas de IA, metade sem.
mais lentos com IA, foi o resultado medido. Os mesmos desenvolvedores estimaram, depois de terminar, que a IA os tinha deixado cerca de 20% mais rápidos. A diferença entre o que aconteceu e o que eles sentiram passa de 35 pontos. METR, 16 desenvolvedores, 246 tarefas, ferramentas disponíveis entre fev e jun de 2025
O ponto aqui não é que IA deixa gente mais lenta. É que a forma mais comum de avaliar adoção de IA nas empresas, perguntar às pessoas se elas se sentem mais produtivas, é um instrumento quebrado. Se nem quem faz o trabalho percebe a diferença corretamente, uma pesquisa de satisfação interna não vai perceber. Maturidade começa quando a organização passa a medir resultado, não sensação.
Um levantamento do MIT em 2025, que ficou conhecido como GenAI Divide, analisou centenas de implantações corporativas e concluiu que a esmagadora maioria dos pilotos não produzia impacto mensurável no resultado da empresa.
Esse é o mecanismo por trás dos dois achados anteriores, e é o que importa entender de verdade.
Quando cada pessoa usa um chat para acelerar a própria tarefa, o ganho morre junto com a tarefa. Nada do que foi descoberto, decidido ou aprendido fica disponível para a próxima tarefa, nem para a próxima pessoa. Não há acúmulo. Uma organização feita de indivíduos mais rápidos pode continuar, como organização, exatamente tão lenta quanto antes.
A diferença entre uma ferramenta de produtividade e um modelo operacional é se o ganho acumula ou evapora.
É por isso que a conversa séria sobre IA deixou de ser sobre qual modelo usar e passou a ser sobre como o trabalho é organizado em volta dele.
Houve uma mudança técnica concreta nos últimos anos que explica por que essa conversa mudou de natureza. Vale entender, mesmo sem ser técnico.
Num chat, a unidade de trabalho é a pergunta e a resposta. Você fornece o contexto, lê o resultado, verifica se está bom e decide o próximo passo. Tudo que existe em volta do modelo é você, fazendo na hora, implicitamente.
Num agente, a unidade de trabalho é a tarefa. Ele recebe um objetivo, usa ferramentas, executa vários passos, consulta fontes, age ao longo do tempo. E aqui está a virada: tudo aquilo que você fazia implicitamente em volta do chat agora precisa existir explicitamente, como engenharia. Escolher o que ele vê. Definir o que ele pode fazer. Verificar o resultado. Decidir onde ele para e devolve a decisão para um humano.
Esse conjunto de coisas em volta do modelo ganhou um nome, e é o conceito central deste texto.
Uma consequência prática que quase todo time descobre da forma difícil: não adianta jogar tudo dentro do contexto do agente. A atenção do modelo se degrada conforme a janela enche, o custo cresce e o agente perde o fio. A Anthropic chama de context engineering a disciplina de curar o menor conjunto de informação de alto sinal que produz o comportamento desejado. Gerenciar o que entra e o que sai da janela do agente é trabalho de engenharia, não truque de prompt.
O termo se consolidou em 2026, puxado por publicações da Thoughtworks e da própria Anthropic. A definição cabe numa linha e a consequência não cabe numa vida: um agente é o modelo mais tudo que existe em volta dele.
agente = modelo + harnesso harness é todo o resto: contexto, ferramentas, memória, verificação, pontos de decisão humana
Como os modelos de ponta ficaram parecidos entre si e acessíveis a todo mundo, é nesse "em volta" que passou a morar a diferença entre um projeto de IA que funciona e um que não sai do piloto. Um harness bem construído faz duas coisas ao mesmo tempo: aumenta a chance de o agente acertar de primeira, e cria um retorno que corrige boa parte dos erros antes que cheguem a um humano.
Uma revisão acadêmica de 2026 (Zhou e outros) organizou a literatura em três pilares. É a taxonomia mais útil que existe hoje para pensar o assunto:
O que persiste entre uma sessão e outra: decisões tomadas, evidências, estado do trabalho. Sem isso, todo trabalho recomeça do zero e o agente repete perguntas já respondidas.
resolve continuidadeO procedimento escrito que o agente lê no momento de executar: como esse tipo de trabalho é feito aqui, com que critério, dentro de quais restrições. Sem isso, a mesma tarefa sai diferente a cada execução.
resolve variânciaOs contratos estáveis que ligam o agente a dados, ferramentas e a outros agentes. O MCP é o exemplo que padronizou isso no mercado. Sem eles, cada integração é frágil e feita à mão.
resolve coordenaçãoBirgitta Böckeler, da Thoughtworks, propõe uma distinção que vale carregar para qualquer conversa sobre agentes:
A implicação prática é forte: quanto mais o agente trabalha sem supervisão passo a passo, mais o peso se desloca para os sensores. Você não consegue olhar cada passo, então precisa que o sistema perceba o próprio erro. Times que só investem em guides ficam presos supervisionando tudo.
Quando um agente erra, a resposta preguiçosa é "o modelo é ruim". A pergunta útil é qual parte do harness quebrou:
Quase toda falha real cai numa dessas quatro. E nenhuma delas se resolve trocando de modelo.
Existe uma ideia que unifica tudo que veio até aqui, e ela é mais velha que a inteligência artificial.
A revisão de Zhou e outros mostra que memory, skills, protocols e harness são o mesmo movimento visto de ângulos diferentes: externalização, isto é, tirar carga cognitiva de dentro (da cabeça de alguém, ou do contexto efêmero de um modelo) e colocá-la em estruturas externas, persistentes e inspecionáveis. A raiz vem de Donald Norman e da ideia de cognição distribuída: uma lista de compras, uma agenda e um checklist já são memória externalizada.
Três trocas explicam por que isso funciona tão bem com agentes:
A consequência prática é simples de enunciar e difícil de sustentar: o que importa precisa virar artefato legível, por gente e por máquina. Uma decisão que existe só na cabeça de alguém não está externalizada. Um critério que só o time sênior conhece não está externalizado. E o que não está externalizado não acumula, o que nos devolve exatamente ao problema do item 01.
Escrever as coisas deixou de ser burocracia e virou infraestrutura.
Se o agente executa, o que sobra para a pessoa? A resposta madura não é "supervisionar tudo", e também não é "confiar e sair de perto".
Vale separar dois tipos de trabalho cognitivo. Inteligência é coletar, sintetizar, gerar e verificar: processamento, e a IA faz isso em escala. Julgamento é dar direção, arbitrar entre caminhos, tomar a decisão que carrega responsabilidade perante alguém.
Não é uma fronteira fixa desenhada uma vez, é um critério aplicado tarefa a tarefa. E existem dois erros simétricos: o time que desconfia de tudo e não delega nem o que deveria, e o time que delega inclusive o que carrega responsabilidade. O primeiro não colhe nada, o segundo se queima em público.
Um agente avaliando o próprio resultado tende a confirmar o que acabou de produzir. É um avaliador ruim por construção. Times mais maduros separam quem gera de quem avalia: a própria Anthropic descreve publicamente arquiteturas que separam planejamento, geração e avaliação em papéis distintos justamente para trabalhos longos, onde ninguém consegue conferir cada passo.
O humano, nesse arranjo, não revisa cada linha. Ele entra nos pontos de ambiguidade e nas decisões que carregam responsabilidade. É um papel de conselho e arbitragem, não de fiscalização.
Andrej Karpathy formulou isso de um jeito que resolve muita discussão: o que se automatiza bem é aquilo que se consegue verificar. Onde a verificação é barata e objetiva, dá para delegar em escala. Onde verificar custa tanto quanto fazer, delegar não compensa.
Boa parte do trabalho sério de harness é, no fundo, tornar a verificação barata. Quem entende isso para de perguntar "a IA consegue fazer isso?" e passa a perguntar "eu consigo checar isso de forma confiável e barata?". A segunda pergunta é bem mais útil.
Dar poder de ação a um sistema traz risco de errar em escala. Quatro nomes que você precisa reconhecer, porque eles aparecem em qualquer conversa técnica séria.
Simon Willison nomeou em 2025 a combinação que torna um agente perigoso. Três propriedades:
Isoladas, cada uma é inofensiva. Juntas, uma instrução maliciosa escondida em qualquer conteúdo que o agente leia pode levá-lo a vazar dados. E o detalhe que assusta: isso é estrutural, não é um bug a ser corrigido. O modelo não distingue de forma confiável o que é instrução legítima do que é instrução injetada dentro de um dado. Por isso a defesa é arquitetural, quebrar uma das três pernas, e não "escrever um prompt mais firme".
A memória externalizada é o que faz o ganho acumular, e é também superfície de ataque e de degradação. Informação errada, desatualizada ou plantada que entra na memória vira base de tudo que vem depois. Memória sem curadoria não é ativo, é passivo.
Volume gerado sem curadoria. Gerar deixou de ser o gargalo, curar passou a ser. Um time que mede quantidade produzida em vez de resultado obtido degrada a própria qualidade enquanto se sente produtivo, o que é exatamente o paradoxo da percepção do item 01 reaparecendo em outra roupa.
Quando o sistema gera mais do que o time consegue entender e manter. A conta não chega no dia da entrega, chega meses depois, quando algo quebra e ninguém sabe por que foi feito daquele jeito. É a dívida técnica clássica, acelerada.
Nenhum desses quatro é argumento contra usar IA. Os quatro são a razão pela qual o "em volta" existe: limites, permissões, isolamento, sensores e pontos de decisão humana.
Duas direções que já dá para enxergar, e que fecham o arco começado no item 01.
A fronteira atual é deixar de acionar o agente manualmente a cada vez e passar a desenhar o sistema que o aciona em cadência, com memória, checagens e critério de parada. Peter Steinberger provocou o mercado com a formulação de que você não deveria mais estar promptando agentes, deveria estar desenhando os loops que promptam seus agentes.
Vale a ressalva: um loop sem sensores é apenas uma forma mais rápida de errar muitas vezes seguidas. A parte difícil de um loop nunca é dispará-lo, é saber quando ele deve parar.
Modelos são commodity: capacidade parecida disponível para todo mundo, a preço decrescente. A conexão com dados está padronizando. O que não vira commodity é como cada organização organiza o trabalho em volta disso: o que fica externalizado, onde estão os pontos de decisão, como a verificação acontece, o que acumula de uma tarefa para a próxima.
É essa a resposta para a pergunta que abre qualquer diagnóstico honesto: por que duas empresas com exatamente as mesmas ferramentas chegam a resultados tão diferentes.
Os termos deste texto, para reconhecer sem travar quando aparecerem numa conversa.
Fontes públicas de mercado e pesquisa. essencial é o mínimo para acompanhar as conversas, complementar é para ir fundo.
Este texto trata do problema e do vocabulário. Ele não ensina como a rabbity trabalha, ensina o terreno em que a rabbity trabalha. O método, a forma de conduzir um time por essa transição e o que se constrói dentro de cada cliente: isso a gente vê junto, nos projetos e nas conversas que vêm depois daqui.
Fazer parte da rede é continuar perto disso. Eu acompanho de perto o que muda nesse mercado, e trago para quem está comigo.