Guia: quanto dá para delegar a agentes?

Os dois fatores que definem o teto de autonomia

Jina Yoon, da PostHog, propõe que a decisão de quanto delegar a agentes de IA não depende da qualidade do modelo, mas de duas perguntas sobre a tarefa:

1. É fácil verificar o trabalho do agente? Tarefas com checks determinísticos (testes unitários, integração) permitem autonomia maior. Tarefas subjetivas (renomear parâmetros por clareza, por exemplo) exigem julgamento humano.
2. É barato desfazer um erro? Se existe um "Ctrl+Z" garantido (código em draft, feature flag, shadow mode), o risco de delegar cai drasticamente.

Os quatro níveis de autonomia

Cruzando os dois fatores, surge uma matriz com quatro níveis:

• Nível 0 – Agente como assistente: difícil de verificar + caro de desfazer. Exemplo: migração de um motor de feature flags que tocava flags de clientes em produção. A solução foi quebrar a tarefa e delegar só as partes menos críticas (propagação em SDKs) enquanto o núcleo era feito à mão.
• Nível 1 – Human-in-the-loop: difícil de verificar + barato de desfazer. Tarefas que exigem gosto e julgamento, como refatoração de legibilidade. O código fica em draft até aprovação humana. Para subir de nível: usar LLM-as-judge, definir métricas objetivas de sucesso ou escrever "skills" customizadas que codifiquem padrões do time.
• Nível 2 – Delegação ao agente: fácil de verificar + caro de desfazer. É o padrão atual para a maioria do trabalho de desenvolvimento. Exemplo: reescrita de um parser SQL em Rust, validada por um oráculo de máquina, mas protegida por shadow mode em produção e cutover gradual. Para subir de nível: codificar guardrails diretamente no pipeline (dry-run por padrão, escopo de credenciais, feature flags) em vez de depender de revisão humana como gargalo.
• Nível 3 – Modo autônomo: fácil de verificar + barato de desfazer. Ainda restrito a tarefas pequenas (bumps de dependências, fixes de lint, cobertura de testes), mas crescendo com agentes de longa duração e loops orientados a objetivo. A PostHog lançou "Scouts" - agentes que rodam em schedule, investigam sinais de dados de produto e abrem PRs sozinhos.

Como avançar para o Nível 3

Três caminhos apontados: treinar modelos domain-specific que saibam o que é "bom" em um domínio específico; construir bancos de contexto estruturados e atualizados (a falta de autonomia muitas vezes é só déficit de contexto); e projetar sinais claros para que agentes de longa duração saibam distinguir trabalho válido de ruído.

Uma nota final: escala não é fator para determinar o nível de autonomia. Se a autonomia está correta no nível da tarefa, a escala se resolve sozinha.