.webp){kind=small}
Empresas implantaram agentes de inteligência artificial antes dos controles necessários para gerenciá-los — e fizeram isso conscientemente. Essa é a principal constatação nos cinco levantamentos paralelos realizados pela VentureBeat Research em junho, abrangendo todas as camadas da pilha de agentes. Agora, essas empresas estão adaptando para acompanhar seus próprios padrões e estão orçando para isso: em cada uma das cinco camadas de controle que medimos, 57 a 68% das empresas planejam mudar de fornecedor ou adicionar novos dentro de 12 meses, e cerca de um terço, dependendo da camada, planejam mudar dentro do trimestre. A VentureBeat Research mediu os cinco controles que uma empresa precisa construir antes de poder confiar em um agente:
identidade, avaliação, telemetria de custo, camada de contexto e orquestração. A identidade determina qual agente é permitido fazer o quê, sob quais credenciais. A avaliação determina se o trabalho do agente é bom. A telemetria de custo acompanha o que cada agente custa para executar. A camada de contexto fornece os dados e definições de negócios que os agentes usam quando respondem. E o plano de controle de orquestração coordena o trabalho de vários passos dos agentes. Cada um de nossos cinco relatórios mede um desses controles. A maioria dos agentes implantados são chatbots com a etiqueta. Setenta e um por cento das empresas disseram que um quarto ou menos de seus agentes implantados podem concluir trabalhos de vários passos sozinhos;
apenas 10% disseram que agentes verdadeiros são a maioria do que executam. Esses respondentes estão posicionados para saber: 81% recomendam ou decidem compras de inteligência artificial em suas empresas. Um chatbot de prompt único com um humano lendo cada resposta não precisa de nenhum dos controles que os outros quatro relatórios medem. Um agente de vários passos verdadeiro precisa de todos eles — e a maioria das empresas não pode dizer qual deles implantou. (Achados completos: relatório de Orquestração de Agentes.) A autonomia está superando a confiança nas avaliações que a controlam. Dois terços das empresas já permitem que um agente envie uma alteração de código ou sistema para produção com base apenas em resultados de avaliação
automatizados, sem revisão humana, ou estão ativamente trabalhando nisso dentro de 12 meses. Apenas 5% confiam plenamente nas avaliações que fariam essa chamada — e metade das empresas enviou um agente que passou em avaliações internas e então causou uma falha voltada para o cliente no ano passado. Antes de remover a revisão humana de qualquer fluxo de trabalho, teste as avaliações contra resultados de produção em vez de benchmarks internos. (Achados completos: relatório de Confiabilidade e Avaliações de Agentes.) Empresas que permitem que agentes compartilhem credenciais são atingidas com mais frequência. Sesenta e nove por cento das empresas permitem que pelo menos alguns de seus agentes compartilhem credenciais — vários agentes operando sob uma chave de API ou conta de serviço. Organizações que permitem o compartilhamento de credenciais em qualquer lugar experimentaram um incidente de segurança ou quase-acidente em uma taxa de 63,5% (47 de 74), contra 40,9% (nove de 22) em empresas onde cada agente tem sua própria identidade com escopo. A solução é identidade com escopo para cada agente, começando com os que tocam sistemas de produção. (Achados completos: relatório de Segurança e Identidade de Agentes.) O hardware mais caro do prédio funciona a metade da capacidade ou menos. Mais de oito em cada 10 empresas que executam suas próprias GPUs relataram utilização de 50% ou menos, e apenas 44% rigorosamente Acompanhe o que o cálculo de inteligência artificial realmente custa e retorna. O número que vale a pena perseguir primeiro não são mais GPUs — é a utilização e o custo por carga de trabalho dos que já estão em execução. (Achados completos: relatório de Infraestrutura e Cálculo de IA.) Agentes respondem com confiança a partir de dados que ninguém governa. Cinquenta e sete por cento das empresas rastrearam uma resposta confiante, mas errada, de um agente nos últimos seis meses devido ao seu próprio contexto de negócios ausente ou inconsistente — métricas erradas, definições desatualizadas, documentos ausentes — e a maioria viu isso acontecer mais de uma vez. Governar as definições das quais os agentes respondem — métricas e entidades primeiro — tem que vir antes de dimensionar os agentes que dependem delas.
(Achados completos: relatório de Camadas de Contexto / RAG.) Nenhuma camada tem um titular arraigado: os padrões de hoje são as ferramentas integradas que vêm com as grandes plataformas de IA que as empresas já usam. A intenção de mudar é mais alta na própria orquestração, onde 68% planejam adotar, adicionar ou substituir plataformas dentro de 12 meses e 34% dentro do trimestre. Nossas pesquisas não perguntaram para qual direção o dinheiro se move — em direção às ferramentas integradas das plataformas ou em direção aos especialistas que as desafiam — e essa pergunta aberta é o próximo quadrimestre desse mercado. Sobre essa pesquisa, a VentureBeat Research realizou cinco pesquisas paralelas em junho de 2026, sob seu programa VB Pulse:
Orquestração Agêntica (101 respondentes), Confiabilidade e Avaliações de Agente (157), Segurança e Identidade Agêntica (107), Infraestrutura e Cálculo de IA (107) e Camadas de Contexto / RAG (101) — 573 respondentes qualificados no total, todos em organizações com 100 ou mais funcionários. As amostras são autoselecionadas, e alguns achados devem ser lidos de forma direcional; cada relatório contém sua nota de metodologia completa. O que o padrão suporta com mais força do que qualquer porcentagem isolada é a direção: cada pesquisa, independentemente, aponta na mesma direção. A VentureBeat produz tanto essa pesquisa quanto a VB Transform, a conferência onde esses relatórios foram lançados.
Nota do editor: O AR NEWS 24H publica conteúdos baseados em fontes externas. As informações e opiniões presentes no material original são de responsabilidade de seus respectivos autores.
