A reunião onde ninguém quer ser o primeiro a falar
Numa call de status, o time apresenta o agente de atendimento que roda os últimos dois meses em produção. Alguém pergunta: "e se a gente desligar por uma semana pra revisar os prompts?" Silêncio. Ninguém quer propor isso porque parece admitir que o projeto não deu certo. Só que, segundo o maior levantamento sobre agentes de IA em produção publicado neste ano, quem desliga não é quem falhou. É quem está prestando atenção.
O número que devia estar ao contrário
A Sinch entrevistou 2.527 tomadores de decisão sênior em dez países entre janeiro e fevereiro deste ano, e publicou o resultado como "The AI Production Paradox" em agosto. O dado central: 74% das empresas já desligaram ou reverteram um agente de IA que estava rodando em produção, atendendo cliente de verdade.
Até aqui, nada surpreende. IA que erra em produção acontece, e desligar é a reação óbvia. O que quebra a intuição vem no corte seguinte: entre as empresas que descrevem seus guardrails como totalmente maduros, o grupo que mais monitora, mais audita e mais investiu em controle, a taxa de rollback não cai. Sobe, para 81%.
Se governança funcionasse do jeito que a gente vende em proposta comercial, o gráfico devia ser inverso: quanto mais maduro o controle, menos rollback. Não é isso que a pesquisa mostra.
Rollback é sintoma de dois times diferentes
A explicação mais simples também é a mais chata de ouvir: quem não instrumentou o agente não sabe que ele está errando. Sem métrica de acurácia por período, sem trilha de decisão, sem canal de reclamação estruturado, o problema só aparece quando vira reclamação pública. Nesse ponto já é tarde para chamar de rollback controlado, é apagar incêndio.
| Time sem guardrail maduro | Time com guardrail maduro | |
|---|---|---|
| Como descobre o problema | Cliente reclama, ou vaza nas redes | Painel de acurácia cruza o limite definido |
| Quando desliga | Depois que o estrago já apareceu | No dia em que o número cruza a linha |
| Como o time enxerga o rollback | Fracasso do projeto | Etapa esperada do processo |
Isso muda o que "sucesso" quer dizer num piloto de IA. Sucesso, nesse caso, é ter um jeito de saber, com dado, quando parar.
Vale olhar o Brasil dentro do mesmo levantamento. O país lidera a adoção de agentes de IA em produção entre os dez pesquisados, com 76% das empresas já operando algum, contra média global de 62% e 67% nos Estados Unidos. Brasil também aparece entre os países que mais pretendem aumentar investimento em IA nos próximos meses. Ou seja: a gente está na ponta de colocar agente pra rodar de verdade, o que torna o runbook de desligamento ainda mais urgente por aqui, não menos.
O runbook que falta na maioria dos pilotos
A gente vê o mesmo furo em quase todo diagnóstico: existe plano para ligar o agente e não existe plano para desligar. Três coisas resolvem a maior parte disso, e nenhuma delas exige ferramenta nova.
Primeiro, escrever os gatilhos de rollback antes do agente ir ao ar, não depois, e deixar isso registrado em algo simples de consultar sob pressão:
rollback:
acuracia_minima: 92% # janela de 24h
custo_max_por_interacao: R$ 0,80
reclamacao_grave_max_dia: 5
responsavel_pela_decisao: nome da pessoa
Acurácia abaixo de X numa janela de 24 horas, custo por interação acima de Y, reclamação categorizada como erro grave acima de Z num dia. Três critérios bastam, cinco já é difícil de monitorar de verdade.
Segundo, nomear quem decide. Em time pequeno isso parece óbvio até o momento em que ninguém quer ser a pessoa que aperta o botão. Escrever o nome no documento resolve.
Terceiro, testar o próprio processo de rollback antes de precisar dele. Simular o gatilho disparando e cronometrar quanto tempo leva do alerta até o agente sair do ar. Se a resposta for "não sei", esse é o primeiro problema a corrigir, antes de qualquer ajuste de prompt.
Vale considerar também lançar em fatia. Um agente novo não precisa estrear com 100% do volume: uma parcela pequena do tráfego real, com o restante ainda no fluxo anterior, deixa o raio do erro pequeno enquanto o painel de acurácia ainda está sendo calibrado.
O que fazer na segunda de manhã
Abra o painel do agente que está em produção hoje e responda três perguntas por escrito, sem enrolar: qual é o número que dispara o desligamento, quem decide quando isso acontece, e quando foi a última vez que alguém testou esse processo de verdade. Se qualquer uma ficar sem resposta, esse é o próximo item da lista, na frente do próximo recurso do agente.
Na Overflow, a fase de produção de uma implementação de IA entra com controle de acesso e guardrails definidos antes do primeiro dia com tráfego real, para que desligar, quando precisar, seja decisão rápida e não crise.
Fontes
- Sinch releases AI Production Paradox research (Sinch, 2026)
- 74% of Enterprises Have Rolled Back Deployed AI Agents (Sovereign Magazine, 2026)
- Sinch research reveals 74% of enterprises have rolled back live AI customer communications agents (PR Newswire, 2026)
