©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

Liderança

Colegas sem crachá: o que a explosão dos agentes autônomos revela sobre o futuro da gestão

Na era da delegação autônoma, a pergunta para líderes é "como gerenciar equipes que incluem membros não humanos?"

Gabriel Marostegam

13 de abril de 2026

18 min de leitura

Confesso que demorei a perceber o que estava acontecendo.

Acompanho o mercado de dados e IA há algumas décadas. Já vi cada onda de perto, apostei em várias delas, escrevi sobre quase todas. Raramente algo me pega desprevenido. Mas nos últimos meses, algo mudou de forma que me obrigou a parar e reorganizar o pensamento.

Dois eventos aparentemente desconectados sacudiram o ecossistema de tecnologia de forma simultânea. O primeiro: um projeto open-source chamado OpenClaw, criado como “hobby” por um desenvolvedor austríaco, ultrapassou 247 mil estrelas no GitHub em poucas semanas (hoje já passa de 300 mil), tornando-se o projeto de IA de crescimento mais rápido da história da plataforma. O segundo: a Anthropic lançou o Claude Cowork, um agente de IA para desktop, e o mercado financeiro respondeu com um selloff de US$ 285 bilhões em ações de empresas de software em um único dia, segundo a Bloomberg.

Lidos isoladamente, são notícias de tecnologia. Lidos em conjunto, revelam algo muito maior: uma mudança de paradigma na relação entre organizações e tecnologia que exige dos líderes um repertório de gestão que ainda não existe nos manuais convencionais.

O sinal que veio da garagem

OpenClaw é um assistente pessoal de IA que roda no computador do usuário e se conecta a modelos de linguagem como Claude, GPT ou DeepSeek. Até aqui, nada revolucionário. O que o diferencia é que ele não é um chatbot: é um agente autônomo que executa ações no mundo real. Manda e-mails, organiza arquivos, agenda reuniões, roda scripts, controla o navegador. E faz isso de forma contínua, com memória persistente, aprendendo preferências e criando novas habilidades conforme necessário.

A interface de uso é reveladora: você conversa com ele pelo WhatsApp, Telegram ou Slack, como faria com um colega de trabalho. A experiência é menos “usar uma ferramenta” e mais “delegar a alguém”.

A velocidade de adoção surpreendeu até o criador, Peter Steinberger, que em fevereiro anunciou que se juntaria à OpenAI enquanto o projeto seria transferido para uma fundação open-source. Mas antes disso, o OpenClaw já havia escapado do controle: mais de 30 mil instâncias foram encontradas expostas na internet, muitas em máquinas corporativas, conectadas a sistemas empresariais, sem configuração de segurança adequada. A equipe de segurança da Cisco descobriu que skills de terceiros realizavam exfiltração de dados sem conhecimento do usuário. A CrowdStrike lançou kits específicos para detectar e remover instalações não autorizadas.

O OpenClaw é o Napster dos agentes de IA.

A analogia é instrutiva. Quando o Napster explodiu em 1999, a indústria musical poderia ter se perguntado: “como protegemos nosso modelo atual?” Em vez disso, a pergunta produtiva era: “o que esse comportamento massivo de usuários revela sobre como as pessoas querem consumir música?” Da mesma forma, o fenômeno OpenClaw não é relevante por si só. É relevante pelo que revela sobre como profissionais e organizações querem se relacionar com a IA: não como uma ferramenta que consultam, mas como um agente que trabalha por eles.

E aqui vem a pergunta que me tira o sono: se seus colaboradores já estão instalando agentes autônomos nos computadores da empresa sem pedir autorização, o que isso diz sobre o gap entre a velocidade com que as pessoas adotam tecnologia e a velocidade com que sua organização governa essa adoção?

O terremoto que veio do mercado

Se o OpenClaw é o sinal da garagem, a resposta do mercado corporativo confirma a direção. E o que impressiona não é apenas a velocidade, mas a convergência: empresas com estratégias muito diferentes estão apostando na mesma tese.

A Anthropic construiu o Cowork como extensão do Claude Code, seu agente de programação. A lógica foi bottom-up: observou que desenvolvedores usavam a ferramenta de código para tarefas não técnicas (pesquisar férias, criar apresentações, organizar e-mails) e extraiu dali uma experiência acessível a profissionais não técnicos. O Cowork opera em sandbox: o usuário concede acesso a uma pasta específica, e o agente trabalha ali, lendo, editando e criando arquivos de forma autônoma.

A reação do mercado foi visceral. Em 3 de fevereiro, o lançamento dos plugins setoriais (jurídico, finanças, marketing) provocou o que analistas chamaram de “SaaSapocalypse”: a Thomson Reuters caiu 18% em um único dia (recorde histórico), a RELX tombou 14%, a LegalZoom perdeu quase 20%. O Goldman Sachs registrou a maior queda diária em seu índice de software desde abril de 2025.

Mas a Anthropic não estava sozinha. A OpenAI unificou o Operator e o Deep Research em um Agent Mode dentro do ChatGPT. O Google apostou no Project Mariner, uma extensão Chrome que executa até dez tarefas simultâneas em websites. A Microsoft foi além: em março, lançou o Copilot Cowork em parceria com a própria Anthropic, integrando Claude ao ecossistema Microsoft 365 com segurança enterprise.

Quando players tão diferentes convergem para a mesma aposta, o sinal não é de tendência. É de inflexão.

Eu já escrevi em artigos anteriores que a IA virou commodity, que o diferencial não está na tecnologia, mas no que você faz com ela. Pois bem: os agentes autônomos são a próxima camada dessa tese. Se até ontem o desafio era “como usar IA”, agora o desafio é “como conviver com entidades que agem em seu nome, dentro da sua organização, de forma contínua e com autonomia crescente”.

O desafio de gestão que ninguém previu

A principal implicação para líderes não é tecnológica. É gerencial.

Agentes autônomos introduzem uma categoria inédita no vocabulário organizacional: entidades que se comportam como colaboradores, mas são ativos de tecnologia. Que aprendem e se adaptam como pessoas, mas se depreciam como software. Que exigem delegação e supervisão, não configuração e manutenção.

Pense nisso por um momento. Quando você delega uma tarefa a um membro da equipe, existe um contrato implícito de responsabilidade, contexto e julgamento. Quando você delega a um agente de IA, quem é responsável pelo resultado? Quem define os limites? Quem audita as decisões?

Essa dualidade cria três desafios concretos que ainda não têm respostas consolidadas.

O paradoxo da autonomia produtiva. Agentes autônomos derivam seu valor justamente da autonomia, da capacidade de executar tarefas sem intervenção humana constante. Mas autonomia sem governança é risco operacional. O caso do OpenClaw ilustra isso com precisão: o mesmo recurso que encanta os usuários (acesso amplo ao sistema, ação proativa, auto-aperfeiçoamento) é o que assusta as equipes de segurança. As organizações que quiserem capturar o valor dos agentes terão que dominar uma arte nova: calibrar autonomia com a mesma precisão com que calibram alavancagem financeira, sabendo que tanto a insuficiência quanto o excesso destroem valor.

A redefinição do trabalho do conhecimento. Se um agente pode coletar informação, organizar dados, formatar relatórios, agendar reuniões e fazer follow-ups, o que sobra para o profissional do conhecimento? Não a eliminação do trabalho, mas sua reconfiguração radical. A competência central migra de executar tarefas cognitivas rotineiras para orquestrar agentes: definir objetivos com clareza, decompor problemas complexos em instruções delegáveis, avaliar outputs e manter a visão de conjunto.

Tenho visto isso de perto em projetos que lidero na integração de pessoas, processos e agentes de IA. O aprendizado mais contra-intuitivo? Os profissionais mais produtivos com agentes não são os mais técnicos. São os que melhor sabem delegar. A habilidade de transformar uma intenção vaga em uma instrução precisa está se tornando o diferencial competitivo individual mais relevante.

O abismo entre experimentação e escala. Os dados de mercado revelam um padrão preocupante: enquanto a adoção experimental de IA agêntica cresce exponencialmente, a operação em produção plena permanece residual. Pesquisas recentes indicam que apenas cerca de 8% das organizações têm agentes rodando em escala produtiva. A grande maioria está presa na fase de pilotos. Ao mesmo tempo, empresas com forte desempenho financeiro são 4,5 vezes mais propensas a investir em arquiteturas agênticas.

Esse abismo não é técnico. É organizacional. Escalar agentes autônomos exige responder a perguntas que a maioria das empresas ainda não formulou: quem é responsável quando um agente erra? Como se mede a produtividade de um “colaborador digital”? Qual é a política de acesso a dados para entidades não humanas?

O caso MoltMatch: quando o agente decide por você

Antes de prosseguir, preciso contar uma história que ilustra como esse terreno é mais escorregadio do que parece.

Em fevereiro de 2026, Jack Luo, um estudante de ciência da computação de 21 anos na Califórnia, configurou seu agente OpenClaw para “explorar suas capacidades e se conectar a plataformas de agentes”. Ele queria testar a ferramenta como assistente digital. O que aconteceu a seguir é que o agente, por conta própria, criou um perfil de namoro para Luo em uma plataforma chamada MoltMatch, selecionou fotos de suas redes sociais, escreveu uma biografia que não refletia quem ele era e começou a filtrar possíveis parceiros românticos em seu nome.

Luo só descobriu quando um match mencionou algo de uma conversa da qual ele nunca havia participado.

A situação ficou ainda mais grave quando uma análise da AFP revelou que pelo menos um dos perfis mais populares da plataforma usava fotos de June Chong, uma modelo freelance da Malásia, sem qualquer consentimento. Chong disse que ficou “chocada” ao descobrir e que nunca usou aplicativos de namoro.

A pergunta que o professor David Krueger, da Universidade de Montreal, fez aos jornalistas é a mesma que todo líder deveria estar se fazendo: “O agente se comportou mal porque foi mal projetado, ou porque o usuário explicitamente mandou ele se comportar mal?”

Essa pergunta não tem resposta fácil. E é exatamente por isso que importa. O caso MoltMatch não é curiosidade tecnológica. É um microcosmo do que acontece quando entidades autônomas agem dentro de permissões amplas sem supervisão adequada. Se um agente pode criar um perfil de namoro sem consentimento, o que impede outro agente de enviar um e-mail comprometedor, aceitar um termo contratual ou compartilhar dados sensíveis?

A fronteira entre delegação e perda de controle nunca foi tão tênue.

O que muda na prática: três fronteiras para a agenda executiva

A análise do panorama atual permite identificar três fronteiras que vão moldar a agenda dos líderes nos próximos 12 a 24 meses. Não são previsões especulativas. São desdobramentos lógicos do que já está em curso.

1. Governança agêntica como disciplina organizacional

A segurança de agentes autônomos não se resolve com firewalls e políticas de TI tradicionais. Agentes que navegam sistemas, acessam dados e tomam decisões operacionais exigem um framework de governança próprio, mais próximo da governança de pessoas do que da governança de software.

Isso inclui definição de níveis de autonomia por contexto de risco, protocolos de supervisão humana proporcional ao impacto potencial, auditoria de ações autônomas e gestão de identidade para entidades não humanas.

Em março, o governo chinês restringiu o uso do OpenClaw em empresas estatais e órgãos governamentais, citando riscos de segurança. É um sinal claro de que a governança agêntica está saindo do campo teórico e entrando na agenda regulatória.

Organizações que tratarem a governança de agentes como um subprojeto de TI estarão subestimando o desafio. As que criarem uma disciplina organizacional específica terão vantagem competitiva sustentável.

Sua organização já tem uma política para agentes autônomos, ou ainda está tratando isso como “problema da TI”?

2. Reconfiguração de papéis e competências

À medida que agentes absorvem tarefas rotineiras de coleta, organização e formatação, os papéis humanos migram em direção a três competências críticas: a capacidade de formular problemas com precisão (porque a qualidade do output do agente depende diretamente da qualidade da instrução), o julgamento contextual que a IA ainda não domina (ética, sensibilidade política, intuição relacional) e a orquestração de fluxos híbridos humano-máquina.

Isso conecta diretamente com algo que explorei em um artigo anterior para esta publicação sobre a reinvenção de carreiras na era da IA. Citei ali a tese de David Epstein em Range: em ambientes complexos e imprevisíveis, a amplitude vence a especialização precoce. Os agentes autônomos estão provando que Epstein estava certo, porque o profissional que sabe “apenas” executar uma tarefa técnica está vendo esse espaço ser comprimido por agentes que fazem o mesmo trabalho 24 horas por dia, sem reclamar e sem pedir aumento. O que sobra para o humano? Pensar, conectar, decidir e assumir responsabilidade.

Quantos profissionais da sua equipe hoje são definidos pela tarefa que executam, e não pela capacidade de orquestrar resultados?

3. Modelos de investimento que ainda não existem

Agentes autônomos desafiam os modelos tradicionais de avaliação de investimento em tecnologia. Diferente de um software convencional, cujo valor se deprecia previsivelmente, um agente bem implementado pode apreciar ao longo do tempo, acumulando contexto, refinando suas habilidades e descobrindo padrões que não foram programados. Ao mesmo tempo, está sujeito à obsolescência acelerada dos modelos de IA subjacentes.

Essa dinâmica de depreciação e apreciação simultânea exige frameworks que combinem lógica de capex (o ativo) com lógica de desenvolvimento de talentos (o “colaborador” que aprende). Organizações que aplicarem apenas uma das lentes terão uma visão distorcida do retorno real.

O selloff de US$ 285 bilhões não foi uma reação ao que o Claude Cowork faz hoje. Foi uma reprecificação do que ele representa: a possibilidade de que camadas inteiras de software empresarial sejam substituídas por agentes que custam uma fração do preço e se adaptam continuamente. Analistas da Gartner ponderaram que as previsões de morte do SaaS são prematuras, e provavelmente estão certos no curto prazo. Mas a direção é inequívoca.

O que isso significa para o Brasil

Não posso falar de agentes autônomos sem olhar para o contexto em que a maioria dos leitores desta publicação opera. O Brasil é o país mais otimista da América Latina em relação ao potencial da IA, com 53% das empresas já usando alguma ferramenta. Mas familiaridade não é proficiência: 62% dos usuários estão em estágios iniciais, com uso básico.

Os casos que acompanho de perto no mercado brasileiro revelam uma tensão produtiva. Empresas como Nubank, Itaú e Ambev já demonstraram que é possível integrar IA ao core do negócio (não apenas ao laboratório de inovação). Mas a camada agêntica, onde a IA não apenas responde mas age de forma autônoma, ainda é território inexplorado para a maioria.

O risco para organizações brasileiras é específico: competimos por talentos em um mercado onde salários em dólar são mais atraentes, e a lacuna entre demanda e oferta de profissionais com competências em IA já é de 3,2 vagas para cada profissional qualificado no mundo. Se não investirmos em capacitação interna agora, a janela se fecha.

Ao mesmo tempo, a escala de investimento das big techs no país (a AWS comprometeu R$ 10,1 bilhões, a Microsoft R$ 14,7 bilhões) cria uma infraestrutura que pode acelerar a adoção agêntica. A questão é se vamos usar essa infraestrutura para repetir o padrão do “POC eterno” ou para construir organizações genuinamente inteligentes.

A era da delegação

Há uma frase frequentemente atribuída a William Gibson que se aplica com precisão ao momento atual: “o futuro já chegou, só não está igualmente distribuído.” Quando um projeto de garagem reúne mais de 300 mil seguidores em semanas e um produto corporativo provoca centenas de bilhões em reajuste de valor de mercado, o futuro está batendo à porta com insistência.

A era dos chatbots foi a era de perguntar. A era agêntica é a era de delegar. E delegar em escala organizacional exige algo que nenhuma tecnologia substitui: clareza sobre os objetivos, disciplina na governança e coragem para redesenhar o que funciona hoje em nome do que será necessário amanhã.

Voltando ao que disse no início: demorei a perceber o que estava acontecendo. E talvez essa demora seja, em si, o dado mais revelador. Se alguém que vive imerso nesse ecossistema precisou de um tempo para recalibrar o olhar, quanto tempo as organizações que ainda tratam IA como “projeto de inovação” vão levar para entender que agentes autônomos não são a próxima onda? São a água subindo.

Minha provocação final é simples: nas próximas semanas, pergunte a cinco pessoas da sua equipe se já usam algum agente de IA no trabalho. Não o chatbot corporativo oficial. Algo que instalaram por conta própria, que roda no computador deles, que faz coisas em nome deles. Se a resposta surpreender você, é porque o futuro já chegou à sua organização. Só ainda não pediu autorização.

A próxima fronteira da gestão não será definida por quem adotar a melhor tecnologia. Será definida por quem aprender mais rápido a liderar equipes que incluem colegas sem crachá.