Boa parte do noticiário de tecnologia hoje vende a mesma imagem: agentes de IA autônomos que resolvem tudo sozinhos. Nós mesmos cobrimos esse avanço, do comércio agêntico no e-commerce à publicidade agêntica. Mas há um contraponto que merece espaço, e ele tem a ver com uma palavra pouco glamourosa: confiabilidade.
O crítico de IA Gary Marcus vem repetindo uma tese incômoda: até agora, os agentes autônomos foram, em boa medida, uma decepção. Não porque não fazem nada, mas porque não fazem de forma confiável o bastante para rodar sem supervisão na maioria dos casos reais.
Não escrevo isto para desmerecer a tecnologia. Escrevo para ajudar você a usá-la com a cabeça no lugar. Entender onde os agentes falham é o que separa quem colhe valor de quem coleciona frustração.
O gargalo não é capacidade, é confiabilidade
A capacidade dos modelos impressiona. O problema, como argumenta Marcus, é a consistência. Um sistema que acerta tarefas complexas em cerca de metade das vezes parece ótimo em uma demonstração e vira um pesadelo em produção. A régua da confiabilidade é muito mais alta do que a régua da capacidade, e é nela que os agentes ainda tropeçam.
Esse ponto está bem documentado nos textos de Marcus, em especial no artigo em que ele afirma que os agentes de IA foram, até aqui, majoritariamente um fiasco. É uma leitura desconfortável para quem só ouviu o lado do hype.
Por que 50% de acerto engana
Aqui está a sacada que muda tudo. A mesma taxa de sucesso significa coisas opostas dependendo do contexto. Em pesquisa, com um humano revisando cada resultado antes de qualquer coisa ir para a frente, acertar metade das vezes já é transformador, porque o humano filtra o resto. Em produção, quando o resultado do agente vai direto para o cliente, acertar metade das vezes é um desastre de marca e de confiança.
Os agentes de IA foram, até agora, em grande parte, uma decepção.
Gary Marcus, Marcus on AI
O efeito da cadeia: erros que se acumulam
Existe ainda um agravante técnico. Agentes trabalham em cadeias de passos, e o erro se acumula ao longo do caminho. Segundo um estudo citado por Marcus, uma parcela grande dos agentes passa a desviar do próprio objetivo depois de algumas dezenas de passos, e sistemas com memória ficam vulneráveis a envenenamento de dados. Não trato esses números como verdade absoluta, já que vêm de levantamento ainda em discussão, mas o padrão é coerente com o que o Relatório Internacional de Segurança em IA de 2026 aponta sobre riscos de autonomia.
Traduzindo: quanto mais longa e mais autônoma a tarefa, maior a chance de o agente sair dos trilhos sem ninguém perceber. Isso não condena a tecnologia, apenas define onde ela é segura hoje.
O que isso significa para quem usa IA no marketing
A conclusão prática não é fugir dos agentes, é domesticá-los. Prefira casos de uso estreitos e bem definidos, onde o acerto é fácil de verificar. Mantenha um humano no circuito para tudo que toca o cliente ou o dinheiro. E meça: sem acompanhar a taxa real de acerto, você confia no que não deveria. É o mesmo espírito de disciplina que defendemos ao falar dos agentes de IA com MCP e governança e do impacto da IA no atendimento e na retenção.
O futuro dos agentes é promissor, mas ele se constrói sobre confiabilidade, não sobre demonstração. Quem entender isso primeiro vai errar menos e economizar caro.
Perguntas frequentes
Agentes de IA não funcionam?
Funcionam, mas de forma ainda inconsistente para muitos usos em produção. O ponto levantado por críticos como Gary Marcus é a confiabilidade: os agentes são úteis em casos estreitos e supervisionados, e arriscados quando agem sozinhos em tarefas longas.
Por que 50% de acerto pode ser bom ou ruim?
Depende do contexto. Com um humano revisando cada resultado, acertar metade das vezes pode ser transformador. Quando o resultado vai direto ao cliente, sem revisão, a mesma taxa vira um problema sério de confiança.
O que é o desvio de objetivo em agentes?
É a tendência de um agente se afastar da meta original ao longo de muitos passos encadeados. Como o erro se acumula, tarefas longas e autônomas têm mais risco de sair dos trilhos sem supervisão.
Como usar agentes de IA com segurança no marketing?
Escolha casos de uso estreitos e verificáveis, mantenha um humano no circuito para o que toca cliente ou dinheiro, defina guardrails claros e acompanhe a taxa real de acerto em vez de confiar na promessa.
