Mova o ponto de verificação do fim da execução de um agente para o meio dela, e o tempo de conclusão da tarefa cai 13,54%. Esse é o resultado principal de um estudo intrassujeitos com 48 participantes que monitorizavam agentes de IA e reparavam os seus erros, publicado na Conferência CHI de 2026 (Zhou et al., CHI 2026). Oitenta e um por cento desses participantes preferiram o desenho com confirmação intermédia ao padrão de confirmar-no-fim que hoje vem de série na maioria das ferramentas agênticas.
Releia, porque a surpresa está na direção. Mais supervisão não custou throughput. Comprou throughput. As verificações do agente a meio da tarefa foram mais rápidas do que deixá-lo correr limpo até ao fim.
Isso inverte o argumento que a maioria dos responsáveis de operações faz há dois anos. A posição padrão no mid-market é que o humano no circuito é uma despesa de segurança paga a partir do orçamento de velocidade: real, defensável, mas um imposto. Este estudo diz que a premissa está errada nos seus próprios termos, e que o ponto onde uma verificação se situa face aos passos irreversíveis de um agente é uma variável de escalonamento que neste momento está a deixar por definir.
Confirmar no fim é uma decisão de desenho que não foi sua
A maioria dos produtos agênticos executa uma tarefa de vários passos de forma autónoma e apresenta uma única aprovação no fim. Os autores são diretos sobre a fragilidade disso: durante a execução o utilizador tem pouco controlo, por isso um único erro propaga-se em cascata e obriga a reiniciar tudo. Não descobre no passo três que o agente leu mal a entrada. Descobre no passo onze, depois de outros oito passos terem sido construídos por cima.
A correção óbvia — confirmar cada passo — elimina a cascata mas, nas palavras do artigo, impõe uma sobrecarga fastidiosa. Assim, o campo instalou-se num falso binário: travar tudo e andar a rastejar, ou não travar nada e apostar. Nenhuma das duas é uma decisão. Ambas são valores por omissão.
O contributo do artigo é deixar de tratar isto como um botão de segurança e modelá-lo como um problema de escalonamento de tempo mínimo. A pergunta já não é quanta supervisão, que é aquela sobre a qual todas as equipas de operações discutem numa reunião de orçamento. É onde, e essa pergunta quase ninguém a está a fazer em voz alta.
O que 48 participantes fizeram de facto
A investigação decorreu em duas fases. Um estudo formativo com oito participantes revelou um padrão comportamental recorrente na forma como as pessoas monitorizam erros de agentes, que os autores designam Confirmation–Diagnosis–Correction–Redo (CDCR). Quando um utilizador deteta um problema, confirma que algo está mal, diagnostica o que falhou, corrige e refaz o trabalho afetado. Cada uma destas quatro fases consome tempo mensurável, e a fase de refazer escala com o número de passos executados desde a introdução do erro.
Esse padrão é o motor do resultado. Como os custos CDCR são previsíveis, podem ser estimados antecipadamente passo a passo. A equipa construiu um modelo de teoria da decisão que coloca os pontos de confirmação usando o tempo esperado de interação do utilizador, decidindo passo a passo se o agente prossegue sozinho ou pede a uma pessoa que supervisione.
Depois testaram-no: 48 participantes, desenho intrassujeitos, a monitorizar agentes e a reparar erros durante a execução em tempo real. O tempo de conclusão desceu 13,54% face a confirmar-no-fim. A preferência fixou-se em 81% a favor (Zhou et al., CHI 2026).
Duas ressalvas pertencem a qualquer leitura operacional. A amostra são 48 pessoas num estudo controlado de interação pessoa-computador, não uma implementação em produção sobre uma função inteira: trate os 13,54% como indicativos para os seus fluxos, não como previsão. E ambos os números são medidos especificamente contra confirmar-no-fim. O artigo não afirma que a confirmação intermédia bate a confirmação passo a passo em tempo. Afirma que o padrão carregado no fim perde para um escalonado.
A objeção: Stanford concluiu que os portões custam 31 pontos
Há um resultado muito citado que parece contradizer tudo isto. O Stanford Digital Economy Lab estudou 51 implementações empresariais de IA em produção e reportou uma diferença mediana de 31 pontos percentuais atribuível a uma única escolha de arquitetura: implementações em que a IA detinha a tarefa de ponta a ponta sem um portão de aprovação humana entregaram um ganho de produtividade mediano de 71%, enquanto aquelas que exigiam aprovação humana em cada ação significativa estagnaram nos 40% — em empresas a correr os mesmos modelos de fronteira (Stanford Digital Economy Lab, 2026).
Então, afinal? Os portões custam-lhe 31 pontos ou rendem-lhe 13,54%?
Ambos, e os dois resultados não colidem. Stanford mediu a presença do portão — aprovação em cada ação significativa contra nenhuma. O estudo da CHI mediu o posicionamento do portão — o mesmo orçamento de supervisão, escalonado de outra forma. A condição perdedora de Stanford é confirmar-a-cada-passo. A condição perdedora do estudo da CHI é confirmar-no-fim. São dois modos de falha diferentes, e a reconciliação é a verdadeira instrução operacional: não coloque portão em cada ação significativa, e não o coloque apenas no fim.
O reflexo do mid-market é ler o número de Stanford, retirar os portões e chamar-lhe delegação de autoridade. Isso deixa-o exatamente na condição que o artigo da CHI bateu em 13,54%.
A verificação tardia é também a verificação fraca
O posicionamento afeta mais do que o relógio. Afeta se a revisão deteta alguma coisa.
Um outro estudo intrassujeitos de 2026 submeteu 36 participantes a tarefas de programação agêntica em que o agente produzia saída correta, uma falha visível ou um defeito silencioso. Nas tarefas com defeito silencioso a taxa de deteção global foi de 39% — mas variava quase dez vezes consoante a tarefa, de 8% a 75%, enquanto a confiança autodeclarada do revisor se mantinha quase plana entre 3,83 e 4,50 em 5 (Dissanayake et al., 2026). Entre as tarefas com defeito silencioso falhadas e com avaliação de confiança válida, 79% receberam 4 ou 5 em 5 do próprio revisor que deixou passar o defeito.
Os seus revisores não conseguem sentir a diferença entre uma tarefa em que detetam três defeitos em quatro e uma em que detetam um em doze. A confiança não acompanha a exatidão. O que significa que uma única aprovação no fim da execução não é apenas uma verificação tardia: é uma verificação não medida, e quem a assina não tem qualquer sinal interno que lhe diga em que tipo de tarefa está.
O posicionamento dos pontos de verificação dá-lhe algo que a confiança não dá: um defeito detetado no passo três é atribuível ao passo três. Um defeito detetado no fim é atribuível à execução inteira.
O custo de reinício é a variável que não precificou
Se o posicionamento é a alavanca, o dado que a define é o custo de reinício por passo — quanto trabalho já executado um erro detetado tarde nesse ponto o obrigaria a refazer.
Dois números ajudam a calibrar onde esse custo se concentra. O Agent Delegability Index, que avalia todas as 18 796 descrições de tarefa do O*NET e as pondera pelo emprego em 146 países, concluiu que 35,2% do tempo-tarefa mundial é pelo menos parcialmente delegável a agentes, mas apenas 2,5% pode ser entregue na totalidade, concentrado em poucos grupos administrativos. O seu resultado mais útil em termos operacionais é que a delegação completa atinge o pico em tarefas que levam a uma pessoa cerca de doze minutos (Espinal Maya & Jiménez Londoño, 2026). Tarefas curtas são baratas de refazer; as execuções longas de vários passos são onde o custo de reinício se acumula, e são exatamente aquelas que as suas ferramentas só confirmam no fim.
O custo já está nos seus livros, apenas não numa rubrica que reconheça. Num inquérito a 2 500 trabalhadores do conhecimento em cinco países, 42% declararam gastar mais tempo a verificar o output da IA do que aquele que poupam ao usá-la, e 52% corrigem regularmente trabalho gerado por IA produzido por colegas (Adaptavist, 2026). Isso é retrabalho que aterra a jusante da geração — o ciclo CDCR, a correr sem escalonamento e sem contagem, nas horas de outra pessoa.
Escalonar a confirmação é como se antecipa esse custo para onde ele é mais barato e visível.
O que fazer quanto às verificações do agente a meio da tarefa neste trimestre
Isto não é uma compra de ferramentas. É um exercício de mapeamento, e cabe num trimestre.
- Escolha os seus três fluxos agênticos de maior volume e escreva os passos por ordem. Para cada passo, registe um número: quantos minutos de trabalho já executado uma pessoa teria de refazer se um erro introduzido nesse passo fosse detetado apenas no fim da execução.
- Marque todos os passos irreversíveis — tudo o que envia, paga, publica, escreve num sistema de registo ou toca num terceiro. O custo de reinício num passo irreversível não se mede em minutos; é um processo de recuperação. Esses são os seus pontos de verificação obrigatórios, diga o que disser o modelo temporal.
- Coloque os pontos de verificação imediatamente antes dos passos em que o custo de reinício acumulado dá um salto, não em intervalos regulares nem no fim. A verificação em intervalo fixo é precisamente a condição de sobrecarga fastidiosa que a investigação já rejeitou.
- Instrumente a revisão, não apenas a execução. Registe a taxa de deteção por ponto de verificação e por tipo de tarefa. Dado que a confiança do revisor se mantém plana enquanto a taxa de deteção oscila entre 8% e 75%, ninguém lhe vai reportar um ponto de verificação fraco: tem de o medir.
- Refaça o mapa quando alargar a autonomia. Conceder a um agente um novo tipo de ação altera o perfil de reinício de todos os passos a jusante.
A arquitetura de governação determina quanto disto pode configurar. Os Digital Employees da Scovai funcionam por omissão em confirmação prévia — toda a ação visível para o exterior passa a ser um pedido de aprovação com o nome de uma pessoa, um pedido sem resposta expira em vez de passar em silêncio, e a autonomia ganha-se por tipo de ação a partir de um registo de aprovações auditado, em vez de ser concedida em bloco por posto (Scovai Digital Employees). Isso responde à questão da presença. O resultado da CHI diz que a questão do posicionamento sobrevive-lhe: depois de saber que tipos de ação um trabalhador digital pode executar sem supervisão, ainda tem de decidir onde, dentro de uma execução de vários passos, caem as verificações restantes.
A decisão que tem pela frente
A maioria das equipas de operações está a travar uma discussão de orçamento — quantas horas de revisão podemos dedicar à supervisão de agentes, e se sequer conseguimos justificar verificações do agente a meio da tarefa. A investigação diz que essa discussão está a decorrer no eixo errado. O seu custo de supervisão de agentes já está fixado; o que não está é onde ele aterra, e o posicionamento vale 13,54% do tempo de conclusão antes de qualquer alteração de efetivos, modelo ou fornecedor.
Por isso a decisão concreta para este trimestre é estreita o suficiente para ser tomada numa terça-feira: pegue no seu fluxo agêntico de maior volume, encontre nele o primeiro passo irreversível e verifique se alguma coisa confirma antes desse passo. Se nada o fizer, não está a operar um modelo de supervisão enxuto. Está a operar um caro, com a fatura adiada para o reinício.