Seu agente de IA não precisa de liberdade total. Precisa de portaria. Em 23 de julho de 2026, o GitHub colocou em prévia pública três controles para automações em Issues: rationale, confidence e approvals.
Seu agente de IA não precisa de liberdade total. Precisa de portaria.
Em 23 de julho de 2026, o GitHub colocou em prévia pública três controles para automações em Issues: rationale, confidence e approvals. Traduzindo para português de founder ocupado: motivo, confiança e aprovação.
Neste artigo eu vou te mostrar o método Portaria da IA, para separar o que o agente faz sozinho do que precisa passar por uma pessoa.
TL;DR:
Motivo: o agente explica por que quer agir.
Confiança: ele diz se a certeza é alta, média ou baixa.
Aprovação: uma pessoa aceita ou recusa antes da ação sensível.
O problema: automação sem freio vira retrabalho
Eu vejo muita gente errar do mesmo jeito com agente de IA: começa testando uma tarefa pequena e, quando funciona, libera o agente para mexer em tudo.
Aí vem a surpresa. Uma etiqueta errada, tudo bem. Um e-mail enviado para a pessoa errada, nem tanto. Apagar um dado importante então... parabéns, você inventou um estagiário com senha de admin.
O ponto não é travar a IA. Travar tudo mata o ROI.
O ponto é criar níveis de liberdade. Ação simples passa rápido. Ação arriscada para na portaria.
O framework: método Portaria da IA
Eu uso uma regra simples para explicar isso: toda automação de agente precisa passar por três carimbos.
1. Motivo
Antes de agir, o agente precisa registrar uma frase curta explicando o motivo.
Exemplo: "adicionei a etiqueta documentação porque o pedido menciona erro no manual".
Se ninguém entende o motivo, a automação ainda não está pronta para rodar sozinha. Simples assim. Chato? Um pouco. Mais barato que apagar coisa errada? Bastante.
2. Confiança
Confiança não é garantia de acerto. É só um sinal.
Alta confiança quer dizer que o agente encontrou sinais fortes. Média ou baixa confiança quer dizer que ele está menos seguro e deve pedir revisão.
A pegadinha é que confiança sozinha não decide nada. Você precisa combinar confiança com impacto.
Etiqueta errada tem baixo impacto. Fechar uma tarefa importante tem impacto maior. Enviar proposta comercial tem impacto maior ainda.
3. Aprovação
Aprovação é o botão de "espera aí".
No lançamento do GitHub, mudanças podem ficar em um painel para alguém aceitar ou recusar antes de aplicar. A ideia vale fora do GitHub também.
Se a ação mexe com dinheiro, dados sensíveis, cliente, publicação ou exclusão, eu prefiro aprovação humana. Não por medo da IA. Por preguiça inteligente: corrigir depois dá mais trabalho.
Como aplicar hoje em 5 minutos
Escolha uma automação que seu time já quer fazer com IA. Serve triagem de tickets, classificação de leads, resumo de reuniões ou atualização de CRM.
Agora preencha esta tabela. Não precisa sistema novo. Use uma planilha.
| Ação do agente | Impacto | Confiança mínima | Liberação | |---|---|---|---| | Adicionar etiqueta | Baixo | Alta | Automática | | Sugerir responsável | Médio | Média | Aprovação | | Fechar pedido | Alto | Alta | Aprovação | | Enviar mensagem externa | Alto | Alta | Aprovação | | Apagar dado | Muito alto | Qualquer | Bloqueada |
Depois escreva uma regra curta:
Se impacto = baixo e confiança = alta, aplicar automático.
Se impacto = médio ou confiança = média/baixa, sugerir.
Se envolve dinheiro, dados sensíveis, publicação ou exclusão, pedir aprovação.Pronto. Você saiu do "deixa a IA tentar" para um controle mínimo de operação.
Não é bonito para vender em palestra com luz roxa. É por isso que funciona.
Resultados esperados
Você deve esperar três ganhos práticos.
Primeiro: menos revisão inútil. A pessoa só olha o que tem dúvida ou risco.
Segundo: mais confiança do time. Quando o agente explica o motivo, a IA deixa de parecer mágica e vira processo.
Terceiro: menos acidente caro. O agente pode ajudar no volume, mas decisões sensíveis continuam com dono.
A métrica que eu acompanharia por 30 dias é simples:
Quantas ações o agente resolveu sozinho.
Quantas sugestões foram aprovadas sem ajuste.
Quantas ações automáticas precisaram ser revertidas.
Quanto tempo o time economizou por semana.
Se as reversões sobem, aperte a portaria. Se as sugestões quase sempre são aprovadas, solte um pouco mais.
Erros comuns
Tratar aprovação como segurança
O próprio GitHub avisa: approvals são conveniência de fluxo, não barreira de segurança no servidor.
Ou seja, aprovação ajuda o time a revisar. Mas permissão real, limite de acesso, log e regra no sistema continuam necessários.
Portaria não substitui fechadura.
Automatizar decisão que ninguém entende
Se nem uma pessoa sabe explicar a regra, o agente também não deveria sair decidindo.
Antes de automatizar, escreva a regra em português. Se ficar confusa, o problema não é a IA. É o processo.
Pedir revisão para tudo
Aprovar cada microação parece seguro, mas mata o ganho.
Use revisão onde existe risco. No resto, deixe a IA trabalhar. Ela não vai reclamar do trabalho repetitivo. Por enquanto.
Perguntas rápidas
O que são controles para agentes de IA?
São regras que definem quando um agente pode agir sozinho, quando deve sugerir uma ação e quando precisa esperar uma pessoa.
O que o GitHub lançou em julho de 2026?
O GitHub lançou em prévia pública controles para automações em Issues: motivo da ação, nível de confiança e aprovação antes da mudança.
Confiança alta significa que o agente acertou?
Não. Significa que o agente encontrou sinais fortes. Você ainda precisa olhar o impacto da ação antes de liberar automação total.
Toda automação precisa de aprovação humana?
Não. Ações simples, reversíveis e baratas de corrigir podem ser automáticas. Ações sensíveis devem pedir aprovação.
Como eu começo sem equipe técnica?
Pegue uma automação pequena, liste as ações possíveis e classifique cada uma em automática, sugestão ou bloqueada.
Conclusão
Eu sou a favor de agente de IA trabalhando de verdade. Só não sou a favor de dar chave mestra para um software que ainda erra com cara de certeza.
Use motivo, confiança e aprovação. Comece pequeno. Meça reversões. Ajuste a portaria.
Se você quer continuar, leia também [o que é aprovação humana em agentes de IA](/blog/o-que-e-aprovacao-humana-em-agentes-de-ia), [o que é tracing de agentes de IA](/blog/o-que-e-tracing-de-agentes-de-ia) e [o que é avaliação de agentes de IA](/blog/o-que-e-avaliacao-de-agentes-de-ia).