Agentes de IA prometem acelerar operações de crédito, compras, financeiro e onboarding. Mas a promessa vem acompanhada de uma pergunta: quem decide de fato? Segundo a Deloitte (State of AI 2026), 95% das empresas no Brasil planejam adotar IA agêntica em até dois anos. Ao mesmo tempo, apenas 27% dizem ter modelo de governança maduro para isso — contra 21% no cenário global. A SAP (2026) mostra que 35% das empresas brasileiras não têm processo de human-in-the-loop para fluxos com agentes. E a AWS (Desbloqueando o Potencial da IA no Brasil 2026) aponta que só 6% das empresas que usam IA no Brasil já operam com agentes.
O risco é claro: agente sem alçada humana pode aprovar uma compra fora do orçamento, liberar um crédito acima do limite de risco ou onboardar um fornecedor sem conferência de compliance. A solução não é barrar o agente. É desenhar uma matriz de alçadas que deixe o agente preparar a decisão e entregue a aprovação final para quem tem autoridade.
O que é matriz de alçadas para agentes de IA
Matriz de alçadas define quem pode aprovar o quê, até qual valor e em que condições. Para agentes de IA, a lógica é a mesma, mas com uma diferença: o agente confere documentos, preenche campos, cruza dados e prepara a recomendação. A decisão final fica com uma pessoa — ou com duas, se o valor ou o risco exigir dupla aprovação.
Exemplo hipotético: um agente de crédito analisa demonstrativos financeiros, consulta bureau, calcula score e sugere limite de R$ 80 mil. Se o limite sugerido está abaixo de R$ 50 mil, o analista aprova sozinho. Entre R$ 50 mil e R$ 200 mil, exige dupla aprovação (analista + gerente). Acima de R$ 200 mil, vai para o comitê. O agente prepara tudo, mas não libera nada sem alçada humana.
Aprovação automática só dentro de limite definido por uma pessoa
Aprovação automática existe, mas só funciona dentro de uma faixa que alguém com alçada definiu antes. Em compras, por exemplo: o diretor de operações autoriza compras recorrentes de insumos até R$ 10 mil por pedido, desde que o fornecedor esteja homologado e o orçamento do mês não esteja estourado. O agente confere as três condições. Se todas forem verdadeiras, a compra é aprovada automaticamente. Se uma falhar, o pedido sobe para aprovação manual.
Essa lógica protege a empresa de dois lados: libera o time operacional de aprovar pedidos triviais e garante que exceções passem por quem tem contexto e autoridade.
Dupla aprovação acima de um limite
Dupla aprovação é controle clássico de auditoria. Para agentes, ela funciona como trava de segurança. Quando o valor, o risco ou a novidade ultrapassam um limite, duas pessoas precisam concordar antes de seguir.
Exemplo hipotético: um agente de onboarding de fornecedores verifica CNPJ, certidões, referências e histórico. Se o fornecedor é novo e o contrato prevê pagamento antecipado acima de R$ 100 mil, o agente prepara o dossiê e envia para dupla aprovação: comprador + compliance. Nenhum dos dois aprova sozinho. Os dois precisam concordar. O agente registra quem aprovou, quando e com base em quais dados.
Trilha de quem fez o quê e quando
Trilha auditável é requisito de compliance, mas também é ferramenta de gestão. Cada ação do agente e cada aprovação humana ficam registradas: quem pediu, quem conferiu, quem aprovou, quando, com qual justificativa e com base em quais dados. O registro é encadeado (SHA-256 ou equivalente), o que torna qualquer alteração retroativa visível.
Essa trilha serve para auditoria interna, externa, para resolver disputas e para treinar o próprio agente. Se um crédito aprovado virou inadimplência, a trilha mostra qual foi o score, quem aprovou e por quê. Se uma compra estourou o orçamento, a trilha mostra onde o controle falhou.
Governança que escala sem perder controle
Matriz de alçadas para agentes de IA não é trava. É arquitetura de decisão. O agente acelera a preparação, a pessoa com alçada decide e a trilha registra tudo. Crédito, compras, financeiro e onboarding ganham velocidade sem perder controle.
O IN transforma reuniões gravadas ou descrições de processo em mapa BPMN, mapa de dores, oportunidades com ganho em horas e reais, redesenho to-be e agentes de IA com checklist. Cada agente confere e prepara. A pessoa com a alçada certa decide. Tudo fica registrado em livro encadeado por SHA-256, verificável. A matriz de alçadas sai pronta do mapeamento, com os limites e as regras que a operação já usa — ou deveria usar.
Fonte: Deloitte, State of AI 2026; SAP (2026); AWS, Desbloqueando o Potencial da IA no Brasil 2026
Conteúdo informativo. Exemplos numéricos são hipotéticos.