Atlassian e Ironclad testam fronteiras diferentes
A Atlassian ampliou sua parceria com a OpenAI para que agentes usem dados de ferramentas como Jira e Confluence. O exemplo divulgado é o de um gerente que pede ao Rovo para cruzar registros e identificar atrasos num lançamento. Já a pesquisa com a Ironclad avaliou se um agente consegue configurar termos e aprovações em fluxos contratuais. Identificar um atraso e alterar uma regra de aprovação são tarefas com consequências diferentes.
O conhecimento interno precisa de dono e validade
Um agente útil para trabalho empresarial precisa entender o que a empresa já sabe, quais decisões foram tomadas, quem é responsável por cada etapa, quais bloqueios importam e quais permissões limitam a ação. Sem essa camada, a IA responde com fluência, mas não consegue agir com precisão suficiente para mudar a operação.
Um gerente que consulta se um lançamento está no prazo depende de informação que costuma estar espalhada entre documento, calendário e registro de trabalho. Se essas fontes divergem, o agente precisa mostrar qual delas usou e apontar o conflito. Se o mesmo agente recebe autorização para mudar um prazo, a organização precisa definir de quem é a decisão. A resposta deixa de ser apenas uma avaliação de qualidade do texto e passa a ter consequência no planejamento das equipes.
Uma política interna pode variar por país, tipo de contrato ou área responsável. Recuperar a versão mais recente nem sempre significa recuperar a versão aplicável. A operação precisa dizer ao agente o que torna uma orientação válida para aquela tarefa e o que fazer quando duas fontes discordam. Se a equipe não consegue resolver isso antes do piloto, a automação tende a transformar uma disputa de processo em uma resposta aparentemente segura. É uma razão para começar em fluxos cujo dono e regras já estejam claros.
Uma leitura e uma alteração exigem permissões distintas
Um agente pode encontrar a versão vigente de um contrato e preparar uma revisão sem ter autoridade para enviar o arquivo a outra empresa. Essa divisão é parte do desenho de decisão para agentes e exige identificar que dado interno o agente pode usar, como discute a VOX em contexto proprietário para IA.
A Ironclad delimita a tarefa do agente
A OpenAI descreveu uma colaboração de pesquisa para treinar e avaliar agentes em fluxos complexos de contratação, com tarefas como configurar acordos, aprovações e termos reutilizáveis. A publicação informa que o GPT-6 Astra obteve 55,0% na média dos critérios, ante 41,6% do GPT-5.6 Sol. A estimativa de tempo por tentativa caiu de 37,0 para 19,2 minutos. São números de 11 tarefas de pesquisa, com tempos simulados, e não uma medição de horas poupadas em operações de clientes.
A medida de tempo é útil quando a unidade de comparação é conhecida. Se a equipe economiza minutos na configuração inicial e gasta mais tempo conferindo o resultado, o ganho pode desaparecer. Uma avaliação interna deve incluir o tempo total até uma configuração aceita, os erros que chegam à próxima etapa e a capacidade de explicar como o sistema decidiu.
A primeira ação deve poder ser desfeita
Um time pode testar se o agente localiza a informação certa, monta uma alteração fiel às instruções e registra o que fez. Só depois faz sentido avaliar ações externas, como enviar uma mensagem ou alterar um contrato. No ponto em que uma ação envolve outra pessoa ou gera obrigação, a operação precisa saber quem pode autorizá-la e como desfazê-la.
Num fluxo de contratos, localizar o documento e indicar o que falta é uma tarefa de consulta. Atualizar um campo interno pode ser reversível. Enviar uma aprovação a outra parte produz uma consequência que uma correção posterior não apaga. A equipe pode usar a mesma interface para as três ações, mas não deveria entregar a mesma autonomia para todas. O controle precisa acompanhar o efeito de cada ato.
A permissão deve ser menor que a capacidade do agente
O ponto de partida para negócios é escolher um processo em que já exista um padrão de revisão. Assim, é possível medir o trabalho que o agente evita e o trabalho novo que cria. Se alguém passa a conferir todos os registros por desconfiança, uma operação aparentemente mais rápida pode estar transferindo a revisão para uma fila invisível. Registrar quando a equipe corrige a ação permite distinguir um caso raro de uma regra mal especificada.
A qualidade dos dados não é um detalhe da integração. Uma orientação desatualizada pode aparecer como resposta plausível ou virar uma ação indevida. Enquanto a primeira situação exige uma correção, a segunda pode exigir desfazer o que foi executado. Por isso, cada tarefa precisa dizer qual fonte prevalece, quando pedir confirmação e quem responde por uma exceção.
O responsável pelo processo precisa definir o que delega
A empresa pode começar com tarefas que produzem um rascunho e ampliá-las para ações reversíveis dentro de limites claros. Em compras ou contratos, o custo de uma alteração errada pode ser maior que o benefício de fazer a configuração rapidamente. Operações que documentam quem aprovou, quais dados foram usados e como desfazer a mudança conseguem testar utilidade sem confundir capacidade de execução com autoridade para decidir.
Para equipes de marca, a distinção também vale em tarefas menos sensíveis. Consultar a aprovação de uma campanha é diferente de publicar uma nova versão. Antes de automatizar a segunda, o time precisa identificar que parte da decisão ainda depende de direitos de uso, validade da oferta ou responsável pelo canal. Um sistema rápido pode amplificar um erro quando altera vários destinos com a mesma instrução incompleta.
