- Na era agêntica, os governos poderão delegar determinados processos a agentes de IA e concentrar seus esforços em atividades mais estratégicas de tomada de decisão.
- Mais do que uma mudança tecnológica, a preparação para a IA agêntica exige liderança, novos modelos de governança e o redesenho de processos.
- Os países da América Latina e do Caribe precisam participar da definição dos padrões que orientarão o uso da IA agêntica no setor público.
A inteligência artificial está transformando a forma como os governos operam. Até agora, as aplicações mais visíveis dessa tecnologia na administração pública têm se concentrado em chatbots que respondem perguntas e em ferramentas que auxiliam servidores na elaboração de documentos.
Esses avanços, ainda em estágios iniciais de implementação, compartilham uma característica comum: existe sempre um ser humano utilizando a ferramenta, tomando decisões, iniciando ações e assumindo a responsabilidade pelos resultados.
Mas essa lógica pode mudar em breve.
Como destaca o relatório do Banco Interamericano de Desenvolvimento (BID - 2024) sobre a transformação digital na América Latina e no Caribe, a região continua enfrentando desafios estruturais importantes. Entre eles, destacam-se a fragmentação dos sistemas, a baixa interoperabilidade e a distância entre a digitalização de processos e uma efetiva transformação digital das administrações públicas.
Desde a publicação desse relatório, uma nova mudança vem ganhando força em torno desses desafios: a transição da inteligência artificial, de ferramenta de apoio ao trabalho na administração pública, para uma nova camada operacional do Estado.
Enquanto as ferramentas tradicionais de IA generativa respondem a instruções e dependem da operação humana, agentes de IA são capazes de perseguir objetivos definidos de forma autônoma ao longo de múltiplas etapas. Eles podem coletar informações, consumir serviços de outros sistemas e executar ações.
Nesse contexto, o papel do ser humano deixa de ser o de acionar cada etapa de um processo e passa a se concentrar no desenho dos fluxos de trabalho, na supervisão dos resultados e na intervenção em situações excepcionais.
A iniciativa Bürokratt, da Estônia, oferece uma primeira visão dessa transição. Em vez de obrigar cidadãos a navegar por diferentes órgãos públicos, a solução conecta assistentes de IA interoperáveis em mais de 18 organizações governamentais. Assim, quando uma pessoa apresenta uma necessidade, o sistema ajuda a identificar, de forma integrada entre diferentes instituições, os procedimentos e serviços relevantes.
Embora os marcos legais para agentes públicos totalmente autônomos ainda estejam em evolução, a infraestrutura necessária já está sendo construída e diversos governos começam a trilhar esse caminho.
Como afirmou Jensen Huang, CEO da NVIDIA, durante o NVIDIA GTC 2026, com o tempo todas as empresas de tecnologia e software como serviço (SaaS) tendem a se tornar empresas de agentes como serviço (AaaS). Um artigo recente da MindStudio sobre o tema resume bem essa transformação: enquanto no modelo SaaS são as pessoas que operam as ferramentas, no modelo AaaS são os agentes de IA que executam o trabalho de forma autônoma, contínua e simultânea em múltiplos sistemas.
Essa distinção é particularmente relevante para o setor público. Imagine, por exemplo, um agente de IA responsável pela tramitação de uma licença comercial. Ele poderia consultar dados do registro nacional, revisar relatórios de inspeção, identificar inconsistências e encaminhar apenas os casos que exigem julgamento humano.
Nesse cenário, a questão deixa de ser apenas como os servidores utilizam a IA e passa a ser como governar sistemas de IA que efetivamente realizam parte do trabalho.
Em muitos países, os cidadãos ainda atuam como mensageiros entre órgãos públicos, transportando documentos de uma instituição para outra porque os sistemas não conseguem se comunicar de forma eficiente.
Arquiteturas agênticas podem reduzir parte dessa fricção ao se apoiarem em padrões compartilhados que permitem aos agentes acessar sistemas distintos e coordenar suas ações de maneira mais consistente.
No centro dessa transformação está um padrão emergente: o Model Context Protocol (MCP), introduzido em 2024 e já adotado por alguns dos principais fornecedores de tecnologia do mundo.
Antes do MCP, conectar sistemas de IA a fontes externas de dados normalmente exigia integrações específicas para cada caso. O MCP oferece uma interface comum para que agentes interajam com ferramentas e fontes de informação, reduzindo potencialmente os custos e a complexidade dessas conexões.
Para os governos, a relevância é prática. Se agentes puderem operar por meio desses protocolos, será possível coordenar processos entre diferentes sistemas públicos, inclusive em contextos na qual uma integração estrutural completa ainda não foi alcançada.
Um exemplo dessa lógica veio do Government Publishing Office dos Estados Unidos, que em janeiro de 2026 lançou um servidor MCP público permitindo que agentes de IA acessem diretamente o repositório oficial de informações federais, descrito pela instituição como uma “API universal para agentes”.
Embora arquiteturas agênticas possam complementar iniciativas tradicionais de interoperabilidade, elas não eliminam a necessidade de governança de dados, nem de estratégias de integração. O que essa tecnologia oferece é um modelo mais flexível para ambientes onde a integração completa ainda não foi alcançada.
Se os governos não começarem a construir as condições técnicas e institucionais necessárias para operações agênticas, não apenas perderão ganhos potenciais de eficiência, mas continuarão administrando o Estado com lógicas tecnológicas do passado. Enquanto isso, o restante do mundo passa a ser moldado por sistemas capazes de operar em velocidades, escalas e níveis de coordenação que burocracias humanas dificilmente conseguem alcançar.
Os padrões e modelos operacionais que moldarão a IA agêntica estão sendo definidos em tempo real. Se os governos do Sul Global não participarem desse processo desde o início, esses padrões poderão não refletir suas realidades institucionais, nem suas prioridades de política pública.
A promessa de eficiência da IA agêntica será tão bem-sucedida quanto os mecanismos de governança que a sustentarem.
Os modelos atuais de governança digital não foram concebidos para sistemas capazes de consumir dados de múltiplas fontes, aplicar raciocínio probabilístico e executar ações de forma autônoma. Quando um servidor toma uma decisão, a responsabilidade costuma ser claramente atribuída. Quando um agente de IA age, questões de responsabilização e auditabilidade tornam-se significativamente mais complexas.
Pesquisas recentes começaram a enfrentar esse desafio. Um modelo conhecido como Governance-as-a-Service propõe uma camada externa de controle capaz de avaliar e interromper, em tempo real, ações executadas por agentes de IA sem alterar a lógica interna dos modelos.
À medida que se torna cada vez mais difícil para seres humanos monitorarem diretamente a atividade desses agentes, esse tipo de abordagem introduz mecanismos automatizados de supervisão, avaliação e escalonamento de decisões em tempo real. Em experimentos realizados, o modelo conseguiu bloquear ações de alto risco sem comprometer os resultados operacionais.
Na era agêntica, governança não pode ser apenas um princípio normativo. Ela precisa se tornar operacional, verificável e aplicável na prática.
Além disso, administrações públicas enfrentam riscos concretos de implementação. As primeiras experiências corporativas com IA agêntica já evidenciaram vulnerabilidades relacionadas à cibersegurança, ações não autorizadas, falhas de raciocínio e dependência de fornecedores. No setor público, a maioria dos governos ainda não dispõe das capacidades institucionais, legais e técnicas necessárias para gerenciar esses riscos em larga escala.
A IA agêntica não oferece resultados garantidos. Sua adoção exige uma transição que requer preparação deliberada.
A IA generativa abriu um novo capítulo na forma como pessoas interagem com softwares e dados. A IA agêntica pode representar um livro completamente diferente: um cenário em que sistemas não apenas auxiliam a tomada de decisões humanas, mas passam a participar cada vez mais da execução e coordenação das operações governamentais.
A questão central já não é se essa transição merece atenção, mas se os governos serão capazes de desenvolver as capacidades necessárias para moldá-la antes que ela passe a moldá-los.
O custo da inação será uma divisão digital cada vez mais profunda entre os países que já estão construindo essas condições habilitadoras e aqueles que permanecem à margem.
Reconhecendo a importância dessa agenda emergente, o BID vem liderando debates regionais sobre as implicações operacionais e de governança da IA agêntica, incluindo o Diálogo Regional de Política de IA de 2025, realizado em San José, Costa Rica. Um novo diálogo regional, previsto para 2026, aprofundará a discussão sobre como os governos podem moldar essa nova camada operacional do Estado de forma a fortalecer as instituições públicas e gerar mais valor para a região.