As empresas implantaram agentes de IA antes dos controles necessários para gerenciá-los — e fizeram isso com conhecimento de causa. Essa é a conclusão central das cinco pesquisas paralelas que a VentureBeat Research realizou em junho, abrangendo todas as camadas da pilha de agentes. Agora, essas empresas estão a adaptar-se para se adaptarem aos seus próprios padrões e estão a orçamentar isso: em cada uma das cinco camadas de controlo que medimos, 57 a 68% das empresas planeiam mudar de fornecedor ou adicionar novos no prazo de 12 meses, e cerca de um terço, dependendo da camada, planeia mudar dentro do trimestre.
A VentureBeat Research mediu os cinco controles que uma empresa precisa construir antes de poder confiar em um agente: identidade, avaliação, telemetria de custos, camada de contexto e orquestração. A identidade rege qual agente tem permissão para fazer o quê e sob quais credenciais. A avaliação determina se o trabalho do agente é bom. A telemetria de custos rastreia quanto cada agente custa para operar. A camada de contexto fornece os dados de negócios e as definições que os agentes utilizam quando respondem. E o plano de controle de orquestração coordena o trabalho do agente em várias etapas. Cada um dos nossos cinco relatórios mede um desses controles.
Mais implantado "agentes" são chatbots usando o rótulo. Setenta e um por cento das empresas afirmaram que um quarto ou menos dos seus recursos implantados "agentes" podem concluir o trabalho de várias etapas por conta própria; apenas 10% disseram que os verdadeiros agentes são a maior parte do que administram. Esses entrevistados estão posicionados para saber: 81% recomendam ou decidem compras de IA em suas empresas. Um chatbot de prompt único com um humano lendo cada resposta não precisa de nenhum dos controles medidos pelos outros quatro relatórios. Um verdadeiro agente de várias etapas precisa de todos eles — e a maioria das empresas não sabe dizer qual deles implantou. (Constatações completas: Relatório de Orquestração Agente.)
A autonomia está a ultrapassar a confiança nas avaliações que a determinam. Dois terços das empresas já permitem que um agente envie uma alteração de código ou sistema para produção apenas com base nos resultados da avaliação automatizada, sem revisão humana, ou estão ativamente planejando isso dentro de 12 meses. Apenas 5% confiam plenamente nas avaliações que fariam essa ligação – e metade das empresas enviou um agente que passou nas avaliações internas e que causou uma falha no cliente no ano passado. Antes de remover a revisão humana de qualquer fluxo de trabalho, teste as avaliações em relação aos resultados da produção, em vez de benchmarks internos. (Constatações completas: Relatório de confiabilidade e avaliações do agente.)
As empresas que permitem que os agentes compartilhem credenciais são atingidas com mais frequência. Sessenta e nove por cento das empresas permitem que pelo menos alguns de seus agentes compartilhem credenciais – vários agentes operando sob uma chave de API ou conta de serviço. As organizações que permitem o compartilhamento de credenciais em qualquer lugar experimentaram um incidente ou quase acidente de segurança a uma taxa de 63,5% (47 de 74), contra 40,9% (nove de 22) em empresas onde cada agente tem sua própria identidade de escopo. A correção tem como escopo a identidade de cada agente, começando com aqueles que afetam os sistemas de produção. (Constatações completas: Relatório de segurança e identidade da Agentic.)
O hardware mais caro do edifício funciona com metade da capacidade ou menos. Mais de oito em cada 10 empresas que executam suas próprias GPUs relataram utilização de 50% ou menos, e apenas 44% monitoram rigorosamente o que sua computação de IA realmente custa e retorna. O número que vale a pena perseguir primeiro não é mais GPUs – é a utilização e o custo por carga de trabalho daquelas que já estão em execução. (Constatações completas: Relatório de infraestrutura e computação de IA.)
Os agentes respondem com confiança a partir de dados que ninguém controla. Cinquenta e sete por cento das empresas atribuíram uma resposta confiante e errada do agente nos últimos seis meses ao seu próprio contexto empresarial ausente ou inconsistente – métricas erradas, definições obsoletas, documentos ausentes – e a maioria viu isso acontecer mais de uma vez. Governar as definições a partir das quais os agentes respondem – métricas e entidades primeiro – deve vir antes de dimensionar os agentes que dependem delas. (Constatações completas: Camadas de contexto/relatório RAG.)
Nenhuma camada tem um titular consolidado: os padrões atuais são as ferramentas integradas que acompanham as grandes plataformas de IA que as empresas já usam. A intenção de mudança é mais elevada na própria orquestração, onde 68% planejam adotar, adicionar ou substituir plataformas dentro de 12 meses e 34% dentro do trimestre. Os nossos inquéritos não perguntaram em que direção o dinheiro se move — em direção às ferramentas integradas nas plataformas ou em direção aos especialistas que as desafiam — e essa questão em aberto diz respeito aos próximos quatro trimestres deste mercado.
Sobre esta pesquisa
A VentureBeat Research realizou cinco pesquisas paralelas em junho de 2026 no âmbito de seu programa VB Pulse: Agentic Orchestration (101 entrevistados), Agent Reliability & Evals (157), Agentic Security & Identity (107), AI Infrastructure & Compute (107) e Context Layers/RAG (101) — 573 entrevistados qualificados no total, todos em organizações com 100 ou mais funcionários. As amostras são auto-selecionadas e algumas descobertas devem ser lidas direcionalmente; cada relatório traz sua nota metodológica completa. O que o padrão apoia mais fortemente do que qualquer percentagem é a direcção: cada inquérito, independentemente, aponta na mesma direcção. VentureBeat produz esta pesquisa e VB Transform, a conferência onde esses relatórios foram lançados.
Fonte ==> Cyberseo
