Agentes de IA precisam de supervisão humana estruturada

Agentes autônomos em produção exigem human-in-the-loop com trilha, escalação e API estável. Como encaixar aprovação na stack de IA com Apruvly (REST e MCP).

4 min
Agentes de IA precisam de supervisão humana estruturada

Agentes que classificam tickets, sugerem descontos, processam reembolsos ou atualizam cadastros estão em produção em muitas empresas. São sistemas probabilísticos: uma taxa de erro pequena, multiplicada por volume alto, produz falhas reais em silêncio.

A pergunta operacional não é "o agente é útil?" — é quem autoriza a ação quando o impacto é irreversível ou acima de um limiar? Essa autorização precisa ser rápida, contextual, auditável e escalável. Aprovação humana deixou de ser formulário esporádico e passou a ser interface entre agente e organização.

O que agentes fazem hoje (exemplos típicos)

Casos recorrentes em produção:

  • Triagem de reembolsos por e-mail com auto-aprovação abaixo de um valor.
  • Identificação de oportunidades estagnadas no CRM com sugestão de desconto.
  • Resposta automática a tickets simples; escalonamento dos complexos.
  • Pré-revisão de cláusulas em contratos antes do envio ao cliente.
  • Classificação de documentos fiscais e disparo de fluxos contábeis.

Em todos eles, alguma fração das ações deveria parar antes de executar — por valor, ambiguidade, cliente sensível ou política interna.

Por que "full auto + revisão depois" não escala

1. Auditoria reativa chega tarde. Descobrir reembolsos indevidos três meses depois não desfaz o dano nem prova governança sistêmica perante cliente ou regulador.

2. Supervisão passiva de logs não funciona. Humanos não revisam transcript completo de agente com atenção consistente; supervisão eficaz exige pedido pontual no momento da decisão.

3. Regulação e contratos exigem revisão humana em decisões automatizadas relevantes (AI Act, LGPD art. 20, cláusulas em contratos enterprise). "O agente decidiu sozinho" é posição cada vez mais difícil de defender em contextos críticos.

O padrão que emerge:

Ações reversíveis ou de baixo impacto: agente segue. Ações irreversíveis ou acima do limiar: pedido de aprovação humana com contexto, prazo e trilha.

Como isso se implementa

Fluxo consolidado:

  1. Agente processa até um critério (valor, confiança, tipo de operação).
  2. Em vez de executar, chama a API de aprovação com título, descrição e config de steps.
  3. Humano recebe notificação no canal preferido (Slack, e-mail, WhatsApp, …).
  4. Humano aprova ou rejeita (comentário opcional).
  5. Agente recebe o resultado via webhook ou polling e continua ou aborta.

Cada decisão fica ligada ao workflow_id: o que foi proposto, quem decidiu, quando e por qual canal.

O gargalo costuma ser latência e volume da camada de aprovação — dezenas de pedidos por hora mal formatados ou sem escalação travam o agente. Por isso aprovação vira infraestrutura, não webhook ad hoc.

Apruvly na stack de agentes

O Apruvly oferece a mesma API REST para fluxos disparados por pessoas ou por software, com:

  • Multi-canal e escalação automática.
  • Challenge UUID por aprovador (idempotência quando o agente reenvia).
  • Webhook do integrador na API key (Starter+) ou ações on.workflow_*.
  • Consulta de status: GET /api/v1/workflow/:id.

Para agentes compatíveis com MCP (Model Context Protocol), o plano Growth ($59/mês) e superiores habilitam:

Tool MCP Função
create_approval_request Cria workflow a partir do config
get_approval_status Consulta status e decisões
cancel_approval_request Cancela workflow pendente

Scopes na API key: mcp:workflow:read, mcp:workflow:write, mcp:workflow:cancel.

Exemplo de fluxo MCP:

  1. Agente chama create_approval_request com object.title descrevendo a ação proposta e steps para o gestor.
  2. Gestor recebe notificação e decide.
  3. Agente usa get_approval_status ou recebe POST no notify_url / callback_url com event: workflow_approved.
  4. Agente executa ou desiste da ação no sistema de origem.

A trilha é a mesma de um reembolso submetido por um colaborador humano — útil para compliance e para debug de comportamento do agente.

O que ainda não é produto (evitar confusão)

  • Aprovação cruzada entre agentes (agente A pede que agente B aprove até limite X): não é feature disponível hoje; seria desenho custom na sua camada.
  • Mercado terceirizado de aprovação humana com SLA comercial: tendência possível no setor, não oferta do Apruvly.

Tendências (especulativo, 12–24 meses)

Volume de pedidos human-in-the-loop tende a subir com mais agentes em produção. UX de aprovação pode ramificar por domínio (deploy vs desconto vs reembolso), mas a camada de entrega, escalação e auditoria permanece comum. Times que investem cedo nessa camada evitam reimplementar sob pressão após o primeiro incidente.

Por onde começar

Exercício útil mesmo sem agente em produção:

  1. Liste três operações que você delegaria parcialmente a um agente nos próximos seis meses.
  2. Para cada uma, marque o ponto de não-volta onde humano deve revisar antes de executar.
  3. Defina canal, contexto mínimo, timeout e escalação para cada ponto.

Isso vira especificação da camada de aprovação — implementável via API REST ou MCP.

Próximo passo

  • Free (180 créditos/mês): validar fluxo single-step e integração REST.
  • Growth+: MCP e multi-nível para agentes em volume.

Conta em apruvly.io. Documentação da API em /documentation após login ou na página pública equivalente.