Descrição de cargo para agente de IA é o documento que transforma uma intenção vaga de automação em trabalho governado. Ele define missão, gatilho, resultado, contexto, ferramentas, permissões, evidências, métricas e ponto de revisão humana. Sem isso, a empresa compra inteligência, mas não constrói uma função que possa operar, aprender e prestar contas.
A discussão ganhou uma evidência atual. Em 1º de setembro de 2026, a OpenAI publicou três casos de empresas AI-native que levaram agentes para onboarding, gestão de contas e integração de produtos. O ponto interessante não é a marca do modelo. É o padrão de trabalho: processo ensinável, contexto persistente, ação testada e humano no ponto de decisão.
Na XMACNA, a gente reconhece esse desenho porque ele começa pela função. Mais de +600 Funcionários Digitais já operam no Brasil, e a lição prática é consistente: capacidade do modelo não substitui definição de responsabilidade. Um Funcionário Digital precisa saber o que inicia o trabalho, qual resultado deve entregar, onde buscar contexto, o que pode fazer e quando deve chamar uma pessoa.
Por que a descrição de cargo vem antes do modelo?
Empresas costumam começar a conversa de IA comparando modelos, preços e demonstrações. Essa ordem é confortável, mas desloca a decisão principal. Um modelo pode ser excelente e ainda assim receber uma tarefa mal definida, consultar a fonte errada, agir com acesso excessivo ou entregar algo que ninguém consegue verificar.
Descrição de cargo faz o caminho inverso. Primeiro, a empresa escolhe um processo com valor e consequência. Depois define o que conta como concluído. Só então decide qual inteligência, memória e ferramenta são adequadas.
O artigo da OpenAI mostra essa progressão em três exemplos. A Basis demonstrou uma rotina de onboarding e a transformou em instrução reutilizável, com gatilho, passos conhecidos, ferramentas corretas e definição de “feito”. A Clay organizou contexto persistente por conta e manteve a evidência próxima de cada recomendação. A Exa levou oportunidades de integração até artefatos testados, preservando a revisão humana antes de qualquer envio.
São relatos de fornecedor, não benchmark independente. Ainda assim, ajudam a tornar concreto o que automação de processos com IA exige: função clara, contexto controlado e prova de execução.
Quais são os oito campos de uma função de agente de IA?
Uma descrição de cargo útil cabe em oito campos. Eles podem ser escritos numa página, desde que sejam específicos.
1. Missão
A missão explica qual problema operacional a função resolve. “Ajudar o comercial” é amplo demais. “Qualificar o primeiro contato, registrar a necessidade e encaminhar a próxima ação” descreve trabalho observável.
2. Gatilho
O gatilho define quando a função começa. Pode ser um lead novo, uma conversa encerrada, um documento recebido, uma etapa vencida ou uma exceção detectada. Sem gatilho explícito, a automação depende de improviso ou atua quando não deveria.
3. Resultado esperado
O resultado precisa ser verificável. Não basta “analisar bem”. É melhor definir: cadastro atualizado, oportunidade criada, resumo com fonte, tarefa agendada, documento classificado ou caso encaminhado com contexto completo.
4. Contexto permitido
Contexto não é acesso total. A função deve consultar somente os dados necessários para executar o trabalho. A recomendação da PwC sobre governança de agentes é clara: identidade, função, permissão específica por tarefa e registro auditável precisam caminhar juntos.
5. Ferramentas e ações
Liste o que o agente pode consultar, criar, atualizar ou apenas sugerir. Ler uma agenda é diferente de marcar um horário. Preparar uma proposta é diferente de enviá-la. A descrição de cargo precisa separar leitura, escrita, aprovação e comunicação externa.
6. Limites
Todo cargo tem fronteiras. Desconto, promessa comercial, decisão financeira, dado sensível, conflito, reclamação crítica e exceção regulada podem exigir aprovação. Limite bem escrito não é uma frase vaga de segurança. É uma condição que muda o fluxo.
7. Evidência e métrica
O agente deve deixar rastros que permitam revisar a decisão. Fonte usada, ação executada, estado anterior, estado final, teste, motivo do encaminhamento e horário formam uma base de confiança. A métrica acompanha o resultado: tempo de ciclo, tarefa aceita, retrabalho, exceção, qualidade, custo ou receita atribuível.
8. Escalonamento humano
Defina quem recebe o caso, em quanto tempo e com qual pacote de contexto. A Anthropic descreve agentes confiáveis como sistemas nos quais a pessoa pode revisar antes da ação e intervir durante a execução. Handoff não é falha da automação. É parte do cargo.
Como saber se um processo está pronto para ser delegado?
O processo precisa ter repetição suficiente para gerar aprendizado e consequência administrável para permitir controle. Também precisa de um dono capaz de dizer o que é certo.
Um bom candidato tem entrada reconhecível, passos que se repetem, fontes conhecidas, exceções nomeáveis e um resultado que pode ser conferido. Qualificação inicial de leads, atualização de registros, triagem de documentos, preparação de follow-up e organização de solicitações são exemplos frequentes.
Um candidato ruim é “resolver qualquer coisa da área”. Função genérica cria permissão genérica, métrica genérica e responsabilidade difusa. A pesquisa da IBM sobre agentes em produção reforça a importância de observar implantação real, e não apenas capacidade em demonstração. Produção é onde aparecem exceções, dependências, revisão e custo de erro.
Qual é a diferença entre autonomia e abandono?
Autonomia é continuar trabalhando dentro de um contrato. Abandono é entregar um objetivo amplo e torcer para que o sistema descubra sozinho limites que a empresa nunca escreveu.
Um agente autônomo pode pesquisar, comparar, atualizar e testar sem pedir confirmação a cada passo de baixo risco. Mas ele respeita permissões, registra evidência e para diante de uma decisão reservada. O humano não precisa executar toda a rotina; precisa manter autoridade sobre consequência, exceção e compromisso externo.
Essa separação é essencial para agentes de IA em empresas. Quanto maior a consequência, mais explícitos devem ser identidade, autorização, monitoramento e revisão. Governança não entra depois que o fluxo cresceu. Ela nasce na descrição do cargo.
Como transformar a ficha em operação que melhora?
A primeira versão do cargo não será perfeita. Ela deve ser testável.
Escolha um conjunto pequeno de casos reais. Registre o baseline humano. Execute o fluxo com limites conservadores. Revise o resultado e marque onde faltou contexto, onde a ferramenta não respondeu, onde a permissão ficou ampla e onde o humano precisou corrigir.
Depois, atualize a função. Exceções recorrentes viram regras. Fontes confiáveis viram contexto permitido. Falhas previsíveis viram testes. Decisões sensíveis viram checkpoints. Essa é a base do Ciclo de Inteligência: cada execução produz evidência para melhorar a próxima, sem confundir aprendizado com liberdade irrestrita.
Uma consultoria em IA útil não começa empilhando ferramentas. Começa identificando o processo, escrevendo o cargo, definindo métrica e desenhando a colaboração entre equipe de carbono e silício.
Um template prático para o primeiro Funcionário Digital
Antes de iniciar, responda em uma página:
- Qual é a missão da função?
- Qual evento inicia o trabalho?
- Qual artefato ou mudança prova conclusão?
- Quais fontes podem ser consultadas?
- Quais ações podem ser executadas sem aprovação?
- Quais condições interrompem ou desviam o fluxo?
- Que evidência precisa ser registrada?
- Quem assume a exceção e com qual contexto?
Se a equipe não consegue responder, a prioridade ainda não é aumentar autonomia. É desenhar o trabalho.
Em resumo
- Uma descrição de cargo transforma IA em função operacional.
- Oito campos conectam missão, gatilho, resultado, contexto, ferramenta, limite, evidência e humano responsável.
- Casos atuais mostram que processos ensináveis, contexto persistente e testes tornam a execução reutilizável.
- Modelo forte não compensa trabalho mal definido.
- Governança começa antes da primeira ação, não depois do primeiro incidente.
O próximo passo não é perguntar qual agente comprar. É escolher qual função merece ser escrita com clareza. Faça o Diagnóstico de IA e descubra onde um Funcionário Digital pode executar trabalho real com limite, registro e resultado.
Perguntas frequentes sobre descrição de cargo para agente de IA
O que é uma descrição de cargo para agente de IA?
É um documento operacional que define missão, gatilho, resultado, contexto, ferramentas, permissões, evidência, métrica e escalonamento humano para uma função executada com inteligência artificial.
Como escolher a primeira função de agente de IA?
Escolha um processo repetitivo, com entrada clara, fontes conhecidas, consequência administrável, dono responsável e resultado verificável. Evite funções genéricas que tentam ajudar toda a empresa.
Um agente de IA pode agir sem aprovação humana?
Pode executar ações de baixo risco previstas no cargo. Decisões sensíveis, compromissos externos, exceções e ações com impacto relevante devem ter checkpoint, parada ou aprovação definidos antes da implantação.
Como medir se a função está funcionando?
Meça o resultado do processo: tempo de ciclo, taxa de tarefa aceita, retrabalho, exceções, revisão necessária, custo e impacto no objetivo empresarial. Volume de respostas não prova valor operacional.
Qual é o papel da XMACNA nesse desenho?
A XMACNA identifica o processo, desenha a função, define limites, integra contexto e ferramentas e opera o Funcionário Digital com evidência, supervisão e melhoria contínua.