A aposta da Accenture em agentes de IA enfrenta o teste do patch

Accenture tornou-se uma das três maiores clientes empresariais da Anthropic sob um acordo de três anos para vender serviços de IA. Nove meses depois, as empresas disseram que avaliadores da Accenture trabalhariam dentro da Anthropic, testando modelos do fornecedor que a Accenture ajuda a levar aos clientes. A revendedora estava se tornando uma inspetora.

Essa combinação faria pouco sentido quando IA empresarial significava dar uma ferramenta aos funcionários e ensiná-los a usá-la. Ela faz sentido comercial quando um agente pode receber uma solicitação, acessar outro sistema e iniciar um trabalho sem esperar que uma pessoa digite o próximo prompt. O cliente então precisa de respostas que uma licença de modelo não pode fornecer: qual identidade autorizou a ação, quais sistemas o agente podia acessar, onde uma pessoa poderia interrompê-lo e quem deve explicar o resultado.

A governança de agentes de IA inverte o negócio de implementação. À medida que os modelos tornam a execução rotineira de código e tarefas mais fácil de automatizar, as empresas têm mais motivo para pagar pelas regras em torno da execução: permissões, integração, avaliação, revisão e um registro do que aconteceu. A Accenture está montando uma posição como operadora dessas regras entre fornecedores. Ainda não mostrou que essa posição produz melhores resultados para os clientes — nem que um avaliador tão próximo de um fornecedor de modelos pode ser independente o bastante para merecer essa função.

O SynOps podia automatizar uma tarefa sem assumir a decisão

Em 2019, a Accenture apresentou o SynOps como software de automação que havia usado internamente para lidar com tarefas e realocar cerca de 40.000 trabalhadores. Essa foi a alegação da empresa, não uma medida de postos de trabalho eliminados. A questão de desenho era como tirar o trabalho repetível de uma fila humana, preservando as pessoas para o trabalho que restava. A estratégia de automação da Accenture, portanto, antecede a atual geração de modelos.

Um agente muda o limite da tarefa. A Apple colocou o Claude Agent da Anthropic, o Codex da OpenAI e suporte a MCP no Xcode 26.3, levando fornecedores concorrentes de agentes para dentro de um ambiente de desenvolvimento. A Cursor foi um passo além com Automations: uma alteração na base de código, uma mensagem no Slack ou um temporizador pode iniciar um agente de programação. Nenhum dos anúncios de produto estabelece que uma empresa autorizou com segurança alterações em produção. Ambos mostram por que a autorização não pode mais ser tratada como uma configuração no chatbot de um único funcionário.

Uma pessoa que inicia um assistente pode inspecionar uma sugestão antes de usá-la. Um temporizador não inspeciona nada. Quando o software inicia a tarefa, uma organização precisa decidir antecipadamente o que o agente pode ler, o que pode alterar e quais alterações exigem revisão. O repositório de código, o sistema de identidade e o registro de aprovação passam a fazer parte do mesmo fluxo de trabalho. É também por isso que a economia da programação agêntica vai além do custo de gerar código: quanto mais barata for a alteração proposta, mais consequentes serão as regras para aceitá-la.

Fornecedores podem oferecer controles; clientes ainda precisam conectá-los

O Google introduziu uma Gemini Enterprise Agent Platform para gerenciar o ciclo de vida de frotas de agentes. A Microsoft introduziu uma Agent Control Specification aberta, destinada a dar aos desenvolvedores controle granular e consistente sobre o comportamento dos agentes. A OpenAI acrescentou sandboxing e um harness para testar tarefas de longo horizonte ao seu Agents SDK. Esses produtos importam porque fornecedores de nuvem e modelos poderiam reter para si boa parte do mercado de controles; uma consultoria não pode presumir que cada nova exigência se transforme em um contrato de serviços.

O controle de cada fornecedor tem um limite. Um sandbox pode restringir a execução de um agente, mas não decide qual funcionário pode aprovar uma alteração no sistema de TI de um cliente. A gestão de frotas pode rastrear agentes, mas o cliente ainda precisa conciliar esses agentes com suas identidades, registros, exceções e procedimentos de incidentes. O acordo de três anos da OpenAI para colocar modelos e agentes no software empresarial da ServiceNow leva a questão para dentro do trabalho de TI, em vez de deixá-la ao lado dele: um agente que lida com uma tarefa deve operar sob a autoridade do sistema, não apenas produzir uma resposta plausível sobre a tarefa.

As alianças Frontier da OpenAI com Accenture, BCG, Capgemini e McKinsey reconhecem um limite prático da distribuição de modelos. O fornecedor pode oferecer a plataforma; intermediários empresariais ajudam a adaptá-la a organizações cujos sistemas e direitos de decisão já existem. Mas esses intermediários precisam conquistar o espaço entre os fornecedores. Um cliente poderia comprar as ferramentas de ciclo de vida do Google, os controles comportamentais da Microsoft e as ferramentas de teste da OpenAI sem dar a uma única consultoria responsabilidade duradoura pela forma como elas trabalham juntas.

O plano de controle de agentes mais amplo vai além do software de escritório. Sua versão empresarial tem endereços comuns e consequentes: o repositório de código que um agente pode modificar, o ticket de TI que pode encerrar e o ativo de rede que pode acessar. A preocupação das seguradoras com sinistros potencialmente multimilionários causados por agentes descontrolados dá a uma permissão que falhou ou a um registro de revisão ausente uma audiência financeira fora da equipe de engenharia.

A Accenture está montando acesso em três pontos diferentes

As parcerias e aquisições da Accenture abordam partes distintas de um contrato operacional. Com a Anthropic, as empresas esperam investir mais de US$ 2 bilhões ao longo de cinco anos em capacidade de avaliação de IA de fronteira, incluindo avaliadores integrados e red-teaming. Trata-se de um investimento planejado, não de dinheiro já gasto nem de evidência de benefício para o cliente. A Anthropic também lançou um compromisso de US$ 100 milhões para a Frontier Academy, a fim de treinar 10.000 engenheiros em campo até 2028, começando com Accenture, Bain e outras.

Com o Google Cloud, a Accenture formou um Gemini Enterprise Business Group e planeja treinar até 1.000 engenheiros forward-deployed. Esses engenheiros representam um ponto de contato diferente dos avaliadores dentro de um laboratório de modelos: devem trabalhar próximos às implantações dos clientes, onde uma regra de permissão precisa se encontrar com uma aplicação existente e um responsável identificado. Os planos não estabelecem quantos engenheiros foram treinados nem como qualquer fluxo de trabalho resultante funciona.

A Accenture também anunciou uma transação combinada de cibersegurança de US$ 4,18 bilhões por uma participação majoritária na Dragos e aquisições integrais da runZero e da NetRise. Os ativos propostos tratam do inventário e da segurança dos ambientes que um agente poderia acessar. Uma política que proíbe o acesso a um sistema desconhecido é difícil de aplicar; o operador primeiro precisa saber quais ativos existem. A transação foi anunciada, não prova de que a Accenture integrou essas capacidades às implantações de agentes.

A Accenture apareceu em quatro artigos no período de comparação anterior e em 21 no período posterior, entre 2024–2026. Ganhou atenção, não evidência de valor contratual ou sucesso operacional; ainda precisa mostrar que consegue conduzir um processo de controle confiável em torno de vários modelos.

Empresas de serviços enfrentam ao mesmo tempo demanda e compressão do trabalho

A Tata Consultancy Services oferece o alerta mais claro contra tratar a demanda por IA como proteção para o antigo modelo de pessoal. A TCS informou vendas no quarto trimestre de US$ 7,63 bilhões e lucro de US$ 1,48 bilhão, ambos acima das estimativas, e disse que novos modelos de IA não haviam prejudicado a demanda por serviços. Dois meses depois, seu presidente previu que agentes poderiam substituir metade dos postos da TCS, enquanto a empresa disse que planejava reduzir contratações ao adotar IA. A previsão não é uma perda de postos observada. A combinação mostra uma empresa que espera atender clientes enquanto usa menos pessoas em parte do trabalho.

A Capgemini tomou outro caminho, concordando em adquirir a WNS por US$ 3,3 bilhões para expandir serviços de IA agêntica e firmando parceria com a SAP em ferramentas Mistral customizadas para setores com requisitos rigorosos de dados. Esses movimentos não identificam um vencedor. Mostram pares buscando capacidades em processos, implantação e controle de dados, enquanto fornecedores de modelos constroem mais ferramentas por conta própria.

A Accenture só pode cobrar por julgamento especializado se os clientes receberem algo melhor do que um novo nome para horas de implementação. A Accenture não mostrou, no registro disponível, resultados verificados de antes e depois para implantações de clientes de agentes governados e acionados por eventos, em erros, tempo de revisão, tempo de ciclo ou custo total. Pesquisas corporativas que descrevem um “imposto de verificação” humano dão peso particular à medida ausente: um agente pode concluir mais etapas enquanto deixa uma pessoa com mais resultados para conferir. O redesenho de processos precisa contabilizar o trabalho transferido ao revisor, não apenas o trabalho removido do implementador.

Um avaliador precisa ser capaz de reprovar seu próprio fornecedor

A Anthropic chama seu acordo com a Accenture de avaliação independente, mas a Accenture também é uma grande cliente comercial e parceira de vendas. Isso não torna uma avaliação inválida. Torna a independência algo a demonstrar por meio de critérios divulgados, testes repetíveis, falhas registradas e da capacidade de um cliente agir diante de um resultado desfavorável. Uma avaliação de alinhamento dentro de um laboratório de modelos também não pode, por si só, estabelecer se um determinado cliente concedeu a um agente as permissões corretas em um sistema específico.

A distinção importa após a implantação. Especialistas jurídicos disseram que a legislação dos EUA não está preparada para agentes descontrolados, enquanto o presidente da FTC, Andrew Ferguson, argumentou contra tratar agentes como atores com vontades independentes. Organizações e pessoas continuam na cadeia de responsabilidade. Uma empresa que não consegue reconstruir a autorização, as ações, a revisão e o tratamento de exceções de um agente terá dificuldade para explicar uma falha a um cliente ou seguradora, por mais cuidadosamente que tenha avaliado o modelo subjacente.

Empresas de serviços profissionais já sabem que usar uma ferramenta não transfere a responsabilidade por uma entrega. A Deloitte reembolsou parcialmente um relatório do governo australiano de AU$439.000 depois que erros foram encontrados e reconheceu que a IA ajudou a produzi-lo. A Accenture enfrenta um teste mais operacional: o FBI disse que um contratado da Accenture deixou de aplicar um patch de segurança em conexão com uma violação que, segundo relatos, expôs os dados de milhares de funcionários. Essa falha relatada não mede o trabalho da Accenture com agentes, mas testa diretamente a disciplina que uma empresa precisa ter antes de vender garantia contínua.

A Accenture pode colocar um avaliador dentro da Anthropic. O FBI ainda precisou de alguém para aplicar o patch.