AI Agent Sprawl: sua empresa pode chegar a milhares de agentes de IA, e isso não vai demorar

Durante algum tempo, a discussão sobre agentes de inteligência artificial esteve concentrada em descobrir onde eles poderiam ser utilizados. As empresas experimentaram casos de uso, criaram pilotos e começaram a incorporar agentes às plataformas que já utilizavam. Agora, à medida que essas experiências avançam para produção, surge um problema de natureza diferente: a quantidade de agentes pode crescer muito mais rapidamente do que a capacidade de administrá-los.

O Gartner projeta uma mudança difícil de ignorar. Em uma empresa global Fortune 500 média, o número de agentes em uso pode passar de menos de 15 em 2025 para mais de 150 mil em 2028 [1]. Não significa que todas as empresas terão 150 mil agentes daqui a dois anos, mas indica a escala que essa população pode atingir nas organizações maiores.

Uma empresa global Fortune 500 média pode passar de menos de 15 agentes de IA em 2025 para mais de 150 mil em 2028. No entanto, apenas 13% das organizações consideram possuir hoje a governança adequada para agentes [1].

Esse crescimento não acontecerá apenas porque as áreas de tecnologia decidirão desenvolver milhares de agentes. Eles chegarão também incorporados a aplicações de negócio, plataformas de software como serviço, ferramentas de desenvolvimento e soluções adquiridas de diferentes fornecedores. Ao mesmo tempo, áreas da própria empresa poderão construir agentes para resolver necessidades específicas, muitas vezes sem saber que outra equipe já criou algo semelhante.

É nesse contexto que aparece o termo AI Agent Sprawl, que podemos traduzir como proliferação descontrolada de agentes de IA. O problema começa quando a expansão deixa de ser acompanhada por uma visão comum sobre quais agentes existem, por que foram criados, quem responde por eles, a que recursos têm acesso, quanto custam e se ainda deveriam continuar ativos.

Criar agentes está ficando fácil. Governar uma população deles, não.

A proliferação de tecnologia dentro das empresas não é um fenômeno novo. Aplicações, serviços em nuvem, automações e ferramentas de software já passaram por ciclos semelhantes. O que torna os agentes diferentes é a combinação entre velocidade de criação, autonomia e capacidade de atuar diretamente sobre sistemas e dados corporativos.

Um agente pode ser desenvolvido internamente por uma equipe, configurado em uma plataforma low-code, habilitado dentro de uma aplicação já contratada ou disponibilizado por um fornecedor. Em pouco tempo, diferentes áreas podem começar a operar populações próprias de agentes, cada uma respondendo às suas prioridades.

A Amazon Web Services (AWS) descreve um cenário que já começa a aparecer em organizações com múltiplas unidades de negócio: equipes diferentes constroem agentes semelhantes para compras, agendamento, relatórios ou processamento de dados sem saber que outra área já resolveu o mesmo problema. Paralelamente, plataformas de relacionamento com clientes, service desk e contact center passam a incorporar seus próprios agentes [2].

O resultado não é apenas duplicação. Agentes diferentes podem atuar sobre os mesmos sistemas, utilizar credenciais distintas, gerar custos distribuídos por vários centros orçamentários ou até executar ações conflitantes sem que uma área tenha visibilidade sobre a outra [2].

Quando cada área consegue criar seus próprios agentes, o problema deixa de ser apenas tecnológico. A empresa precisa descobrir se está construindo uma capacidade corporativa ou apenas multiplicando soluções isoladas.

A Deloitte observa que a proliferação tende a aumentar entre diferentes linguagens de programação, frameworks, infraestruturas e protocolos de comunicação. Ao mesmo tempo, agentes construídos internamente precisarão conviver com aqueles adquiridos por meio de aplicações e fornecedores externos [3]. Isso significa que o ambiente dificilmente será homogêneo.

A resposta também não pode ser simplesmente centralizar toda criação de agentes em uma única equipe. Em organizações grandes, esse modelo pode transformar governança em gargalo e incentivar justamente aquilo que se pretende evitar: áreas procurando caminhos alternativos para continuar inovando.

O desafio está em permitir criação distribuída sem perder visibilidade corporativa. Para isso, o Gartner coloca entre suas primeiras recomendações a criação de um inventário centralizado dos agentes, acompanhado por regras claras sobre quem pode criá-los, compartilhá-los e conectá-los aos recursos da empresa [1].

Inventário, porém, não deveria significar apenas uma lista de nomes. Para ser operacionalmente útil, ele precisa ajudar a responder qual é a finalidade de cada agente, quem é seu proprietário, quais sistemas utiliza, que permissões possui, quais dependências mantém e em que estágio de seu ciclo de vida se encontra.

O problema começa quando ninguém sabe quais agentes ainda fazem sentido

A facilidade de criar um agente produz outro efeito previsível: é muito mais simples colocar uma nova solução em funcionamento do que revisar periodicamente se ela ainda deveria existir.

Um agente pode nascer para atender a uma necessidade temporária, continuar ativo depois do término de um projeto ou perder relevância quando outra solução passa a executar a mesma função. Também pode permanecer com permissões concedidas meses antes, mesmo que sua finalidade tenha mudado.

Esse problema tende a se acumular silenciosamente. Diferentemente de um grande sistema corporativo, cuja implantação normalmente envolve orçamento, projeto, responsáveis e processos formais, alguns agentes podem surgir como pequenas automações dentro das próprias ferramentas utilizadas pelas equipes.

A AWS chama atenção justamente para o custo da duplicação entre unidades de negócio e recomenda um princípio simples: antes de construir, procurar se aquela capacidade já existe. A proposta inclui registro corporativo, identificação de responsáveis e revisões periódicas do ciclo de vida para retirar agentes com baixo uso, lógica desatualizada ou capacidades redundantes [2].

Essa preocupação se torna ainda mais relevante quando consideramos que a adoção já deixou de estar restrita a experimentos. A KPMG informa, com base em sua pesquisa AI Pulse do primeiro trimestre de 2026, que mais da metade das organizações já possui agentes de IA em produção [4].

Mais da metade das organizações já opera agentes de IA em produção, segundo a KPMG. O desafio começa a migrar da capacidade de criar agentes para a capacidade de operá-los como um sistema corporativo [4].

A Deloitte encontrou outro sinal dessa transição. Em pesquisa publicada em agosto de 2026, somente 15% das organizações afirmaram ter escalado a adoção orquestrada e multifuncional de múltiplos agentes, enquanto apenas 5% consideravam seus processos de negócio altamente preparados para agentes de IA [5].

Esses números ajudam a explicar por que multiplicar pilotos bem-sucedidos não produz automaticamente uma arquitetura corporativa de agentes. O salto entre dezenas de iniciativas locais e uma população governada exige capacidades diferentes: inventário, identidade, políticas, observabilidade, atribuição de custos, gestão do ciclo de vida e mecanismos para identificar redundâncias e dependências.

É também nesse ponto que os artigos anteriores desta série se conectam. Em Shadow AI: você sabe quais IAs e agentes estão sendo usados dentro da sua empresa?, o problema estava na utilização que acontece fora da visibilidade da organização. No Agent Sprawl, muitos agentes podem ser legítimos e conhecidos pelas áreas que os criaram, mas a empresa perde a visão do conjunto.

Da mesma forma, identificar cada agente, como discutimos em Identidade para agentes de IA: por que é fundamental saber quem é o agente e quais sistemas ele acessa, torna-se ainda mais importante quando a população cresce. Não é possível governar milhares de agentes de forma consistente se eles permanecem indistinguíveis ou se ninguém consegue associá-los a proprietários, finalidades e permissões.

Agent Sprawl não significa apenas ter agentes demais. Significa perder a capacidade de compreender, como organização, quais agentes existem, por que existem e se ainda deveriam existir.

Escalar IA não pode significar simplesmente multiplicar agentes

Há uma tentação natural de utilizar a quantidade de agentes como sinal de maturidade. Uma empresa com centenas de agentes em produção pode parecer mais avançada do que outra com algumas dezenas. Mas essa métrica diz pouco sobre o valor efetivamente produzido.

O Gartner oferece um exemplo interessante na área comercial. A consultoria projeta que, em 2028, os agentes de IA poderão superar os vendedores em uma proporção de dez para um, enquanto menos de 40% dos vendedores deverão afirmar que esses agentes melhoraram sua produtividade [6].

Em vendas, o Gartner prevê dez agentes de IA para cada vendedor em 2028, mas menos de 40% dos vendedores deverão perceber melhoria de produtividade [6]. Mais agentes, portanto, não significam automaticamente mais resultado.

Essa distinção é fundamental. Se diferentes áreas criarem agentes para atividades semelhantes, se capacidades puderem ser reutilizadas mas forem reconstruídas repetidamente, ou se agentes permanecerem ativos sem produzir valor mensurável, a expansão aumenta complexidade sem necessariamente aumentar produtividade.

A KPMG descreve esse problema como uma mudança do desafio de capacidade para um desafio de arquitetura e controle. Em vez de considerar cada agente como um caso de uso independente, a organização precisa começar a tratá-los como componentes de um sistema empresarial, com visibilidade, identidade, permissões, rastreabilidade e responsabilidades comuns [4].

Isso também muda a pergunta que os gestores deveriam fazer. Em vez de apenas perguntar quantos agentes estão em produção ou quantos novos casos de uso foram lançados, torna-se necessário compreender quais resultados cada agente produz, quais capacidades poderiam ser compartilhadas, onde existem redundâncias e quais agentes deveriam ser consolidados ou retirados.

O ciclo de vida passa a ter tanta importância quanto a criação. Todo agente deveria nascer com uma finalidade identificável e, idealmente, com critérios que permitam posteriormente avaliar se continua necessário. Sem esse processo, a população cresce por acumulação: novos agentes entram e poucos saem.

Governar essa expansão não significa impedir que as áreas experimentem. Pelo contrário, um modelo bem desenhado precisa tornar o caminho governado mais simples do que a alternativa informal. A AWS propõe exatamente essa lógica ao defender modelos federados em que padrões corporativos convivem com autonomia das unidades de negócio dentro de limites definidos [2].

À medida que a adoção amadurece, talvez uma das métricas mais importantes deixe de ser quantos agentes a empresa conseguiu criar. Mais relevante será saber quantos realmente geram valor, quantos reutilizam capacidades existentes, quais podem ser confiavelmente operados e quais já deveriam ter sido desligados.

O AI Agent Sprawl é, portanto, menos um problema de quantidade do que de capacidade operacional. Milhares de agentes podem ser administráveis se a organização conseguir identificá-los, governá-los, observá-los e medir seus resultados. Algumas dezenas já podem representar um problema se cada uma operar como um silo independente.

Da visão à prática: ARGUS

A proliferação de agentes reforça a necessidade de uma camada operacional capaz de oferecer uma visão comum sobre como essa nova população está atuando. É nesse contexto que se posiciona o ARGUS, nossa plataforma de Inteligência Operacional e Agêntica.

Com capacidades de AgentOps (Agent Operations) e AI Gateway, o ARGUS busca apoiar a governança e a observabilidade da atuação dos agentes, relacionando elementos como identidade, políticas, permissões, chamadas de ferramentas, decisões, custos, latência e resultados.

Essa visão se torna especialmente relevante em ambientes heterogêneos. A população de agentes de uma empresa provavelmente não será construída em uma única plataforma nem utilizará apenas um modelo ou framework. Parte poderá vir de aplicações contratadas, parte de desenvolvimento interno e parte de diferentes provedores de IA.

O papel do ARGUS não é impedir essa diversidade, mas contribuir para que ela não se transforme em novos silos operacionais. Ao correlacionar informações de múltiplas fontes, a plataforma busca construir contexto operacional compartilhado, relacionando a atuação de agentes ao que acontece em aplicações, infraestrutura, serviços, automações e ações humanas.

Essa perspectiva também permite aproximar governança de valor. À medida que os agentes se multiplicam, acompanhar somente se estão funcionando tecnicamente será insuficiente. Será necessário compreender como estão sendo utilizados, quais recursos consomem e que resultados produzem, criando condições para decisões sobre expansão, revisão ou retirada.

Em uma empresa com centenas ou milhares de agentes, a capacidade de enxergar o conjunto deixa de ser uma conveniência. Passa a fazer parte da infraestrutura necessária para que a IA Agêntica possa crescer sem que a complexidade cresça ainda mais rapidamente.

Conheça o ARGUS e veja como funciona na prática.

Sobre a Target Solutions

A Target Solutions é uma empresa brasileira de tecnologia especializada em soluções para ambientes críticos de TI e Telecom.

Ao longo de mais de 15 anos, participamos de projetos envolvendo infraestrutura, monitoramento, observabilidade, automação, integração de plataformas e operações de redes e serviços, trabalhando com grandes organizações e ambientes de alta complexidade.

Essa experiência nos permitiu acompanhar de perto a evolução das operações, do monitoramento tradicional à observabilidade, da automação à inteligência artificial e, agora, a ambientes nos quais agentes de IA começam a participar de processos, decisões e operações corporativas.

É nesse contexto que desenvolvemos o ARGUS, nossa plataforma de Inteligência Operacional e Agêntica, que combina capacidades de AgentOps, AI Gateway e AIOps para integrar o contexto da operação à atuação dos agentes de IA, ampliando visibilidade, governança, rastreabilidade e controle à medida que pessoas, automações, sistemas e agentes passam a compartilhar o ambiente operacional.

Sobre o autor

Paulo Florêncio de Menezes é cofundador da Target Solutions e atua há mais de 15 anos em projetos relacionados a infraestrutura, monitoramento, observabilidade, automação e operações de TI e Telecom.

É graduado em Processamento de Dados pela Universidade Federal do Amazonas (UFAM), possui MBA em Gestão Empresarial pela Fundação Dom Cabral (FDC) e Mestrado Profissional em Economia pela Fundação Getulio Vargas (FGV).

Em sua pesquisa de Mestrado, desenvolveu o IBEOP-IA (Índice Brasileiro de Exposição Ocupacional Potencial à Inteligência Artificial), investigando a exposição potencial das ocupações brasileiras às capacidades da IA por meio da combinação de dados ocupacionais, patentes de inteligência artificial e técnicas de processamento de linguagem natural.

Referências

[1] Gartner. Gartner Identifies Six Steps to Manage AI Agent Sprawl. 28 abr. 2026.

[2] Amazon Web Services. Managing AI agent sprawl across business units. 17 jul. 2026.

[3] Deloitte. Unlocking exponential value with AI agent orchestration. 2026.

[4] KPMG. From Agent Sprawl to Enterprise Outcomes. 2026.

[5] Deloitte. AI Agents are Only the Beginning: Deloitte Survey Examines the AI Readiness Gap and Reveals How Enterprises Can Prepare for Agentic Success. 12 ago. 2026.

[6] Gartner. Gartner Predicts AI Agents Will Outnumber Sellers 10 to 1 by 2028, Yet Fewer Than 40% of Sellers Will Say Agents Improved Productivity. 28 jul. 2026.