O problema é estrutural. Quando um agente recebe um objetivo hoje, ele decompõe a tarefa, chama ferramentas e devolve um resultado. O DeepMind classifica isso como automação, não delegação. A diferença importa porque, sem estrutura formal de responsabilidade, qualquer falha em cadeia derruba o sistema inteiro. O relatório organiza a delegação real em cinco pilares: avaliação dinâmica (medir risco, custo e reversibilidade antes de passar a tarefa), execução adaptativa (reatribuir tarefas durante a execução quando algo dá errado), transparência estrutural (o agente precisa provar o que fez, não apenas informar), calibração de confiança (humanos confiam demais em IA, e agentes confiam demais uns nos outros) e resiliência sistêmica (se todos delegam para o mesmo modelo “melhor”, uma falha nele derruba tudo).

O mercado de agentes está em expansão. Empresas vendem soluções multiagentes para atendimento, vendas, operações e código. Mas a maioria opera numa lógica linear: agente A passa para agente B, que passa para agente C. Sem permissões formais, sem verificação, sem atribuição de falhas. O DeepMind não propõe que agentes parem de existir. Propõe que delegação vire protocolo, não prompt. A frase mais direta do documento resume a posição: “Automação não é só sobre o que a IA pode fazer. É sobre o que a IA deveria fazer.”

O que muda para o setor

A distinção entre automação e delegação tem consequência prática para empresas que montam sistemas multiagentes. Sem estrutura de responsabilidade, as falhas se acumulam sem que ninguém consiga rastrear a origem. O relatório aponta que estamos passando de “engenharia de prompt” para “engenharia de agentes” e, agora, para “engenharia de delegação”. As empresas que resolverem delegação inteligente primeiro vão construir sistemas autônomos de verdade. As outras vão entregar demonstrações frágeis.

Fonte: Google DeepMind, “Intelligent AI Delegation”, relatório técnico de 42 páginas, fevereiro de 2026.