Framework prático para delegar tarefas para agentes de IA
A PostHog publicou um artigo excelente no seu newsletter build mode — "How much can you delegate to agents?", de Jina Yoon — que apresenta um framework simples para pensar em autonomia de agentes de IA. Vou traduzir e comentar aqui.
A premissa central é: o quanto você pode confiar num agente não depende do modelo. Depende da tarefa.
"Confiar nos seus agentes só porque os modelos ficaram mais inteligentes é como pular o cinto de segurança porque você comprou um carro melhor." — Jina Yoon
Os dois fatores que definem o teto
Duas perguntas determinam o nível de autonomia que uma tarefa suporta:
- É fácil verificar o trabalho do agente? (checkability)
- É barato desfazer o erro do agente? (reversibility)
A combinação gera 4 níveis:
🔹 Level 0 — Agente como assistente
Difícil verificar + Caro de desfazer
O agente sugere; você decide. Exemplos: pedir conselho ao ChatGPT, autocomplete no Cursor. Ideal para código sensível e problemáticas complexas, onde o blast radius é grande e não existem verificações determinísticas.
Como subir de nível: quebrar a tarefa em pedaços menores. Entregar as partes seguras para o agente e fazer a migração crítica manualmente.
🔹 Level 1 — Humano no loop
Difícil verificar + Barato de desfazer
Tarefas que exigem avaliação subjetiva — refatorações de legibilidade, naming de variáveis, design. O código fica em draft até um humano revisar.
Como subir de nível: usar LLMs como verificadores, definir métricas de sucesso (ex.: "teste variações de copy até 3% de conversão"), e escrever custom skills que padronizam a saída do agente.
🔹 Level 2 — Delegação para agentes
Fácil verificar + Caro de desfazer
Onde a maioria das tarefas de desenvolvimento está hoje. Testes determinísticos verificam o trabalho, mas o merge é gateado por safety checks. Exemplo clássico: a reescrita do SQL parser do PostHog em Rust — o agente escreveu o código, shadow mode em produção validou, e o cutover foi feito em etapas.
Como subir de nível: codificar guardrails e políticas no pipeline — dry-run por padrão, escopar credenciais, colocar mudanças atrás de feature flags.
🔹 Level 3 — Modo autônomo (self-driving)
Fácil verificar + Barato de desfazer
Ainda são poucas tarefas aqui: bumps de dependência, lint fixes, cobertura de testes. Mas a categoria está crescendo rápido com agentes de longa duração, loops orientados a objetivos e orquestração complexa.
A PostHog lançou os Scouts — agentes que rodam em segundo plano, investigam sinais de produto e abrem PRs baseados no que encontram.
O insight principal
Você pode engenheirar seu pipeline para mover uma tarefa para um nível superior de autonomia. Não se trata de esperar modelos melhores — trata-se de construir verificações, guardrails e feedback loops melhores.
O artigo também menciona que a escala não é um fator para determinar o nível. As pessoas confundem as duas coisas porque orquestração multi-agente torna a autonomia urgente. Mas se você acertar a autonomia no nível da tarefa, a escala se cuida sozinha.
📖 Leia o artigo original (em inglês) — recomendo para qualquer pessoa construindo ou usando agentes de IA no dia a dia.