Atualizado em novembro/2026.
O que este artigo ensina
- Harness é o conjunto de controles em volta de um agente de IA: o que ele pode fazer sozinho, quando para e chama uma pessoa, o que fica registrado e como se prova que ele acerta. Harness engineering é a prática de desenhar esses controles antes de o agente trabalhar com gente e dados de verdade.
- Quem decide o harness é a área que usa o agente. A TI constrói os controles, e o Jurídico diz o que precisa ficar registrado.
- Três partes organizam o harness: o núcleo de controle, que funciona como a alçada do agente (o que ele aprova sozinho), o contexto que ele consulta e os testes que provam que ele acerta.
- Os casos de 2026 mostram por onde um agente sem limite vira porta de entrada: código de fora executado sem aprovação e acesso que continuou valendo depois que o dono saiu.
- Para começar, três perguntas por agente, trechos prontos para quem monta o próprio agente sem programar e uma ficha para preencher.
Este artigo complementa o livro gratuito Engenharia de Prompts na Prática, best seller na Amazon com mais de 950 avaliações, que ensina a instruir ChatGPT, Gemini e Claude. O capítulo sobre agentes mostra a estrutura que transforma o modelo em agente.
Clique para abrir o índice
Imagine que o RH colocou um agente para responder às dúvidas de férias dos funcionários. Ele lê a política, consulta o saldo de cada pessoa no sistema e responde em segundos. Numa quinta-feira, alguém pede para emendar as férias com uma licença, fora da regra, e o agente tem acesso ao sistema em que as férias são aprovadas.
Ele pode aprovar sozinho? Se ninguém decidiu isso antes, quem decide é o agente. A decisão escrita antes do primeiro atendimento, sobre o que ele faz sozinho e quando chama uma pessoa, é o harness.
O que é harness engineering, fora do vocabulário de TI
Um agente de IA é uma IA que recebe um objetivo e executa os passos sozinha nos sistemas da empresa: consulta, envia, altera, aprova. No chat, a IA responde e espera o seu próximo pedido. O agente segue sozinho até terminar a tarefa, e cada passo que ele decide passa por perceber, planejar, agir e lembrar.
Harness, em inglês, é arreio, a peça que dá direção ao cavalo sem impedir que ele ande. O mercado brasileiro manteve o termo em inglês, e engenharia de harness é a tradução que aparece de vez em quando. O arreio explica metade da ideia, a de dar direção. A outra metade ele não explica: o agente às vezes recebe a orientação e faz outra coisa mesmo assim, e por isso o harness também confere o que ele fez depois.
Para quem trabalha numa empresa, a imagem mais próxima é a do funcionário novo. Antes do primeiro dia, alguém decide quatro coisas, e com um agente a empresa precisa decidir as mesmas:
| No funcionário novo | No agente | Parte do harness |
|---|---|---|
| A alçada: o que ele aprova sozinho e quando leva ao gestor | O que o agente faz sem pedir e o ponto em que para e chama uma pessoa | Núcleo de controle |
| O manual da área e a integração | As instruções, as regras e os documentos que o agente consulta | Contexto |
| O período de experiência, com alguém conferindo o trabalho | Os casos que o agente precisa acertar antes de atender gente de verdade | Testes |
| O que ele assinou, e quando | O registro de cada pergunta, de cada resposta e de cada vez que ele chamou alguém | Núcleo de controle |
A comparação tem um limite, e ele importa. O funcionário corrigido na segunda-feira lembra da correção na terça. O agente repete o mesmo erro em mil atendimentos até alguém escrever a regra no arquivo que ele consulta. Por isso, no agente, tudo precisa estar escrito.
Vivek Trivedy, da LangChain, resumiu a ideia numa conta: agente é igual a modelo mais harness. No exemplo das férias, o modelo, a IA que lê e escreve o texto, redige a resposta. O harness decide o que ele pode responder, quando passa a pergunta para o RH e o que fica registrado. Quando um agente erra, a pergunta útil é qual controle em volta dele deixou o erro passar.
Birgitta Böckeler, da Thoughtworks, separou esses controles em dois grupos, com nomes que o mercado passou a usar. Os Guides orientam antes da ação: a alçada, as instruções, as permissões de acesso. Os Sensors conferem durante e depois, com o registro, o alerta quando o agente sai do combinado e a avaliação de cada resposta. No funcionário novo, seria a conversa antes do primeiro dia e a conferência do trabalho que ele entregou.
Juntos, os dois respondem à pergunta que importa para quem aprova o uso do agente: se ele começar a trabalhar amanhã, o que pode dar errado e quem vai perceber.
Prompt, contexto e harness: três etapas do mesmo aprendizado
Quem usou o ChatGPT nos primeiros meses aprendeu que a resposta depende de como se escreve o pedido, e esse aprendizado ganhou o nome de engenharia de prompts. Quando as equipes passaram a usar agentes, o pedido virou só uma parte do que o modelo precisa: entram memória, documentos, histórico da tarefa e ferramentas, e organizar isso é a engenharia de contexto.
Com bom pedido e bom contexto, sobra um terceiro problema. O agente pode agir sem aprovação, numa situação que ninguém previu, sem deixar rastro de por quê. O harness cuida desse terceiro problema.
Para decidir o que o agente pode fazer, quem confere e o que fica registrado, não é preciso dominar antes as duas etapas anteriores. Cada uma resolveu o que a anterior deixou em aberto, nesta ordem:
| Prompt Engineering | Context Engineering | Harness Engineering | |
|---|---|---|---|
| O que governa | A instrução individual ao modelo | O conjunto de informações que alimentam cada passo | O agente inteiro: ações, limites, supervisão e rastreabilidade |
| Quando surgiu | 2022-2023 | 2025 | 2025-2026 |
| Problema que resolve | Respostas ruins por instrução mal formulada | Agente sem memória, regras ou ferramentas adequadas | Agente que age sem aprovação, fora do escopo ou sem rastro auditável |
| Quem decide | Quem usa o modelo | A área dona do conhecimento, com quem constrói o sistema | A área que usa o agente, com TI e Jurídico |
| Analogia | Dar uma ordem clara | Montar o dossiê completo antes da reunião | Definir o que o funcionário pode assinar sozinho |
As três partes do harness: controle, contexto e testes
O que precisa estar pronto antes de um agente começar a atender? Para ensinar, separo o harness em três partes, cada uma com uma pergunta própria. Guides e Sensors aparecem nas três: o núcleo tem os dois, o contexto orienta e os testes conferem.
Núcleo de controle e segurança. Responde o que o agente pode fazer, o que está proibido, quando ele para e chama uma pessoa, com que acesso entra em cada sistema e onde cada passo fica registrado. É a alçada do funcionário novo. O mercado chama esse desenho de bounded autonomy, ou autonomia delimitada: o agente age sem pedir até chegar à fronteira da alçada, e ali para. O vocabulário que veio depois, como guardrails, loops, grafos e identidade de agente (barreiras de segurança, formas de o agente decidir o caminho e o acesso próprio dele), cabe todo nesta parte e nos testes.
Contexto. Responde o que o agente sabe na hora de agir: as instruções, as regras da área, os documentos que ele consulta e os conectores que o levam aos sistemas onde esse conhecimento mora. É o manual do funcionário novo. Como estruturar o contexto de um agente, do primeiro arquivo ao sistema de pastas, é a parte que cabe à área dona do conhecimento.
Testes e validação. Responde como você sabe que o agente acerta, antes de entrar em uso e depois de cada mudança: casos reais, um critério de acerto escrito antes do teste e, em volume maior, um juiz automático, que é outra IA conferindo as respostas da primeira enquanto uma pessoa confere uma amostra. É o período de experiência. O passo a passo está no guia de como montar evals (baterias de teste do agente) sem escrever código.
A alçada do agente: quando ele para e chama uma pessoa
Eu começaria com uma regra que cabe em qualquer área. O agente para e chama uma pessoa quando a ação:
- não tem volta, como enviar, apagar, pagar ou assinar;
- afeta uma pessoa específica, como um candidato, um funcionário ou um cliente;
- envolve dinheiro acima do que um analista da área aprovaria sozinho;
- sai da empresa, como um e-mail a cliente, uma publicação ou uma resposta a órgão público.
Quanto de alçada cada time aguenta depende também de quem confere o trabalho do agente: um time experiente percebe o erro mais cedo e suporta mais autonomia do que um time em formação.
Agente que decide sobre pessoas, dinheiro ou contratos é de risco alto, e risco alto pede três coisas a mais: uma pessoa aprova antes de a ação sair, alguém lê o registro toda semana e os testes rodam de novo a cada mudança.
Na leitura semanal, procure casos que deviam ter ido a uma pessoa e não foram, respostas sem documento citado e pedidos que a política não cobre.
O risco é médio quando o agente atende outras pessoas ou altera dados sem decidir sobre pessoas, dinheiro ou contratos, e baixo quando só consulta e redige para quem o montou, que confere antes de usar.
Quem responde por esse núcleo é a área que usa o agente: o RH responde pelo agente de férias, o Marketing pelo de campanha. A TI constrói os controles e o acesso, e o Jurídico diz o que precisa ficar registrado. Em empresas maiores, essa fronteira começa a ganhar dono próprio, como o diretor de governança e risco de IA, que decide até onde vai a autonomia dos agentes e presta contas disso ao restante da empresa.
Regras de negócio e MCP: em que parte cada um entra
A mesma regra de negócio pode aparecer em duas partes, com papéis diferentes. A política de férias que o agente consulta para responder a um funcionário é contexto, conhecimento que o RH precisa manter atualizado. O ponto de parada que impede o agente de aprovar uma exceção a essa política sem uma pessoa é núcleo, controle que fica com quem responde pelo risco.
Separar o que o agente sabe do que o agente pode fazer permite atualizar a política sem mexer no ponto de parada, e vice-versa.
O MCP (Model Context Protocol), padrão aberto que conecta o agente a sistemas como calendário, planilha e CRM (o sistema de clientes), também aparece nas duas. Como conector, leva ao agente o conhecimento que está nos sistemas da empresa e entra no contexto. Como porta de ação, o mesmo conector que lê uma planilha pode escrever nela, e por isso precisa de permissão e de registro no núcleo.
Antes de ligar um conector novo, pergunte se ele só lê ou também altera dados, quem aprova o segundo caso e com que acesso ele entra. A mudança do MCP em 2026 que mais mexe com o núcleo é essa: trocar a senha de sistema colada na configuração por um acesso próprio do agente.
Por que essa separação permite escalar
Um agente usado por uma pessoa sobrevive ao improviso, porque quem usa conhece os limites de cabeça e corrige o erro na hora. Quando o mesmo agente atende mil pessoas rodando a mesma jornada, ninguém corrige mil execuções à mão.
Antes de abrir o agente para a área inteira, eu conferiria três coisas: se a alçada está escrita, se o documento que ele consulta é a versão em vigor e se ele já passou nos testes.
Por que os agentes falham sem harness
Um modelo de linguagem foi treinado para escrever um texto que pareça certo. Na empresa, a resposta também precisa seguir a política, respeitar a lei e ter uma explicação que um auditor aceite.
A equipe de engenharia da OpenAI construiu um produto inteiro com agentes e relatou que os desafios mais difíceis passaram a ser projetar o ambiente de trabalho do agente, os retornos que dizem a ele se acertou e os sistemas de controle. O problema mora na estrutura em volta do modelo, mais do que na inteligência dele.
Três falhas aparecem com frequência, e cada uma deixa um sintoma que dá para ver no dia a dia.
Desvio de contexto (context drift). Numa tarefa longa, o agente começa bem e, lá pela metade, esquece a regra do começo. Para caber na memória de trabalho do modelo, o histórico da conversa vai sendo resumido, e a regra se perde no resumo; a Salesforce chama esse desgaste de context rot.
A correção é guardar as regras que não podem se perder num arquivo que o agente consulta sempre, fora do histórico. Pergunte ao time onde estão as regras que esse agente não pode esquecer. Em ferramenta sem código, esse lugar costuma ser o campo de instruções do agente, que vale em toda conversa, e não um documento solto na base de consulta.
Desalinhamento de esquema (schema misalignment). Esquema, em tecnologia, quer dizer formato. O caso mais comum no dia a dia é o PDF: alguém anexa um documento esperando que o agente leia tudo, e parte do conteúdo está dentro de imagens que ninguém pediu para ele transcrever.
O agente responde com segurança sobre um documento que leu pela metade, e o mesmo acontece com apresentações, documentos do Word e páginas da web. Instruir o agente a descrever as imagens embutidas no arquivo já elimina boa parte dessas respostas inventadas:
Se o arquivo tiver imagens, tabelas em imagem ou páginas digitalizadas, descreva o que há nelas antes de responder. Se não conseguir ler alguma parte, diga qual e não responda sobre ela.
Degradação de estado (state degradation). Em sistemas com vários agentes trabalhando em cadeia, como numa linha de montagem, basta um alucinar, isto é, afirmar com segurança algo falso, para que o erro vire informação do próximo, que erra em cima do erro e passa adiante. Quando alguém percebe, o resultado inteiro está errado e a origem sumiu.
O que interrompe essa cadeia é um Sensor entre um agente e outro, conferindo o que passa antes de a informação seguir viagem.
Antes do Sensor existe uma defesa mais barata, que é ter menos repasses. Em outubro de 2026, a Anthropic relatou que juntar agentes especialistas num agente único, com skills carregadas sob demanda, muitas vezes melhorou qualidade, custo e tempo de resposta nas implantações que acompanhou, e comparou a divisão por tipo de problema ao telefone sem fio: cada passagem perde fidelidade. O Sensor continua necessário onde a divisão entre agentes se justifica, como em pesquisas que rodam em paralelo.

A Anthropic publicou em novembro de 2025 as estruturas que contêm cada uma dessas três falhas nos agentes que escrevem software.
Casos de 2026: quando o agente vira a porta de entrada
Em junho de 2026, dois ataques mostraram o que acontece quando alguém adultera o que o agente usa para trabalhar.
No primeiro, o GitHub, site onde programadores guardam e compartilham código, desativou ao menos 70 repositórios da própria Microsoft, as pastas de código de cada projeto, depois que invasores plantaram neles um programa que rouba senhas, segundo a TechCrunch.
O programa disparava quando alguém abria o projeto num agente de programação, como o Claude Code ou o Gemini CLI. A pessoa só pedia ao agente para trabalhar no projeto; quem executava o código malicioso era o agente, com os acessos dela.
No segundo, mais de 140 pacotes do Mastra, um conjunto de código pronto usado para construir agentes de IA, foram republicados com um código que instala um ladrão de dados na máquina de quem os baixa, segundo o The Hacker News. Pacote é um bloco de código pronto que o desenvolvedor baixa para não escrever tudo do zero, como uma peça comprada de fornecedor. A porta de entrada foi a conta de um ex-colaborador que ainda tinha permissão para publicar.
Esse tipo de ataque, pela cadeia de fornecedores de software, está entre os dez maiores riscos de IA da OWASP, comunidade aberta de segurança de software.
A regra para quem monta agente: ele não instala, não baixa e não executa nada de fora sem uma pessoa aprovar, e trabalha com o menor acesso que a tarefa pede. A pergunta para levar à TI: os agentes que usamos podem executar código ou instalar pacotes sozinhos, e quem revisa os acessos de quem já saiu da empresa?
RH, Marketing e Jurídico: o harness na prática
O debate sobre harness nasceu entre quem constrói software, mas o princípio pesa mais em áreas que lidam com pessoas, dinheiro e obrigação legal. A estrutura se repete de uma área para outra, e o que muda é o conteúdo.
No RH. Um agente de triagem precisa de uma lista fechada do que pode pesar na decisão, de uma pessoa revisando antes de qualquer candidato ser eliminado e do registro de qual critério levou cada um a avançar ou parar. Sem isso, a empresa acumula risco de discriminação sem saber. O guia de IA no RH mostra como montar a lista fechada de critérios e o registro.
No Marketing. Agentes de campanha podem mudar orçamento, pausar anúncios, segmentar público e testar criativos sozinhos. Os Guides trazem as regras de posicionamento da marca e um teto de variação de orçamento; eu começaria pela mesma alçada que um analista da área tem hoje para mexer na verba sem pedir ao gestor.
Qualquer ação acima do teto para antes de executar e espera a aprovação de quem responde pela verba, e cada ação entra num relatório. Sem esse desenho, o agente otimiza a métrica da semana enquanto desgasta o posicionamento, e ninguém consegue reconstruir a sequência de decisões que levou a isso.
No Jurídico. Os Guides são os modelos e as cláusulas aprovadas pela equipe. Qualquer desvio aciona revisão humana antes do envio, e cada versão do documento fica guardada. Quando esse desvio não passa pela revisão, um contrato tecnicamente correto pode contradizer a política interna da empresa, e o erro só aparece com o documento assinado.

Um Guide atravessa as três áreas: separar o ambiente de teste do ambiente de produção, que é o agente atendendo gente de verdade com dados de verdade.
Em julho de 2026, o instituto de segurança de IA do governo britânico (AISI) testava agentes com acesso aberto à internet e parte dos filtros desligada. Em 10 de 122 rodadas, os agentes saíram do exercício e agiram contra pessoas e organizações reais, inclusive tentando colocar código malicioso num projeto aberto, segundo o relatório do AISI.
O agente costuma alcançar mais sistemas do que a política autorizou, e é nessa sobra que a falha aparece. Pergunte ao time se o agente chega a algum sistema ou dado que ninguém liberou.
Para quem monta o agente, o teste começa numa cópia dele, antes de compartilhar com a área: duplique o agente, troque a base por uma planilha com nomes e números inventados e desligue os conectores que enviam mensagem ou alteram dados nos sistemas de verdade.
Shadow AI e o harness zero
Quando a empresa não define o harness, ninguém para de usar agente. Cada pessoa monta o seu do jeito que sabe, e isso tem nome: Shadow AI, o uso de IA fora do que a empresa aprovou e consegue supervisionar. É o mesmo fenômeno do software que um departamento contratava sem passar pela TI, com uma diferença: o agente tem acesso a dado sensível e executa ação.
Nas turmas de empresas que treino, o harness mais comum é o harness zero: nenhum limite definido, nenhum alerta, nenhum registro. O agente funciona enquanto o resultado parece razoável, e o problema aparece quando algo dá errado e ninguém consegue explicar como o agente chegou ali.
Proibir só esconde o uso. Eu recomendo deixar claro o momento em que o agente pessoal precisa passar por aprovação formal. Esse momento chega quando o agente passa a atender outras pessoas além de quem o montou, ou quando ganha permissão para alterar dados, enviar mensagem ou mexer em dinheiro. A partir daí, o agente entra no processo da área e precisa de ficha, dono e registro.
Quem aprova é o gestor da área que passa a responder pelo agente, com a ficha preenchida, e a TI confere os acessos e os conectores antes da liberação.
Na pesquisa da Okta com 306 líderes de segurança de seis países, entre eles Estados Unidos, Reino Unido e Japão, publicada em julho de 2026, só 47% dizem conseguir identificar todos os agentes de IA em uso na própria empresa. E só 31% se sentem totalmente alinhados com a diretoria e o conselho sobre o risco de IA aceitável.
Traduzindo: em mais da metade dessas empresas, quem responde pela segurança não sabe dizer quantos agentes existem, e a liderança não combinou com ele quanto risco aceita. O inventário dos agentes da sua área é o primeiro passo para sair dessa conta.
Uma lista simples basta: nome do agente, quem montou, quem usa, a que sistemas tem acesso e se só lê ou também altera dados. Para achar os informais, pergunte ao time quem usa um agente que outra pessoa montou ou que mexe em sistema da empresa.
O que já vale no Brasil e lá fora
No Brasil, a regra que já alcança o agente é a LGPD, a Lei Geral de Proteção de Dados: quem teve uma decisão tomada só por um sistema automático, com base nos seus dados pessoais, pode pedir a revisão dela, e a empresa precisa informar os critérios usados. O registro do harness é o que permite responder a esse pedido.
O marco legal da IA, o projeto de lei (PL) 2338/2023, foi aprovado pelo Senado em dezembro de 2024 e segue em análise numa comissão especial da Câmara. O panorama da regulação de IA no Brasil e no mundo mostra o que cada proposta exige.
Lá fora, quatro referências tratam do agente em particular:
- O EU AI Act, a lei de IA da União Europeia, classifica como alto risco a IA usada em contratação e em concessão de crédito, com supervisão humana e registro automático de eventos. Para esses sistemas, as obrigações passam a valer em 2 de dezembro de 2027, data fixada pelo Omnibus Digital sobre IA, pacote que revisou a lei em 2026. Alcança a empresa brasileira que oferece esse tipo de sistema na União Europeia ou usa o resultado dele lá.
- A IMDA, de Singapura, lançou em janeiro de 2026 o primeiro guia de governança dedicado a agentes de IA. Ele pede limitar a autonomia e o acesso do agente desde o início e definir em que pontos uma pessoa precisa aprovar.
- A OWASP recebeu em setembro de 2026 a doação do Agent Control Standard, padrão técnico aberto para pausar o agente entre a decisão e a ação e consultar uma regra antes de deixá-lo seguir.
- O NIST, órgão de padrões técnicos do governo dos Estados Unidos, abriu em fevereiro de 2026 uma consulta sobre identidade e autorização de agentes, com rastreabilidade de cada ação.
Um agente que já tem ponto de aprovação e registro guardado chega pronto a qualquer uma das quatro.
Onde começar amanhã
Eu começaria mapeando os agentes que sua área já usa, inclusive os que alguém montou por conta própria. Se o agente ainda não existe, responda às perguntas abaixo antes de escrever a instrução dele.
O que esse agente está autorizado a fazer? Se a resposta for “não sei exatamente”, faltam Guides.
Quando ele precisa de uma pessoa? Se nunca, não existe ponto de parada. Todo agente em área de risco precisa de pelo menos um, desenhado pela regra da alçada.
Onde ficam os registros? Sem registro das ações do agente, não há como explicar o que ele fez. E o registro só protege quem consegue lê-lo: quando algo der errado, sua equipe precisa distinguir três situações.
- O agente agiu fora dos limites por falha de desenho.
- O usuário conduziu a conversa de má-fé para tirar o agente do combinado.
- O agente foi influenciado por um dado de fora adulterado, como uma instrução escondida num documento ou num pacote de software.
Qualquer pessoa na cadeia de decisão, do analista que configurou o agente ao diretor que aprovou o uso, pode ser chamada a explicar o que aconteceu, e sem o registro ninguém consegue.
Nas três situações, o primeiro passo é o mesmo: pausar o agente ou tirar dele a permissão de agir, guardar o registro como está e avisar quem responde por ele. Se foi falha de desenho, a própria área corrige a instrução ou a alçada. Má-fé e dado adulterado já pedem a TI e a Segurança junto.
Se você mesmo vai montar o agente
Quem monta o agente numa ferramenta sem código transforma essas respostas em três peças: o ponto de parada e o registro, escritos como trechos de texto, e o critério de acerto. Os exemplos abaixo usam o agente de férias; troque a política e o canal pelos da sua área.
O ponto de parada, escrito na instrução do agente:
Se a pergunta envolver exceção à política de férias, um caso pessoal (saúde, licença, desligamento) ou um pedido de aprovação, não responda o mérito. Diga que esse caso precisa do RH e indique o canal: [canal do RH].
Esse ponto de parada é diferente do limite de voltas, que diz quando o agente desiste de uma tarefa que não consegue terminar. Os dois entram na instrução.
O registro. Se a ferramenta já guarda o histórico de conversas, confirme quem tem acesso a ele e por quanto tempo fica guardado. Se não guarda, peça o registro ao próprio agente:
Ao final de cada atendimento, registre numa planilha separada: data e hora, a pergunta recebida, o documento e o trecho consultados, a resposta dada e se o caso foi encaminhado ao RH. Não altere registros anteriores; acrescente uma linha nova a cada atendimento.
O registro também guarda dado pessoal. Deixe de fora o que a resposta não exige, como diagnóstico ou motivo de licença. Dê ao agente permissão para escrever só nessa planilha e, como é ele que anota, confira de vez em quando, por amostragem, se cada atendimento virou uma linha.
O critério de acerto, antes do primeiro teste. Para a pergunta “posso vender dez dias de férias?”, a resposta certa cita a regra da política, não promete exceção e indica o RH se a pessoa pedir algo fora dela. Com dez a vinte perguntas reais escritas assim, você tem o primeiro conjunto de teste, e o guia de evals mostra como rodá-lo de novo a cada mudança. Eu só liberaria o agente para atender a área quando ele acertar todas as perguntas que deviam acionar o ponto de parada; nas demais, quem responde por ele decide quantas falhas aceita e anota na ficha.
Numa ferramenta sem código, alguns itens da ficha não se aplicam, como a escolha entre loop e grafo. Nesses, escreva “não se aplica” e o motivo. A credencial própria do agente, um acesso só dele, separado do de quem o montou, vira conversa com a TI quando ele passa a atender outras pessoas.
Ficha do agente: modelo para preencher
Em mentoria, sugiro registrar essas respostas numa ficha por agente, começando pelo de maior risco. Cada linha em branco é uma parte do harness que ainda não existe.
Ficha do agente
Uma ficha por agente. Comece pelo de maior risco.
| Nome do agente | |
|---|---|
| Tarefa que ele faz | |
| Plataforma e conta em que ele roda | |
| Quem responde por eleAprova mudanças no agente e responde quando algo dá errado. |
| Item | O que responder | Sua resposta |
|---|---|---|
| Núcleo de controle e segurança | ||
| Limites (Guides) | Antes da açãoO que ele pode fazer sozinho? O que está proibido? Em que situação ele para e chama uma pessoa? | |
| Caminho (loop ou grafo) | Como ele decide o caminhoEle repete até acertar (loop) ou segue etapas fixas (grafo)? Quantas voltas no máximo? Onde o fluxo para? Se não souber, pergunte a quem configurou. | |
| Credencial | IdentidadeEle tem login próprio, com conta e e-mail separados? A senha fica num cofre de senhas? Se algo der errado, dá para saber qual agente estava logado? | |
| Log e alertas (Sensors) | RastroOnde ficam registradas a entrada, as ferramentas usadas e a saída? Existe alerta quando ele erra ou sai do escopo? Quem lê esse registro e com que frequência? | |
| Contexto | ||
| Instruções e conhecimento (Guides) | O que ele sabeQuais instruções, arquivos de regras e bases de conhecimento ele consulta? Quem mantém esse conteúdo atualizado? | |
| Conectores | Por onde ele chega aos sistemasPor quais conectores (MCP ou outros) ele chega aos sistemas? Cada um só lê ou também altera dados? | |
| Anexos | Arquivos que ele recebeQue instrução diz o que esperar e o que ignorar em cada tipo de arquivo que ele recebe? | |
| Testes e validação | ||
| Conferências (Sensors) | Durante e depoisQue validação confere cada resposta? Um segundo modelo de IA atua como juiz, classificando cada resposta como aprovada, reprovada ou duvidosa? | |
| Conjunto de teste (golden dataset) | Teste de regressãoQuantos casos reais (meta: 10 a 20, com 3 ou 4 difíceis)? Cobrem a resposta final, o caminho percorrido e os limites de segurança? Rodam de novo a cada mudança? | |
| Risco do agenteBaixo, médio ou alto, e por quê. Agente que decide sobre pessoas, dinheiro ou contratos fica no alto. | |
|---|---|
| Lacunas e próxima açãoO que ficou em branco, quem resolve e até quando. |
Edney “InterNey” Souza · interney.net
Leve a ficha preenchida para a conversa com a TI: a área chega com as respostas sobre o que o agente pode fazer, e a TI entra para construir os controles.
Este artigo faz parte do guia “Harness Engineering”. O anterior é Engenharia de contexto para agentes de IA; o próximo, Guardrails de IA, Loop Engineering e Graph Engineering. A sequência completa está no guia completo, na página de guias.
Comunidade no WhatsApp: as novidades de ferramentas, modelos e uso de dados no trabalho saem todo dia no grupo IA e Dados, sempre com a fonte. Veja como entrar no grupo.
Perguntas frequentes sobre harness engineering
O que é harness e o que é harness engineering?
Harness é o conjunto de controles em volta de um agente de IA: o que ele pode fazer sozinho, quando para e chama uma pessoa, o que fica registrado e como se prova que ele acerta. Harness engineering é a prática de desenhar esses controles antes de o agente trabalhar com gente e dados de verdade, em três partes: o núcleo de controle, o contexto e os testes.
Qual a tradução de harness engineering?
Harness, em inglês, quer dizer arreio, a peça que dá direção ao cavalo sem impedir que ele ande. Em português, o mercado manteve o termo em inglês, e engenharia de harness aparece como tradução. Na prática, o termo descreve os limites, os pontos de parada, o registro e os testes que cercam um agente de IA.
Qual a diferença entre agente, modelo e harness?
O modelo é a IA que lê e escreve texto. O agente é esse modelo trabalhando sozinho nos sistemas da empresa, executando passos até terminar uma tarefa. O harness é tudo o que fica em volta do modelo para que o agente faça só o que foi combinado: instruções, permissões, pontos de parada, registro e testes. Por isso se resume a ideia como agente igual a modelo mais harness.
Qual é a diferença entre prompt engineering, context engineering e harness engineering?
São três etapas de um mesmo aprendizado. Prompt engineering cuida de como instruir o modelo para obter boas respostas. Context engineering cuida do conjunto de informações que alimenta o modelo a cada passo. Harness engineering governa o agente inteiro: o que ele pode fazer, o que está proibido, quando uma pessoa precisa ser acionada e como cada ação fica registrada.
Quais são as partes de um harness de agente de IA?
Para ensinar, o harness se separa em três partes. O núcleo de controle e segurança define o que o agente pode fazer, quando para e chama uma pessoa, com que acesso entra em cada sistema e onde cada passo fica registrado. O contexto reúne instruções, regras da área, documentos e conectores como o MCP. Os testes provam, com casos reais, que o agente acerta antes de atender gente de verdade e depois de cada mudança.
Quem na empresa cuida do harness?
Quem responde por um agente é a área que o usa: o RH pelo agente de férias, o Marketing pelo de campanha. Essa área decide o que o agente faz sozinho e quando chama uma pessoa. A TI constrói os controles e os acessos, e o Jurídico define o que precisa ficar registrado. Em empresas maiores, começam a surgir cargos dedicados a decidir até onde vai a autonomia dos agentes.
Quanto custa começar a aplicar harness?
O primeiro custo é tempo de quem conhece a área: escrever a alçada do agente, o ponto de parada e o registro, e separar de dez a vinte casos reais para testar. Para um agente simples, isso cabe em poucas tardes de trabalho, sem ferramenta nova.
Depois que o agente entra em uso, o custo se repete: em agente de risco alto, alguém lê o registro toda semana e os testes rodam de novo a cada mudança. O custo maior aparece quando o agente erra sem controle e alguém precisa corrigir o que ele já fez.
Como aplicar harness num agente que eu mesmo montei?
Escreva três coisas. Na instrução do agente, o ponto de parada: em que situações ele não responde o mérito e indica a pessoa ou o canal certo. No registro, o que fica anotado a cada atendimento: data, pergunta, documento consultado, resposta e se houve encaminhamento. E um critério de acerto para dez a vinte perguntas reais, conferido antes de compartilhar o agente com outras pessoas e de novo a cada mudança.
O MCP faz parte do harness?
Sim, e aparece em duas partes. Como conector, o MCP leva ao agente o conhecimento que está nos sistemas da empresa, o que o coloca no contexto. Como porta de ação, o mesmo conector pode permitir que o agente escreva, envie ou altere dados, o que exige permissão e registro no núcleo de controle. Cada conector novo muda o que o agente sabe e o que ele consegue fazer.
Por que agentes de IA falham sem harness?
Modelos de linguagem foram feitos para gerar texto plausível, e o trabalho numa empresa exige seguir política, respeitar lei e explicar cada decisão. Sem harness, o agente pode agir fora do escopo aprovado, deixar de chamar uma pessoa quando devia ou produzir um resultado que ninguém consegue justificar depois. Três falhas se repetem: o agente esquece a regra numa tarefa longa, lê um arquivo pela metade ou recebe o erro de outro agente e passa adiante.
Harness engineering se aplica a agentes de RH, Marketing e Jurídico?
Especialmente nessas áreas, onde o erro de uma decisão pode virar processo, multa ou dano à imagem da empresa. No Brasil, a LGPD já permite pedir a revisão de uma decisão automatizada sobre uma pessoa, como numa triagem de candidatos. Na Europa, o EU AI Act trata a IA usada em contratação como de alto risco, com supervisão humana e registro obrigatórios a partir de 2 de dezembro de 2027.
O que é Shadow AI e qual a relação com harness?
Shadow AI é o uso de IA por funcionários fora do que a empresa aprovou e consegue supervisionar, sem controle de dados e sem registro. Quando a empresa não define o harness, cada pessoa monta o seu, informalmente. O agente pessoal precisa passar por aprovação formal quando começa a atender outras pessoas ou ganha permissão para alterar dados, enviar mensagem ou mexer em dinheiro.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e Conselheiro Consultivo em Tecnologia, IA, Dados e Inovação. Participou da criação de sete startups ao longo da carreira. É professor na ESPM, Insper, PUCRS, USP e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
Descubra mais sobre Edney "InterNey" Souza
Assine para receber nossas notícias mais recentes por e-mail.

Um comentário em “Harness Engineering em 2026: o que é, por que importa e como aplicar nas empresas”
Os comentários estão encerrados.