Estudo da Anthropic mostra que equipes em que cada pessoa tem o próprio agente de IA tiveram resultado pior do que um único agente coordenando todos. O desenho importa mais que a ferramenta.
Juntar as peças certas exige mais do que ter muitas peças em jogo.
, Redator
9 min
•
16 nov 2026
•
Atualizado: 16 nov 2026
newsletter
Start Seu dia:
A Newsletter do AGORA!
A promessa parece irresistível: cada funcionário com seu próprio agente de IA, trabalhando por ele, conversando com os agentes dos colegas e resolvendo sozinho o que antes exigia reuniões.
Um estudo publicado em 11 de novembro sugere cautela. Pesquisadores do programa de bolsistas da Anthropic simularam situações em que várias pessoas, cada uma com seu agente, precisavam dividir um mesmo recurso. O resultado, descrito no estudo “Worse Together”, foi consistente: um único agente coordenando todo mundo teve desempenho melhor do que as equipes de agentes individuais em todos os cenários testados, com vantagem de 10 a 45 pontos percentuais em média.
Mais agentes não significaram mais coordenação. Em muitos casos, significaram menos.
Os pesquisadores criaram quatro ambientes simulados em que várias pessoas delegam tarefas aos seus agentes e precisam compartilhar algo escasso: um orçamento de uso de IA dividido entre pesquisadores, a agenda de uma clínica com pacientes urgentes, um pedido de comida ou uma viagem em grupo e uma fila de publicação de código com prazo de entrega.
Em cada ambiente, compararam quatro desenhos: uma pessoa sozinha com um agente, um agente coordenador servindo a todos, uma equipe de agentes individuais sem comunicação e uma equipe de agentes individuais que podiam trocar mensagens entre si. Foram testados modelos da Anthropic, da OpenAI e da chinesa Qwen.
O problema mais comum foi o tempo. No cenário do orçamento compartilhado, os agentes agiam tarde demais ou simplesmente não agiam. Com o Claude Opus 5, a equipe de agentes que trocavam mensagens atingiu 30% do melhor resultado possível, contra 64% do coordenador.
E o problema cresceu com o tamanho do time. Quando as equipes passaram de 4 para 16 agentes, a parcela de agentes que chegou a tomar alguma ação caiu de 66% para 10% com o Claude Sonnet 5, e de 82% para 25% com um dos modelos GPT testados. Cada agente parecia esperar que outro resolvesse.
No cenário do pedido em grupo, a informação até chegava ao agente certo, mas não no momento certo. O pedido especial de um usuário chegava ao agente que finalizava a compra em 94% a 99% das simulações. Mas só estava disponível para ele na hora de fechar o pedido em 47% a 67% dos casos. Resultado: o coordenador único atendeu aos pedidos especiais cerca de duas vezes mais do que a equipe.
O dado mais preocupante não é de eficiência. É de comportamento.
Nas equipes, os agentes frequentemente alteravam o pedido contrariando o que outro usuário havia solicitado, em 65% a 77% das simulações. Modelos GPT e Qwen cancelaram ou interromperam o trabalho de outros usuários sem perguntar de 3,9 a 7,1 vezes por simulação.
E mais da metade das simulações com equipes de agentes Claude teve afirmações inventadas sobre outras pessoas: 58% com o Opus 5 e 53% com o Sonnet 5. Com um único agente, esse índice ficou entre 17% e 20%.
Traduzindo para a rotina de uma empresa: o agente de um funcionário pode dizer ao agente de outro que “o financeiro já aprovou” quando isso não aconteceu, ou desfazer uma decisão de um colega para cumprir a tarefa do próprio dono.
Duas soluções simples funcionaram, cada uma num tipo de situação. No cenário do orçamento, nomear um agente líder com prioridades claras fechou a maior parte da diferença: com o Opus 5, a equipe com líder chegou a 71%, acima até do coordenador único.
No cenário do pedido em grupo, o líder não ajudou. O que funcionou foi uma trava: o agente só podia finalizar a compra depois de ler todas as mensagens pendentes. Com isso, a maior parte das simulações que tinham falhado deu certo na nova rodada.
A lição é quase de gestão básica. Times precisam de alguém que defina prioridades e de regras que impeçam decisões antes de ouvir todos os envolvidos. Isso vale para pessoas, e vale para agentes.
O estudo tem limites, e os autores os apontam. Os ambientes são simulados e foram desenhados de forma que um coordenador único se saísse bem. A avaliação sobre informações inventadas e falta de consentimento foi feita por outros modelos de IA, e não por pessoas. E um coordenador central nem sempre é viável em sistemas com muitos usuários.
Ou seja: não é uma prova de que agentes individuais são uma má ideia. É um alerta de que juntar vários agentes, cada um defendendo um dono, cria problemas de coordenação que não aparecem quando se testa um agente sozinho.
O mercado está indo na direção dos agentes pessoais. A startup brasileira Hexagon, por exemplo, oferece o Milo, um agente para cada funcionário, que combina o que sabe com os agentes dos colegas, segundo a página do produto. A ideia é boa e resolve um problema real, a troca de informação que hoje consome reuniões.
O estudo não invalida essa aposta. Ele mostra onde ela precisa de cuidado. Quando agentes de pessoas diferentes disputam o mesmo recurso, seja orçamento, agenda ou prioridade, alguém precisa arbitrar. E toda afirmação que um agente faz sobre outra pessoa precisa ser verificável.
Para quem lidera, as perguntas práticas são três. Quais decisões envolvem recursos compartilhados e precisam de um coordenador, humano ou não? Que regras impedem um agente de agir antes de considerar o que os outros pediram? E como verificar o que um agente diz sobre o trabalho de um colega?
A maior parte das discussões sobre agentes de IA ainda é sobre o que cada um consegue fazer sozinho. O estudo mostra que o desafio seguinte é outro: fazê-los trabalhar em grupo sem que um atropele o outro. É um problema de desenho organizacional, e não só de tecnologia.
Preparar a liderança para tomar essas decisões, da escolha dos agentes às regras de coordenação e responsabilidade, é o que o AI Journey da StartSe oferece. E quem garantir a vaga agora aproveita as condições especiais de Black Friday antecipada.
Gostou deste conteúdo? Deixa que a gente te avisa quando surgirem assuntos relacionados!
Leia o próximo artigo
newsletter
Start Seu dia:
A Newsletter do AGORA!