Os guardrails de IA são a parte do sistema que ninguém pediu para configurar. E é exatamente por isso que estão faltando.
A ligação durou oito minutos.
Um cliente perguntou sobre a política de devolução. O assistente virtual, recém-lançado e amplamente divulgado na comunicação interna como “nossa IA de atendimento”, respondeu com precisão, fluência e confiança. Só que a política que ele citou era a do concorrente. Não a da empresa.
Ninguém havia configurado o que o sistema não podia responder. A equipe de tecnologia tinha configurado o que ele deveria fazer. Mas o que ele não deveria fazer nunca havia entrado em nenhuma especificação, nenhum documento de requisito, nenhuma reunião de validação.
A IA não estava quebrada. Estava apenas sem freio.
O Que São Guardrails de IA e o Que o Mercado Confunde
Guardrails, em inteligência artificial, são os mecanismos que definem os limites do comportamento de um modelo: o que ele pode responder, com que informações pode trabalhar, quais ações pode ou não executar, e como deve se comportar quando recebe uma solicitação que vai além do seu escopo autorizado.
A confusão mais comum, e mais cara, é assumir que os guardrails nativos do modelo são suficientes para um contexto corporativo.
Eles não são. E a diferença importa.
Os guardrails nativos existem para propósitos gerais: evitar que o modelo produza conteúdo ofensivo, instrua sobre atividades ilegais ou gere texto claramente prejudicial. Quem criou o modelo os calibrou para um público amplo, em casos de uso genéricos.
O que eles não fazem: garantir que sua IA de atendimento não cite o concorrente.
O que ela nao deve fazer:
Revelar dados de clientes para usuários sem autorização.
Recomendar produtos fora do portfólio.
Acessar informações que pertencem a um nível hierárquico diferente do solicitante.
Não tomar ações operacionais fora do escopo definido pela empresa.
Esses são guardrails de negócio. Precisam ser construídos, configurados e mantidos pela organização. Não vêm prontos.
Os Números que Deveriam Estar em Todo Briefing de IA
Os dados de 2025 são incômodos para quem acredita que subir uma IA em produção é o passo final:
74% das empresas reverteram ou encerraram seus agentes de IA em atendimento ao cliente após colocá-los em produção, segundo pesquisa da Sinch de maio de 2025. O principal motivo identificado não foi falha técnica. Foi falha de governança.
Além disso, 87% das empresas não possuem frameworks abrangentes de segurança para IA, segundo o Gartner. Isso significa que a grande maioria das organizações que hoje opera sistemas de IA não tem um conjunto claro de políticas sobre o que a IA pode e não pode fazer.
O relatório IBM de 2025 foi ainda mais direto: 13% das organizações reportaram brechas em modelos ou aplicações de IA, e dentre elas, 97% afirmaram não ter controles de acesso adequados configurados. Além disso, 63% das organizações comprometidas não tinham uma política de governança de IA ou ainda estavam desenvolvendo uma.
Por fim, o Gartner projeta que reclamações judiciais relacionadas a IA vão superar 2.000 casos até o final de 2026 por falta de guardrails adequados. E 72% das empresas do S&P 500 já declararam ao menos um risco material relacionado à IA em 2025, número que era de apenas 12% em 2023.
Esses não são problemas de empresas que ignoraram a IA. São problemas de empresas que adotaram a IA sem definir os seus limites.
O Freio que Não Vem no Manual
Existe uma metáfora que explica bem a situação: imagine entregar um carro potente para alguém que nunca dirigiu, com o motor funcionando e o GPS configurado, mas sem informar onde ficam os freios, quais são os limites de velocidade da região, e que há uma escola a duzentos metros.
O carro não está com defeito. O motorista sabe para onde quer ir. Falta apenas o sistema que define o que ele não pode fazer no caminho.
Na prática, guardrails corporativos funcionam em camadas. Há os guardrails de conteúdo: o que a IA pode ou não dizer, quais temas estão fora do escopo, como responder quando a solicitação vai além do permitido. Há os guardrails de acesso: quais dados o modelo pode consultar, quem pode fazer quais perguntas, como as informações sensíveis são protegidas. E há os guardrails de ação, especialmente críticos quando se trata de agentes de IA: quais operações o sistema pode executar autonomamente, quais requerem aprovação humana, e o que acontece quando algo sai do esperado.
A maioria das implementações corporativas no Brasil hoje tem, na melhor das hipóteses, o primeiro nível. Os dois últimos são sistematicamente negligenciados.
O Paradoxo da Maturidade
Há um dado da pesquisa Sinch de 2025 que merece atenção especial: a taxa de reversão foi de 81% entre as empresas que afirmavam ter guardrails maduros, sete pontos percentuais acima da média geral de 74%.
Em outras palavras: as empresas que mais investiram em governança tiveram taxas de falha mais altas.
A explicação é contraintuitiva e reveladora: organizações que acreditavam ter guardrails robustos tendiam a ter menos supervisão humana ativa sobre os outputs do sistema, exatamente porque confiavam na maturidade da sua estrutura de controle. Quando os guardrails falharam em cenários não previstos durante a configuração, não havia ninguém olhando com atenção suficiente para interceptar.
Guardrail maduro não é guardrail estático. É guardrail monitorado.
Portanto, a diferença entre configurar uma vez e monitorar continuamente é a diferença entre ter um freio e saber que o freio ainda funciona.
O Que os Líderes Precisam Perguntar
Antes de qualquer lançamento de IA em produção, e antes de renovar contratos com fornecedores que já operam sistemas em nome da empresa, quatro perguntas mudam o nível de risco:
Em primeiro lugar: quais são os guardrails de negócio configurados neste sistema, não os do modelo base, mas os específicos da nossa operação? Se a resposta for vaga ou remeter apenas às políticas do fornecedor do modelo, é um sinal de alerta.
Em seguida: quem tem acesso a quê? Os controles de acesso a dados dentro do sistema de IA estão alinhados com a hierarquia de permissões da empresa? Ou qualquer usuário pode, com a pergunta certa, acessar informação que não deveria ver?
Além disso: o que acontece quando a IA recebe uma solicitação fora do escopo? Ela responde com o que encontra? Redireciona? Recusa e registra? A resposta a essa pergunta define o quanto o sistema protege a empresa em situações imprevistas.
Por fim: com que frequência os guardrails são revisados? Negócios mudam. Regulações evoluem. Portfólios se atualizam. Um guardrail configurado no lançamento que nunca foi revisado é um freio que pode não funcionar no momento que mais importa.
Assim, o fio condutor da série não é técnico. Nunca foi. É sobre o que os líderes precisam entender para tomar boas decisões sobre tecnologia que os vendedores descrevem em slides e os fornecedores entregam em produção antes que os limites estejam claramente definidos.
A IA não sabe o que a sua empresa não quer que ela faça. Ela conhece apenas o que o treinamento a ensinou a fazer. Por isso, o espaço entre esses dois conjuntos é onde os incidentes acontecem.
Guardrails não são a burocracia que atrasa a inovação. São a razão pela qual a inovação não vira manchete.
** Este texto não reflete, necessariamente, a opinião do Portal UAI.