A Anthropic mediu a autonomia dos agentes — e argumentou contra mandatos de aprovação

Em 18 de fevereiro de 2026, a equipe Societal Impacts da Anthropic publicou "Medindo a autonomia de agentes de IA na prática", uma análise de 998.481 chamadas de ferramentas feitas por meio de sua API pública e de 500.000 sessões interativas do Claude Code, e concluiu com uma recomendação voltada aos legisladores: as regras de supervisão não deveriam prescrever padrões específicos de interação, incluindo exigir que uma pessoa aprove cada ação tomada por um agente. A publicação é um relatório de pesquisa, não um documento protocolado, mas está registrada no arquivo de incidentes como um registro de política — informações de severidade, confiança A, nenhum dano registrado, não contestado — porque um fornecedor de modelo usou sua própria telemetria primária para argumentar que um projeto regulatório comum "criará atrito sem necessariamente produzir benefícios de segurança". O registro completo, com sua fonte primária e classificação, está no Orca AI Incident Archive, ao lado das demais entradas de governança da série.

O relatório traz vinte colaboradores nomeados, entre eles Miles McCain, Thomas Millar, Saffron Huang, Alex Tamkin, Jack Clark e Deep Ganguli. Ele se baseia no Clio, ferramenta de análise da Anthropic que preserva a privacidade, à qual o post atribui o mérito de permitir que a empresa estudasse o tráfego real de clientes sem ler as conversas subjacentes. Essa metodologia é a substância do texto: cada número abaixo é uma medição do que as pessoas fizeram com agentes, não do que um benchmark diz que os agentes podem fazer.

O que a Anthropic mediu, e como

A Anthropic define um agente como "um sistema de IA equipado com ferramentas que lhe permitem realizar ações" — executar código, chamar APIs externas, enviar mensagens a outros agentes. A definição estabelece a unidade de análise. Em vez de tentar reconstruir a arquitetura do agente de cada cliente, que a empresa diz não conseguir ver, ela contou chamadas individuais de ferramentas e o contexto ao redor delas.

As duas fontes de dados trocam amplitude por profundidade. O tráfego da API pública dá à Anthropic visibilidade sobre milhares de clientes, mas apenas no nível de chamadas de ferramentas isoladas; a empresa afirma que não tem "nenhuma forma confiável de associar solicitações independentes à nossa API em 'sessões' de atividade agêntica". O Claude Code fornece sessões completas — o que acionou uma parada, quanto tempo o Claude trabalhou, quando um humano interveio —, mas é um único produto usado de forma esmagadora para engenharia de software. As conclusões sobre autonomia vêm principalmente do Claude Code; as conclusões sobre risco e domínio vêm da amostra da API.

A duração do turno, o tempo decorrido entre o início e a interrupção do trabalho do Claude, é o proxy do artigo para autonomia. A Anthropic deixa explícito que o proxy é imperfeito: modelos mais rápidos e subagentes paralelos encurtam os turnos, tarefas mais ambiciosas os alongam, e a base de usuários aproximadamente dobrou entre janeiro e meados de fevereiro de 2026, alterando quem está na amostra.

Os números que o relatório registra oficialmente

Estes são os números que a Anthropic publica, apresentados tal como o relatório os apresenta.

• O turno do Claude Code no percentil 99,9 quase dobrou, passando de menos de 25 minutos no final de setembro de 2025 para mais de 45 minutos no início de janeiro de 2026.

• A mediana do turno ficou perto de 45 segundos, oscilando entre 40 e 55 segundos, e quase todos os percentis abaixo do 99º permaneceram estáveis.

• Dentro da Anthropic, a taxa de sucesso do Claude Code nas tarefas mais difíceis dos usuários internos dobrou entre agosto e dezembro de 2025, enquanto a média de intervenções humanas por sessão caiu de 5,4 para 3,3.

• Novos usuários com menos de 50 sessões usaram a aprovação automática total em cerca de 20% das sessões; ao chegar a 750 sessões, esse índice subiu para mais de 40%.

• As interrupções seguiram o sentido oposto: usuários com cerca de 10 sessões interromperam o Claude em 5% dos turnos, e os usuários experientes em cerca de 9%.

O Claude Code pediu esclarecimentos com uma frequência mais de duas vezes maior nas tarefas mais complexas do que nas de complexidade mínima e, nessas tarefas mais difíceis, parou para perguntar com uma frequência mais de duas vezes maior do que os humanos o interromperam.

• Na amostra da API, 80% das chamadas de ferramentas vieram de agentes que pareciam ter pelo menos uma salvaguarda, 73% pareciam ter um humano no circuito e 0,8% pareciam irreversíveis, como enviar um e-mail a um cliente.

• A engenharia de software foi responsável por quase 50% das chamadas de ferramentas de API; nenhum outro domínio ultrapassou alguns pontos percentuais.

A descoberta que a Anthropic chama de excesso de implantação

O aumento na cauda é suave entre os lançamentos de modelos. "Se a autonomia fosse puramente uma função da capacidade do modelo, esperaríamos saltos acentuados a cada novo lançamento", argumenta a publicação, então a estabilidade indica que a confiança se acumula com a experiência, que tarefas mais difíceis estão sendo tentadas e que o produto está melhorando. Sua conclusão é que os modelos existentes "são capazes de mais autonomia do que exercem na prática" — a lacuna que o relatório chama de excedente de implantação.

A Anthropic contrapõe isso a testes externos de capacidade, citando a estimativa da METR de que o Claude Opus 4.5 consegue concluir, com taxa de sucesso de 50%, tarefas que levariam um humano quase cinco horas, enquanto seu próprio turno do Claude Code no percentil 99,9 dura cerca de 42 minutos. Em seguida, retira a comparação: a METR mede a dificuldade da tarefa em um cenário idealizado, sem humano no circuito, enquanto a duração do turno mede o tempo decorrido em uma implantação em que o Claude faz pausas e os usuários interrompem. Uma nota de rodapé é direta — "não tentamos raciocinar com base nessas métricas". A justaposição é ilustrativa, não um multiplicador medido, e não deve ser citada como tal.

O paradoxo da supervisão no centro do argumento

Usuários experientes aprovam menos e interrompem mais. A Anthropic interpreta essa combinação como uma mudança na estratégia de supervisão, e não como uma abdicação dela: os novatos aprovam cada etapa e, portanto, raramente precisam interromper o Claude no meio da execução, enquanto os usuários experientes deixam o Claude trabalhar e intervêm quando algo dá errado. Os dados da API apontam na mesma direção — 87% das chamadas de ferramentas em tarefas de complexidade mínima tiveram algum tipo de envolvimento humano, contra 67% em tarefas de alta complexidade.

O relatório é franco ao reconhecer que outras explicações subsistem. Sua própria nota de rodapé observa que usuários experientes podem simplesmente estar tentando tarefas mais difíceis, que as configurações padrão do Claude Code levam novos usuários a uma supervisão baseada em aprovação e que o software é excepcionalmente suscetível à supervisão porque a saída pode ser testada e revisada; em domínios nos quais verificar o trabalho de um agente exige a mesma especialização que produzi-lo, a mudança "pode ser mais lenta ou assumir uma forma diferente".

O argumento de política, e o que ele exige

As recomendações da Anthropic dividem-se em três grupos. Desenvolvedores de modelos e de produtos devem investir em monitoramento pós-implantação, porque as avaliações pré-implantação não conseguem ver como as pessoas realmente interagem com os agentes. Os desenvolvedores de modelos devem treinar os modelos para reconhecerem a própria incerteza e expô-la, uma propriedade que o relatório afirma "complementar salvaguardas externas, como fluxos de aprovação humana e restrições de acesso". Os desenvolvedores de produtos devem projetar para a supervisão — visibilidade sobre o que o agente está fazendo, além de formas simples de redirecioná-lo.

A seção dirigida aos formuladores de políticas é a que faz disto um registro de governança. Sob o título "É cedo demais para exigir padrões específicos de interação", a Anthropic escreve que "requisitos de supervisão que prescrevem padrões específicos de interação, como exigir que humanos aprovem cada ação, criarão atrito sem necessariamente produzir benefícios de segurança", e que o foco deveria ser "em se os humanos estão em posição de monitorar e intervir efetivamente, em vez de exigir formas específicas de envolvimento".

A cobertura da imprensa especializada adotou exatamente esse enquadramento. O relatório do Inside AI Policy, de 20 de fevereiro de 2026, teve como manchete a exortação da Anthropic à cautela em relação aos mandatos de supervisão; o Inside Cybersecurity seguiu em 24 de fevereiro com o mesmo ângulo. Nenhum dos dois podia ser lido na íntegra sem assinatura, e nenhum examinou os dados subjacentes.

O que é corroborado e o que não é

A publicação e seus números de destaque são corroborados. O GIGAZINE noticiou o estudo em 19 de fevereiro de 2026, um dia após a publicação, repetindo a cauda de 25 a 45 minutos, a mudança de 20% para 40% na aprovação automática, o declínio de intervenções de 5,4 para 3,3 e a parcela irreversível de 0,8%. O Digital Watch Observatory resumiu-o em 20 de fevereiro de 2026, assim como o Inside AI Policy. A corroboração é do que a Anthropic disse, não de se isso é verdade: nenhuma parte externa auditou as 998.481 chamadas de ferramentas classificadas, e a Anthropic não divulga o conjunto de dados.

Vale nomear essa assimetria sem exagerá-la. Um fornecedor que mede seu próprio produto e conclui que o ônus da conformidade deve recair sobre o monitoramento, e não sobre a aprovação de cada ação, chegou a uma conclusão conveniente para o produto que vende. A Anthropic declara ela mesma a maior parte dos limites estruturais, numa seção de limitações incomumente direta. Mas a reprodutibilidade não está entre as coisas que ela pode corrigir enquanto os dados brutos permanecerem privados, e nenhum órgão independente verificou as classificações.

Os limites que a própria Anthropic declara

• A análise abrange um único fornecedor de modelos. Agentes construídos com outros modelos podem apresentar padrões de adoção e perfis de risco diferentes.

• As classificações de risco, autonomia e envolvimento humano foram geradas pelo Claude. A Anthropic afirma que restrições de privacidade impediram a inspeção manual dos dados subjacentes e que sua estimativa de envolvimento humano deve ser interpretada como um limite superior.

• A amostragem no nível de chamadas individuais de ferramentas super-representa implantações com muitas chamadas sequenciais, como fluxos de trabalho de engenharia de software com edições repetidas de arquivos.

• As classificações não conseguem distinguir ações de produção de avaliações ou de red-teaming. Vários dos clusters de maior risco, segundo o relatório, "parecem ser avaliações de segurança", e ele acredita que muitas das aparentes exfiltrações de dados são testes.

• A revisão humana a jusante da API é invisível, portanto um agente que parece autônomo no nível de chamada de ferramenta pode ter uma pessoa verificando sua saída.

• A janela vai do final de 2025 ao início de 2026, e as descobertas mais robustas vêm do Claude Code, que é esmagadoramente um produto de engenharia de software.

O que mudou depois

O arquivo não registra dano, correção nem disputa, e essa é a descrição precisa: trata-se de uma medição e de um argumento, não de um incidente com remediação. A Anthropic afirma que estenderá a análise ao longo do tempo e defende um trabalho entre setores para vincular solicitações de API a sessões de forma que preserve a privacidade. A publicação também observa que produtos como o Cowork estão tornando os agentes mais acessíveis, o que, segundo ela, deve ampliar a fronteira de risco e autonomia. Na cobertura analisada para este artigo, nenhum regulador havia adotado, rejeitado ou respondido formalmente à recomendação contra a aprovação individual de cada ação.

O ponto duradouro é mais restrito do que os números de manchete. O argumento da Anthropic contra a exigência de aprovação passo a passo baseia-se em uma medição que, por sua própria admissão, apenas um provedor de modelo com dados de sessão primários pode realizar atualmente — e até a Anthropic diz que não consegue vincular o tráfego de API de terceiros a sessões. Enquanto essa infraestrutura não existir, o conselho de política baseia-se no instrumento de uma única empresa, aplicado aos clientes de uma única empresa, durante um único inverno. Isso não torna a constatação errada. Torna-a uma medição de fornecedor, e deve ser citada como tal.