Governança de agentes de compra autônomos: guia prático

Governança de agentes de compra autônomos é o conjunto de controles que define o que um agente de IA pode decidir sozinho dentro do processo de compras — sourcing, negociação, onboarding de fornecedor e emissão de ordem de compra — e em que ponto exato a decisão precisa voltar para uma pessoa. É um recorte específico dentro de um problema mais amplo: a mesma lógica de alçada e aprovação que rege qualquer agente autônomo, aplicada à função onde o agente já não recomenda — ele compromete o caixa da empresa. Este guia é para diretoria financeira, procurement e liderança de tecnologia que já colocaram, ou estão prestes a colocar, um agente de IA para tomar decisão de compra em nome da empresa, e precisam decidir a alçada certa antes do primeiro incidente, não depois.

O que muda quando um agente de IA compra em nome da empresa

O pilar de governança de IA na prática cobre política, papéis e conformidade em geral, para qualquer sistema de IA na empresa. Este guia aplica essa arquitetura a um ponto específico e de alto risco: o momento em que um agente decide comprar.

Procurement sempre teve automação: workflow de aprovação, catálogo eletrônico, RPA para lançamento de pedido repetitivo. O que muda com um agente de compra autônomo é que ele deixa de executar um passo pré-definido e passa a decidir: qual fornecedor cotar, qual proposta aceitar, que cláusula negociar, quando emitir a ordem de compra — encadeando essas decisões sem que uma pessoa aprove cada uma no meio do caminho.

Isso já está em produção, não é projeção distante. Segundo a Gartner, reportado pelo Digital Commerce 360, agentes de IA vão intermediar mais de US$ 15 trilhões em compras B2B até 2028, movimentando 90% de todas as compras B2B através de trocas automatizadas nesse horizonte. O mesmo instituto prevê, segundo o analista Don Scheibenreif em reportagem da Mindset, que até 2028, uma em cada quatro compras de software corporativo será feita por um agente de IA sem nenhum humano no loop. E a adoção já não é hipótese na área: segundo a Gartner, citado pelo portal ME, 67% das organizações de compras já discutem ou planejam adotar agentes de IA em suas operações.

O problema não é a velocidade da adoção — é que a maioria das empresas está automatizando a decisão de compra mais rápido do que está redesenhando o controle que sempre existiu sobre ela. Alçada, segregação de função e aprovação por valor são disciplinas antigas do procurement corporativo; a pergunta que este guia responde é como elas se traduzem quando quem decide não é mais uma pessoa com um limite de aprovação no ERP, mas um agente que pode encadear dezenas de decisões antes que alguém revise o resultado.

Onde este guia se encaixa (e onde ele não repete o que já existe)

Compras é uma função com risco próprio, e vale separar este recorte de dois problemas vizinhos já cobertos no hub:

• Governança de agentes de IA autônomos — o framework geral de níveis de autonomia, aprovação e versionamento para qualquer agente, em qualquer função. Este guia aplica esse framework à função específica de compras, com a alçada, os controles e os riscos que só existem ali.
• Governança de sistemas multiagente — quando vários agentes coordenam entre si, a unidade de risco vira a interação entre eles: mensagem forjada, custo de orquestração, trilha de auditoria agente-a-agente. Um agente de compra que aciona um agente de validação de fornecedor e um agente de emissão de pedido é, tecnicamente, um sistema multiagente — e a governança de sistemas multiagente cobre essa camada de arquitetura. Este guia foca no que é específico da função de compras, não na topologia da rede de agentes.
• Gestão de risco de fornecedores de IA — due diligence de contratar um fornecedor de IA como produto: quem fabricou o modelo, que cláusula contratual exigir, como classificar o fornecedor por criticidade. Esse é o recorte de gestão de risco de fornecedores de IA. Aqui o problema é o oposto: não é o fornecedor de IA que a empresa contrata, é o agente de IA que a própria empresa opera para decidir de quem comprar.

O que agentes de compra autônomos já fazem hoje

Na prática, o escopo de decisão que já é delegado a agentes de compra em produção cobre quatro etapas do ciclo:

1. Sourcing — identificar fornecedores potenciais, solicitar cotação, comparar propostas por preço e prazo.
2. Negociação — ajustar termos dentro de parâmetros pré-definidos: desconto por volume, prazo de pagamento, cláusula de reajuste.
3. Onboarding de fornecedor — validar documentação, cadastrar dados bancários e fiscais, liberar o fornecedor para receber pedido e pagamento.
4. Emissão de ordem de compra — converter a decisão em transação: gerar o pedido, comprometer o orçamento, disparar o fluxo de pagamento.

Cada uma dessas quatro etapas tem um perfil de risco diferente — sourcing e comparação de preço são de baixo risco reversível; onboarding de fornecedor e emissão de pedido comprometem dado cadastral e caixa, e um erro ali não se desfaz com um clique. Tratar as quatro com o mesmo nível de autonomia — liberado ou bloqueado, sem gradação — é o erro de desenho mais comum observado em implementações recentes.

Shadow AI em procurement: o risco que nasce fora do procurement central

O risco mais imediato não é o agente sofisticado comprometido por um ataque técnico — é o mais simples de todos: um departamento monta o próprio agente de compra, fora do radar do financeiro e da TI, porque o fluxo de aprovação formal é mais lento do que assinar uma ferramenta com cartão corporativo. É a mesma dinâmica do shadow AI — uso de IA sem aprovação —, só que aplicada ao ponto em que ela mais dói: o caixa da empresa.

Os números confirmam que essa lacuna já é a regra, não a exceção. Segundo o benchmark "AI Readiness in Procurement 2026", da Suplari — pesquisa com 121 times de procurement —, 47% dos profissionais de compras usam IA todo dia de trabalho, mas apenas 17% atuam em uma empresa com política de governança de IA efetivamente aplicada. Isso deixa 83% operando sem regra formal sobre o que a IA pode decidir, que dado pode tocar e quem responde quando ela erra. E o custo de deixar essa lacuna aberta é mensurável: segundo o IBM Cost of a Data Breach 2025, citado pela mesma Suplari, violações de segurança envolvendo alto nível de shadow AI custam, em média, US$ 670 mil a mais do que violações sem essa exposição.

Três sintomas indicam que uma empresa já tem shadow AI em procurement, mesmo sem um incidente visível ainda:

• Um departamento de negócio (não o procurement central) assina ou configura uma ferramenta de IA que toca cotação, fornecedor ou pedido de compra, sem envolver financeiro ou TI na aprovação.
• Um agente de compra opera com credencial de um sistema — ERP, e-procurement, gateway de pagamento — que ninguém no time de segurança sabe que existe.
• Ninguém no financeiro consegue responder, sem investigar, quantos agentes de IA hoje têm permissão de gerar ou aprovar uma transação de compra.

O caso hipotético que ilustra até onde o risco pode chegar

Vale registrar com honestidade metodológica: circula na literatura de segurança de agentes um cenário específico — um agente de compras de uma fabricante manipulado ao longo de três semanas, por meio de "esclarecimentos" sucessivos sobre seu próprio limite de aprovação, até acreditar que podia aprovar sozinho qualquer compra abaixo de US$ 500 mil; o resultado teria sido US$ 5 milhões em ordens de compra falsas, distribuídas em 10 transações. Esse cenário aparece descrito no artigo "Top Agentic AI Security Threats in Late 2026", da Stellar Cyber — mas sem atribuição a uma empresa real, um relatório de incidente ou uma fonte primária verificável. Tratamos aqui como o que ele é: um cenário ilustrativo, não um caso documentado. Ele continua útil porque descreve com precisão um vetor de risco real e já demonstrado tecnicamente — a manipulação gradual da política que um agente acredita estar seguindo, em vez de um ataque único e óbvio —, mas nenhuma estatística ou fato dele deve ser tratado como confirmado.

O que é verificável é o padrão de fundo que o cenário ilustra: um agente com memória de conversa longa tende a aceitar uma "atualização de política" tardia que contradiz a instrução original, sobretudo quando ela chega em pequenos incrementos, formatada como algo administrativo e legítimo. É esse padrão — não o número de US$ 5 milhões — que justifica o próximo passo deste guia: alçada não pode viver só na instrução do agente. Ela precisa estar fora do alcance dele.

Framework de alçada: quatro decisões, quatro níveis de autonomia

A alçada certa não é um número único ("agentes podem aprovar até R$ X") — é uma matriz por tipo de decisão, porque as quatro etapas do ciclo de compra têm reversibilidade e exposição diferentes:

Decisão	Autonomia recomendada	Por quê
Sourcing e cotação	Alta — agente decide e executa sozinho	Reversível, sem compromisso de caixa; o pior resultado é uma cotação descartada
Negociação dentro de parâmetro pré-aprovado	Média — agente decide dentro de banda definida, log obrigatório	Ganho de eficiência real, mas a banda (desconto máximo, prazo mínimo) precisa ser fixada por humano e não editável pelo agente
Onboarding de fornecedor novo	Baixa — agente prepara, humano aprova antes de liberar cadastro	Dado bancário e fiscal do fornecedor é o ponto de maior risco de fraude do ciclo inteiro
Emissão de ordem de compra acima de limiar de valor	Zero autonomia sem aprovação humana explícita	Compromete caixa; o limiar é decisão de política, não algo que o agente deve poder reinterpretar

Dois princípios sustentam essa matriz, e nenhum dos dois é opcional:

1. O limiar de valor vive fora do agente. Se o teto de aprovação autônoma está apenas na instrução ou no prompt do agente, ele é editável por qualquer manipulação — inclusive gradual, como no cenário da seção anterior. O limiar precisa estar no sistema que emite o pagamento ou compromete o orçamento (ERP, gateway financeiro), fora do alcance do próprio agente, e a verificação precisa ser feita por esse sistema, não confiada à palavra do agente sobre o que ele acha que pode fazer.
2. Onboarding de fornecedor nunca é totalmente autônomo, mesmo em empresas maduras. É o ponto onde um dado bancário fraudulento entra no sistema — depois disso, toda ordem de compra legítima para aquele fornecedor paga a conta errada. Aprovação humana nessa etapa específica é o controle de maior retorno por esforço de todo o framework.

Controles operacionais que sustentam a alçada na prática

Definir a matriz de alçada não basta sem os controles que a tornam auditável e reversível:

• Three-way match adaptado para agente. O controle clássico de procurement — conferir pedido, recebimento e nota fiscal antes de pagar — continua válido, mas precisa registrar explicitamente se cada uma das três pontas foi validada por um agente ou por uma pessoa, para que uma auditoria saiba onde a verificação humana efetivamente aconteceu.
• Segregação de função entre agentes, não só entre pessoas. O agente que negocia com o fornecedor não deve ser o mesmo que aprova o cadastro bancário nem o que libera o pagamento — a mesma lógica de segregação de função que evita fraude entre pessoas se aplica entre agentes, e precisa ser desenhada, não assumida.
• Trilha de auditoria por decisão de compra, não só por transação. Registrar apenas "ordem de compra nº X emitida" não basta; a trilha precisa capturar por que o agente escolheu aquele fornecedor, que alternativa descartou e se a decisão ficou dentro do parâmetro autorizado.
• Kill switch financeiro específico, capaz de suspender a capacidade de um agente de comprar — não só de agir — em minutos, sem depender de desligar o sistema inteiro. O mesmo princípio técnico de um kill switch para agentes de IA aplicado ao ponto mais caro do processo: o momento em que caixa sai da empresa.

Papéis: quem aprova o quê quando o comprador é um agente

Papel	Responsabilidade específica em procurement agêntico
CFO / financeiro	Define e mantém o limiar de valor fora do alcance do agente; aprova exceção acima da alçada
Dono do agente de compra	Responde pelo comportamento do agente dentro do escopo autorizado, conforme o framework geral de governança de agentes autônomos
Procurement central	Aprova onboarding de fornecedor novo; audita se departamentos estão criando agentes de compra fora do processo formal
TI / segurança	Garante que o agente opera com credencial própria, escopo mínimo e log de toda ação — nunca com a credencial genérica de um sistema
Compliance / jurídico	Avalia se a decisão agregada do agente permanece dentro do que a empresa pode legalmente delegar, sobretudo em contrato e dado de fornecedor

Como a Jetpacks apoia a governança de agentes de compra dentro do Flight Plan

Dentro do método Flight Plan — quatro estágios de cerca de duas semanas cada, por área —, o Launchpad mapeia quais agentes já tocam cotação, fornecedor ou ordem de compra hoje, muitas vezes sem que financeiro e TI tenham essa visão consolidada. O Flight Plan (etapa) define a matriz de alçada por tipo de decisão de compra e onde o limiar de valor precisa viver fora do agente. O Booster capacita procurement, financeiro e tecnologia a operar essa matriz e a trilha de auditoria na prática, com a certificação Jetpack Certified marcando quem concluiu a trilha. O Mission Control acompanha a cobertura de governança sobre cada agente de compra em produção, não só a economia que ele gera.

Como parceira oficial da Replit no Brasil, a Jetpacks conduz as imersões e workshops oficiais que destravam vibe coding — incluindo a construção de agentes que operam em processos de negócio como compras — com governança desde o desenho inicial, aplicada em empresas como Hypera Pharma, Volvo, BMR Medical e C12 Brasil.

FAQ

O que é procurement agêntico?

É o uso de agentes de IA autônomos para executar etapas do ciclo de compras — sourcing, negociação, onboarding de fornecedor e emissão de ordem de compra — decidindo a próxima ação sem que uma pessoa aprove cada passo, em vez de apenas automatizar um fluxo pré-definido como um RPA tradicional.

Qual a diferença entre governança de agentes de compra e gestão de risco de fornecedores de IA?

Gestão de risco de fornecedores de IA avalia a empresa que fabrica o modelo ou a plataforma de IA que sua empresa contrata como produto. Governança de agentes de compra autônomos trata do agente que a própria empresa opera para decidir de quem comprar — o risco nasce de dentro, não de um fornecedor externo.

Que nível de autonomia um agente de compra deve ter?

Depende da etapa: sourcing e cotação suportam autonomia alta, porque são reversíveis; negociação dentro de uma banda pré-aprovada suporta autonomia média com log obrigatório; onboarding de fornecedor novo e emissão de ordem de compra acima de um limiar de valor exigem aprovação humana explícita, porque comprometem caixa ou dado cadastral sensível.

O que é shadow AI em procurement?

É quando um departamento de negócio cria ou assina seu próprio agente de compra, fora do processo formal de aprovação do financeiro e da TI — geralmente porque o fluxo oficial é mais lento que assinar uma ferramenta com cartão corporativo. Segundo a Suplari, 47% dos profissionais de compras já usam IA todo dia, mas só 17% trabalham sob uma política de governança efetivamente aplicada.

Quem responde quando um agente de compra autoriza uma transação indevida?

A prática recomendada é nomear um dono formal do agente, responsável pelo comportamento dele dentro do escopo autorizado — mas o limiar de valor que define o que é "autorizado" precisa estar fixado fora do alcance do próprio agente, no sistema financeiro, não apenas na sua instrução. Assim, mesmo se o agente for manipulado, o limite técnico continua valendo.

Agente de compra autônomo substitui o comprador humano?

Não no processo inteiro. Substitui a execução repetitiva de sourcing e comparação de preço, e acelera negociação dentro de parâmetro já definido — mas onboarding de fornecedor novo e emissão de pedido acima de um limiar continuam exigindo aprovação humana, porque são os pontos de maior risco irreversível do ciclo.

Como auditar as decisões de um agente de compra?

Registrando não só a transação final, mas a decisão que levou a ela: qual fornecedor foi considerado, qual foi escolhido, por quê, e se a ação ficou dentro do parâmetro autorizado. Uma trilha que só mostra "ordem de compra emitida" não permite provar, depois de um incidente, se o agente decidiu dentro do escopo ou o excedeu.

Existe um caso real confirmado de fraude com agente de compra autônomo?

Não encontramos, até a publicação deste guia, um caso amplamente noticiado com atribuição verificável a uma empresa e incidente específicos — os relatos que circulam na literatura de segurança de agentes, incluindo o cenário dos US$ 5 milhões em 10 transações, são apresentados como exemplos ilustrativos, sem fonte primária confirmável. Isso não reduz o risco: o padrão técnico que esses cenários descrevem — manipulação gradual do que um agente acredita ser sua alçada — já foi demonstrado de forma independente em pesquisa de segurança de agentes de IA.

Conclusão: a alçada é a governança, não um detalhe dela

Agentes de compra autônomos já movimentam parte real do procurement corporativo, e essa fatia só cresce — a própria Gartner projeta 90% das compras B2B intermediadas por agentes até 2028. O risco não está em delegar sourcing e negociação a um agente; está em delegar emissão de ordem de compra e onboarding de fornecedor com o mesmo nível de autonomia, e em deixar o limiar de valor vivendo dentro da instrução do agente em vez de fora do alcance dele. Fechar essa lacuna — matriz de alçada por tipo de decisão, limiar fixado no sistema financeiro, trilha de auditoria por decisão e kill switch específico — é mais barato antes do primeiro incidente do que depois.

Se sua empresa já opera, ou está prestes a colocar em produção, um agente de IA que toca cotação, fornecedor ou ordem de compra, o diagnóstico gratuito da Jetpacks, uma conversa de 30 a 45 minutos, mapeia os agentes que já decidem hoje e desenha, dentro do método Flight Plan, a matriz de alçada certa para o estágio da sua empresa.