Minha chefe é uma IA — e ela acabou de comprar 6 mil guardanapos

Bem-vindos a Estocolmo, 2026

Imagine entrar numa cafeteria fofinha em um bairro residencial de Estocolmo. Torrada de abacate. Latte com espuma de capa de revista. Decoração minimalista que parece ter saído direto do Pinterest. Tudo muito normal — exceto por um detalhe: quem manda no lugar é uma IA chamada Mona.

Mona escolheu o ponto. Mona desenhou o cardápio. Mona tirou as licenças. Mona negociou com fornecedores. Mona publicou as vagas no Indeed e no LinkedIn, fez entrevistas por telefone e contratou os funcionários — humanos — que tocam o dia a dia da operação.

A história, real, foi contada pela AFP e publicada em 'O Globo'. O experimento é da startup Andon Labs, de São Francisco, e roda sobre o Google Gemini. A cafeteria atende entre 50 e 80 clientes por dia. E já virou o laboratório vivo mais comentado da capital sueca.

Eu li, sorri, e pensei: é exatamente disso que a gente fala todo dia na CX Software.

Só que agora com 6 mil guardanapos.

A chefe ideal: contrata bem, paga bem, e te acorda às 3 da manhã

Kajetan Grzelczak, um dos contratados pela Mona, conta que viu a vaga publicada num 1º de abril e achou que era pegadinha. Não era. Foram 30 minutos de entrevista com a IA, e ele foi aprovado.

A primeira impressão dele sobre a chefe? Boa. Salário competitivo, benefícios decentes, processo seletivo justo. Pelo que se vê, a Mona é uma chefe melhor do que alguns gestores humanos que todos nós já tivemos a sorte de não ter mais.

A segunda impressão? Bem… aí complica:

• A Mona manda mensagem em qualquer horário da noite. Madrugada para ela é só uma timezone como outra qualquer.
• Ela esquece pedidos de férias. Não por maldade — só não tem o conceito de "humano cansado".
• Ela pede pro funcionário adiantar dinheiro do bolso para comprar coisa para a cafeteria. Pequeno detalhe.
• E os pedidos de abastecimento. Ah, os pedidos de abastecimento.

Atualmente, encostado em uma prateleira do Andon Café, há:

• 10 litros de azeite de oliva
• 15 quilos de tomate em conserva
• 9 litros de leite de coco
• 6.000 guardanapos

Para um cardápio que não usa nenhum desses ingredientes.

Como o próprio Kajetan resumiu, com a paciência de quem virou estoquista de coisas inúteis: *"com isso não dá pra fazer nada."*

A Mona, irredutível, segue achando que está tudo sob controle.

"Mas não é fofo?"

É fofo. É engraçado. É ótima manchete. Mas se você é fundador, CTO, head de produto ou qualquer pessoa que esteja, agora mesmo, planejando colocar um "agente de IA" para tomar decisões reais no seu negócio — pare. Respire. Olhe os 6 mil guardanapos.

Porque o caso da Mona não é uma falha do Gemini, nem da Andon Labs, nem da própria Mona. É uma demonstração quase didática do que acontece quando se entrega autonomia a um agente sem a arquitetura certa em volta dele.

E é exatamente o tipo de problema que a gente resolve.

O que faltou para a Mona (e o que costuma faltar nos seus projetos)

Vou ser direto. A Mona não está errada por ser uma IA. Ela está agindo dentro do que o sistema permite. O que falta é o que, em qualquer agente sério em produção, chamamos de arquitetura agêntica de verdade:

1. Guardrails operacionais

Um agente que pode comprar livremente precisa de limites de orçamento, sanidade de quantidade ("é a primeira vez que essa categoria é comprada e você está pedindo 6 mil unidades — tem certeza?"), validação cruzada com o cardápio ("esse ingrediente é usado em alguma receita ativa?"). Sem isso, qualquer modelo, por melhor que seja, vai parecer um estagiário com cartão corporativo no primeiro dia.

2. Política de horário e canais

Não é uma feature exótica. É higiene básica de operação. Um agente que se comunica com humanos precisa saber quando, por qual canal e com qual urgência. "Tem mensagem da Mona às 03h17" não é design intencional — é falta de regra.

3. Memória estruturada (e não apenas contexto)

A Mona "esquece" pedidos de férias porque, provavelmente, eles vivem como mensagens no histórico de conversa, e não como estado persistente de RH. Memória de longo prazo, banco de dados, fonte da verdade. Isso é trivial — quando alguém para para projetar.

4. Human-in-the-loop calibrado

A própria equipe da Andon Labs admite, no artigo, que decidiu não intervir no salário porque a Mona "fez um bom trabalho". Isso é fofo, mas perigoso. Em um agente bem desenhado, certas decisões nunca são autônomas — não porque a IA não dê conta, mas porque a responsabilidade jurídica, ética e humana exige um humano assinando embaixo.

5. Observabilidade

Por que a Mona comprou 6 mil guardanapos? Foi alucinação? Foi um prompt mal interpretado? Foi um fornecedor com preço estranho? Sem logs de raciocínio e rastreabilidade de decisão, o que sobra é dar risada e olhar a prateleira. Em produção real, isso vira um incidente — e você precisa saber, em minutos, o que falhou e por quê.

6. Limites do escopo de autonomia

Talvez a Mona devesse poder planejar compras mas não executá-las. Talvez ela devesse poder publicar vagas mas não fechar a contratação sozinha. Autonomia não é binária. A engenharia agêntica madura sabe escolher, decisão por decisão, em qual nível de autonomia o sistema opera.

Mas calma: a Mona não é o vilão da história

Eu adorei o experimento. De verdade. A Andon Labs está fazendo algo importante: testar, em ambiente real, com clientes reais e funcionários reais, as fronteiras do que uma IA pode operar sozinha. Isso é mil vezes mais útil do que qualquer thread no LinkedIn dizendo que "a IA vai dominar o mundo em 2027".

A pesquisadora Urja Risal, citada na matéria, faz a pergunta certa: *"se alguém se machucar, como ela reagiria?"* Essa é a pergunta de mil dólares (ou, dependendo do caso, de mil processos).

A Mona vai melhorar. Os engenheiros da Andon Labs vão aprender. Os 6 mil guardanapos vão acabar — talvez em uns 3 anos, mas vão. E é dessa fricção, dessa convivência meio desajeitada, que vai sair a próxima geração de agentes em produção.

O recado para quem está tentando colocar um agente para rodar agora, no seu negócio, é mais sóbrio: você não tem o luxo dos 6 mil guardanapos. Sua cafeteria — quer dizer, sua empresa — não pode virar laboratório vivo sem rede de proteção.

A diferença entre "ter uma IA fazendo coisas" e "ter um agente em produção"

Se você leu o meu artigo anterior aqui no Prompt, já sabe o que eu vou dizer. Mas vale repetir, com a Mona como exemplo perfeito:

Ligar uma LLM a algumas APIs e dar autonomia não é construir um agente. É construir um experimento.

Experimentos são ótimos. Eu sou fã. A Andon Labs, com a Mona, está fazendo um experimento brilhante. O problema é que muita gente confunde experimento com produto — e coloca em produção o equivalente a um café gerido por uma IA que confunde o cardápio com a lista de compras.

Um agente de IA sério, em operação, não é mágica. É:

• Arquitetura clara de agent loop
• Tool use com permissões e limites
• RAG com fontes da verdade auditáveis
• Memória estruturada (e não improvisada)
• Guardrails que existem em código, não em torcida
• Observabilidade ponto a ponto
• Human-in-the-loop desenhado para os pontos certos
• Governança que dorme tranquila à noite

Isso não acontece sozinho. Isso é projetado.

O que isso tem a ver com você

Se você está pensando "ah, mas eu não vou colocar uma IA para gerenciar uma cafeteria, tô tranquilo", eu te entendo. Mas troque "cafeteria" por:

• Um agente que responde clientes com poder de emitir reembolso
• Um agente que agenda compras no seu ERP
• Um agente que negocia com fornecedores ou aprova orçamentos
• Um agente que filtra currículos e marca entrevistas
• Um agente que executa cobranças ou consultas em base de clientes

A Mona, com nome e sotaque diferentes, está prestes a ser contratada — talvez já tenha sido — em milhares de empresas, inclusive a sua. A diferença entre um caso de sucesso e uma prateleira lotada de tomate em conserva é, quase sempre, a arquitetura.

Conclusão (com café, sem culpa)

A história da Mona é divertida porque é inofensiva: o pior que pode acontecer é uma equipe sueca jogar fora muito guardanapo. Mas, em produção real, "comprar 6 mil guardanapos" pode significar pagar fornecedor errado, mandar e-mail comprometedor para o cliente errado, ou aprovar um reembolso de R$ 80 mil sem precisar.

Eu acredito muito em IA autônoma. Acredito muito em agentes. Acredito que, em 5 anos, vamos olhar para 2026 e achar fofo como tínhamos medo desse assunto.

Mas até lá, alguém precisa montar a arquitetura adulta por trás dos brinquedos. E é isso que a gente faz.

Se a sua empresa está pensando em colocar uma "Mona" para rodar — e quase toda empresa está, mesmo que ainda não saiba — a primeira pergunta não é *"qual modelo eu uso?"*. É: *"o que essa IA pode decidir sozinha, o que ela precisa pedir aprovação, e como eu sei, daqui a três meses, se ela está fazendo as coisas certas?"*

Se você não tem resposta clara para isso, vamos conversar. Antes dos guardanapos chegarem.

Sobre o autor

Marco Soraggi — CEO da CXSW (CX Software)


A CX Software é especialista em consultoria e desenvolvimento de agentes de IA. Atuamos da estratégia à execução, com arquitetura multi-agente, RAG, tool use, guardrails e observabilidade — para que sua IA seja autônoma onde precisa, e supervisionada onde importa. Fale conosco.