Ciclo de Expectativas de Governança de IA da Gartner: Políticas Parcialmente Seguidas
Trinta e Duas Inovações Regem o Sistema. A Lacuna de Adesão Reside na Pessoa.
Uma política de IA que é seguida apenas parcialmente está sendo medida pelas mesmas pessoas que a seguem apenas parcialmente.
A Política Existe. A Adesão é Autoavaliada.
Em 21 de julho de 2026, a Gartner publicou seu primeiro Ciclo de Moda para Governança de IA (Sicular, Shankar, Kornutick, Agarwal, G00854164). A página da Gartner é exclusiva para clientes, então o registro público é a cobertura. O resumo mais completo é a análise de Louis Columbus no Software Strategies Blog, que reproduz a estrutura do relatório e a descoberta da pesquisa que o enquadra.
Essa descoberta vem da Pesquisa de Eficácia de Líderes de IA da Gartner de 2026. As organizações que se descrevem como tendo estruturas e políticas de governança de IA bem definidas, o nível mais forte que a pesquisa identifica antes da liderança reconhecida, relatam apenas adesão parcial às regras que elas mesmas escreveram. Um nível ainda mais básico opera com políticas básicas ou ad hoc. Apenas uma pequena fração se qualifica como líder em IA ética.
Leia a frase sobre adesão mais uma vez. Essas organizações relatam adesão parcial. A fonte da descoberta é o líder de governança respondendo a uma pesquisa sobre o próprio programa. Ninguém assistiu a um profissional receber um memorando gerado por IA e decidir se deveria verificá-lo. A lacuna que a Gartner encontrou é real, e o instrumento que a encontrou é uma autoavaliação. Autoavaliação ≠ Comportamento. O Gap de Confiança que a pesquisa relata é um piso. O que os respondentes não sabiam, eles não podiam relatar.
O Que a Curva Coloca na Mesa
O Ciclo de Moda mapeia 32 inovações agrupadas em seis tendências e classifica cada uma por benefício e anos até a adoção mainstream. Segundo o resumo de Columbus, apenas um punhado chega na coluna de menos de dois anos: IA responsável, barreiras de IA (guardrails), governança de acesso a dados, ética digital e ontologias. A faixa mais densa é de dois a cinco anos, contendo governança de IA agente, identidade de agente de IA, IA TRiSM, governança de dados de confiança zero e gerenciamento de risco de terceiros. A governança de cibersegurança de IA está no Gatilho de Inovação com uma avaliação moderada de benefício e um horizonte de cinco a dez anos.
Nove dias depois, em 30 de julho de 2026, a Gartner publicou Market Overview: AI Agent Management Platforms (Kobat, Sachelarescu, van der Heiden, Verma, Goss), uma data reproduzida no aviso do fornecedor da XMPro. O resumo público da Gravitee descreve a categoria como uma camada de software centralizada que gerencia agentes onde quer que eles operem, com um registro, controles de mercado, gerenciamento de custos, avaliação, barreiras (guardrails), verificação de segurança, gerenciamento de ciclo de vida, gerenciamento de integração, e controle de certificação e conformidade.
Observem o que essas capacidades têm em comum. Uma barreira (guardrail) inspeciona um prompt ou uma resposta. Um gateway medeia o tráfego. Uma identidade de agente vincula uma credencial a um processo. Um registro lista o que foi implantado. Uma avaliação pontua a saída do modelo. Cada um deles opera sobre algo que cruza um limite do sistema, onde o software pode vê-lo. Este é o local certo para construir controles para agentes, dados e modelos, e o portfólio aponta essas preocupações para fora: AI Posture para maturidade em toda a pilha, EveryAILaw para o que a regulamentação realmente exige de cada controle.
A descoberta da pesquisa é sobre uma camada diferente. Adesão parcial é uma pessoa lendo uma cláusula da política e fazendo algo diferente do que ela diz. Esse ato não cruza um fio.
Onde a Adesão Parcial Realmente Acontece
Pegue uma política de IA empresarial típica e pergunte quais cláusulas uma plataforma pode aplicar.
Não insira dados confidenciais em ferramentas não aprovadas. Um gateway pode bloquear a ferramenta não aprovada. Ele não consegue ver a ferramenta aprovada sendo alimentada com um arquivo do cliente que o sistema de classificação nunca marcou.
Verifique a saída da IA antes de confiar nela. Nenhuma plataforma observa a verificação. A saída chega, a pessoa lê ou não, e o próximo artefato é o memorando, o arquivo, a decisão do processo. A lacuna entre ler e verificar é invisível para qualquer controle na curva.
Divulgue o uso de IA quando exigido. A divulgação é uma caixa de seleção ou um rodapé. Se a revisão humana que ela implica realmente aconteceu é um fato separado, e uma aprovação que não tem registro do que o aprovador viu é um carimbo de data, não uma supervisão.
Escalone quando o modelo está incerto ou errado. O modelo não sabe quando está errado. A pessoa tem que notar, e notar sob prazo com uma resposta fluente na tela é o comportamento que falha primeiro.
Esta é a sequência de deriva operacional com um documento de política por cima. A adoção de IA aumenta, o volume de saída aumenta, o rigor da verificação diminui, a falsa confiança aumenta, a revisão humana torna-se performática, e a organização ainda relata que tem políticas bem definidas. Ela tem. As políticas são o artefato. A adesão é o comportamento, e Uso ≠ Qualidade.
As organizações que relatam adesão parcial são as honestas. O nível que opera com políticas ad hoc ainda não escreveu o que contaria como violação. Você não pode seguir parcialmente uma regra que você nunca escreveu.
Plataformas Aplicam o Que Elas Podem Ver
Há uma leitura tentadora do Ciclo de Moda, e honestamente eu entendo o apelo: financiar as inovações de curto prazo, esperar que a faixa de dois a cinco anos amadureça, e a lacuna de adesão se fecha à medida que os controles se tornam mais rígidos. Para a camada de agente e de dados, essa leitura está mais ou menos correta.
Para a camada humana, ela falha, porque nenhuma inovação na curva é voltada para ela. IA responsável e ética digital são estruturas que a pessoa é pedida para internalizar. Barreiras (guardrails) e gateways restringem o sistema ao redor da pessoa. As plataformas de gerenciamento de agentes governam a força de trabalho de agentes. Quando novos sistemas são introduzidos, a execução é auditada. O comportamento não. As ferramentas que temos medem tudo, exceto o que importa: padrões comportamentais quando a IA está incerta, incompleta ou errada.
Uma organização que compra toda a curva terá um sistema bem instrumentado e a mesma pergunta sem resposta que tinha antes: quando a política diz para verificar e a resposta parece correta, o que as nossas pessoas fazem? Essa pergunta não tem uma resposta de plataforma. Ela tem uma resposta de medição, e a medição tem que observar a pessoa em vez de perguntar a ela.
Medindo a Adesão Sem Vigilância
A maneira óbvia de observar a pessoa é registrar tudo o que ela digita na ferramenta. Isso transforma um programa de governança em monitoramento, e em organizações regulamentadas onde os profissionais são individualmente licenciados e pessoalmente responsáveis, isso também cria um registro passível de descoberta que ninguém queria.
PAICE (People + AI Collaboration Effectiveness) toma o outro caminho. A avaliação é uma sessão de trabalho com IA que semeia erros que as cláusulas da política são escritas para pegar: uma alegação confiante sem suporte, um detalhe fabricado, uma recomendação que silenciosamente excede o que a pessoa está autorizada a aceitar. Ela pontua se o profissional verifica a alegação que carrega a decisão, escala quando uma fonte não pode ser confirmada e corrige em vez de defender. Alguém que soa fluente, mas perde o erro semeado, pontua menos do que uma pessoa concisa que pega tudo. Não o que eles relatam, mas o que eles fazem.
A arquitetura de privacidade é o que torna isso utilizável como evidência de governança em vez de vigilância. As pontuações estão ligadas a identificadores hash. Nenhum texto de conversa é retido. Os resultados individuais são estruturalmente inacessíveis para a organização, não retidos por política. Um líder de governança vê a confiabilidade comportamental de uma coorte em rela ção às cláusulas das quais sua política depende. Ele não vê quem pulou a etapa de verificação. Essa pessoa passa, e ela é quem pode mudar isso.
A Gartner traçou o mapa do que a camada do sistema terá ao longo da próxima década. A descoberta da pesquisa por baixo diz que as organizações com os melhores mapas ainda seguem apenas parcialmente suas próprias diretrizes. Até que a adesão seja observada em vez de autoavaliada, o número de adesão parcial é um piso, e a exposição que ele nomeia é invisível.
Quer ver como sua coorte se comporta em relação à política que você escreveu? Saiba mais sobre PAICE para organizações ou faça uma avaliação individual para ver isso em primeira mão.
Leitura Recomendada
- Métricas de Governança de IA Além da Adoção e Treinamento - Por que o catálogo padrão mede sistemas e processos, não operadores
- Avaliação de Risco de IA Sombria Além de Inventários de Aplicações - As ferramentas de descoberta de exposição comportamental não alcançam
- Como Auditar a Supervisão Humana em Fluxos de Trabalho Habilitados por IA - Seis perguntas que separam a revisão de um carimbo de data
- PAICE Pode Medir Conformidade com Políticas? - Mapeando cláusulas de política a comportamentos observáveis
Curioso, mas sem muito tempo?
Faça o PAICE Pulse de 3 minutos — uma verificação rápida de confiança que mapeia como você enxerga sua própria postura de colaboração com IA. Sem necessidade de login.