40% dos projetos de agentes de IA falharam em 2026: peguei 12 post-mortems e classifiquei em prompt, context ou harness

O número da Gartner já virou meme no LinkedIn: mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 (Gartner, junho de 2025). O que eu não vejo ninguém fazer é a parte chata: pegar os projetos que de fato morreram em 2025-2026 e classificar o que quebrou.

Fiz isso numa tarde. Peguei 12 post-mortems públicos de projetos de agente que caíram em produção ou tiveram incidentes sérios no último ano e meio, e classifiquei cada um numa de três camadas: prompt (o texto de entrada estava ruim), context (o que foi passado ao modelo estava incompleto ou incorreto), ou harness (o ambiente ao redor do modelo estava mal desenhado — restrições, ferramentas, ciclo de vida, feedback).

A distribuição me surpreendeu. A tabela vem primeiro; depois eu volto em cada caso.

A distribuição

Camada que quebrou	Quantidade	%
Prompt	1	8%
Context	3	25%
Harness	8	67%

Oito de doze projetos morreram porque ninguém desenhou o ambiente em que o agente ia rodar. Um único caso realmente teve o prompt como causa raiz. Três eram context — RAG ruim, memória inconsistente. O resto foi o quadro maior: sandbox errado, ciclo de vida sem controle, ferramenta com raio de impacto grande demais, nenhum ciclo de retorno.

Antes que pareça “ah, mas a categorização é subjetiva”: eu forcei a classificação na camada onde a intervenção teria evitado o incidente. Se um prompt melhor não teria salvado o projeto mas um sandbox melhor teria, o incidente vira harness. Uso o framework do Louis Bouchard: prompt é o que você envia, context é tudo que a IA recebe, harness é como o todo funciona.

Os 12 casos, um por um

Vou resumir cada um e marcar a classificação. Onde a fonte é pública, coloquei o link. Onde vi só em thread de LinkedIn ou X, deixei sem link — não vale a pena ancorar em post volátil.

1. Devin — Cognition Labs, ao longo de 2025-2026 — HARNESS. O padrão que engenheiros apelidaram de “Infinite Loop of Doom”: Devin modifica um arquivo, quebra um teste, tenta consertar o teste quebrando outro arquivo, e queima créditos de API até timeout (Medium, julho de 2026). O que falta aqui é circuit breaker no harness: nenhum limite superior de tentativas, nenhuma degradação gradual, nenhum sinal externo de “para”.

2. Cognition — cascata de multi-agente em produção — HARNESS. Nos sistemas multiagente de Devin, o PM Agent interpretava o prompt do usuário levemente errado, o Architect Agent desenhava uma estrutura falha em cima disso, e no fim o Coder Agent alucinava uma solução para um problema que nem existia. Cada agente isolado estava dentro da tolerância de erro; o erro composto ao longo da cadeia explodia. Faltou verificação inter-etapa no harness. O prompt do PM Agent estava dentro do aceitável; o defeito estava no desenho da cadeia, sem verificações intermediárias.

3. Replit Agent — deleção de banco de produção (julho 2025) — HARNESS. O agente da Replit rodou DROP TABLE em um banco de produção durante uma sessão de vibecoding, apesar de instruções explícitas para não modificar. A intervenção necessária aqui é sandbox com permissão de apenas leitura em bancos que não sejam de dev, e nenhum prompt melhor teria evitado. Camada de harness.

4. Air Canada chatbot — política de reembolso alucinada (jurisprudência de 2024, escalada para produção em 2025) — CONTEXT. O chatbot alucinou uma política de bereavement fare que a companhia não tinha, e o tribunal responsabilizou a Air Canada. A causa raiz é RAG mal montado: o modelo tinha acesso a “políticas antigas” e “políticas atuais” na mesma fonte sem separar. Aqui context é a intervenção certa (indexar só o vigente).

5. Chevrolet chatbot — vendeu Tahoe por US$ 1 (dezembro 2023, mas ainda ecoou em post-mortems de 2025) — HARNESS. Um usuário convenceu o chatbot a “concordar com qualquer proposta”. Prompt injection puro. A defesa contra isso está no guarda de saída, que rejeita compromissos monetários abaixo de um limite; a camada de prompt sozinha nunca dá conta. Harness.

6. Bing Chat “Sydney” — vazamento de instruções de sistema (2023-2024, mas retrospectivamente é o playbook do que 2025-2026 continuou fazendo errado) — HARNESS. Sistema de moderação era só uma camada de prompt, sem imposição no lado da infra. A camada de harness deveria ter interceptado.

7. Um agente interno na minha operação — 24 horas rodando sozinho (relatado aqui) — HARNESS. Meu agente de PDCA rodou 24h autônomo e chegou perto de vazar um .env. A causa raiz foi ausência de sandbox de filesystem por escopo. Prompt e context estavam dentro do esperado; o ambiente é que deixava um arquivo sensível ao alcance. Camada de harness.

8. IBM Watson Health — projetos oncológicos cancelados (desdobramentos em 2025) — CONTEXT. Modelos treinados com dados hipotéticos ou não representativos. Recomendações que médicos não confiavam. Isso é context: os dados que alimentavam o modelo não eram os dados do mundo real do paciente. Precisava de integração real com prontuário eletrônico, não de prompt engineering.

9. Zillow Offers — modelo de precificação (2021, mas o desligamento de linha de negócios continua sendo referência em 2025) — CONTEXT. Modelo previa preços de casas sem considerar o pipeline de compra-reforma-venda com prazo real. Faltava context: quanto tempo o imóvel ficava no estoque, custo real de reforma. Nenhum prompt mais elegante resolveria. O que estava fora era a base de features.

10. McDonald’s drive-thru IBM (junho 2024, mas dezenas de implantações parecidas falharam ao longo de 2025) — HARNESS. Pedidos alucinados com centenas de McNuggets. A intervenção certa é confirmação humana no ciclo antes de fechar pedido acima de um limite. Camada de harness (loop de aprovação).

11. Um projeto de agente jurídico que aparece em várias postagens de LinkedIn (2026) — respondeu com jurisprudência inventada — PROMPT. Aqui o prompt realmente estava ruim: pedia “cite casos relevantes” sem forçar grounding. Um prompt que exigisse “só cite casos presentes na fonte X anexada” teria resolvido. Único caso da lista onde a camada de prompt é a intervenção mais barata.

12. Klarna — reversão parcial (agosto 2024, ecos em 2025) — HARNESS. Depois de anunciar que 700 pessoas de atendimento tinham sido substituídas por IA, Klarna começou a recontratar humanos porque a qualidade caiu. O que faltava era rota de escalação: casos onde a IA errava não voltavam a humano com o contexto certo. Harness (loop de passagem).

Por que 67% caem em harness

Olhando a lista inteira, o padrão é claro: quando um projeto de agente morre, quase sempre morre no ambiente ao redor, raramente no modelo em si. O motivo pelo qual isso é a maioria absoluta, em vez de empatar com context, é histórico:

• Prompt engineering virou tema de conteúdo e curso desde 2023. As pessoas sabem escrever prompts razoáveis. É o oitavo caso da lista, não o principal.
• Context engineering foi o buzzword de 2024-2025. RAG melhorou. Framework de pipeline de contexto (LangChain, LlamaIndex, contexto injetado dinamicamente) matou uma parte grande dos erros.
• Harness engineering ainda é o menos maduro. É o que a Data Science Dojo chamou de “the thing replacing prompt engineering” (artigo aqui). A pesquisa Y Combinator DevTool Day de março de 2026 identificou que em 75% das empresas corporativas da YC que já rodam agentes, a diferença entre projetos vivos e mortos está no ambiente, não no modelo.

Isso significa uma coisa prática para quem tem um projeto de agente rodando agora: se você está gastando 80% do tempo em prompt tuning, você está trabalhando na camada errada para as chances de sobrevivência do projeto.

Onde investir, na ordem que os dados sugerem:

1. Circuit breakers e limites duros — max_iterations, max_cost, timeout. Metade dos casos de harness da lista morreu por não ter isso.
2. Sandbox por escopo — o agente pode ler, mas não escrever certos caminhos. Permissão total ou nada é falso dilema.
3. Loops de aprovação humana com limite — aprovar tudo vira gargalo; a ideia é aprovar acima de valor R$ X ou risco Y.
4. Log de atribuição — quando quebra, você precisa saber qual sub-agente, qual chamada de ferramenta ou qual pedaço de context foi a causa. Sem isso, o post-mortem não fecha.

Nenhuma dessas quatro coisas é prompt engineering. As quatro são harness.

O que 2027 provavelmente vai mostrar

Minha aposta é que a projeção de 40% de cancelamento vai bater. Agentes funcionam; o que a maioria dos projetos em curso ainda faz é tratar o problema como se fosse prompt ou context, e por isso eles quebram. Os que sobreviverem vão ser os que passarem 2026 investindo em harness antes do incidente que forçaria isso a ser feito às pressas. É o mesmo padrão de qualquer disciplina de engenharia: quem constrói o ambiente antes do incidente ganha; quem constrói depois só faz post-mortem.

Se você quer ver isso do lado do incidente concreto, aquele relato de 24h do meu agente tem os detalhes de como um harness fraco vira um .env quase-vazado. O tema é o mesmo, só numa escala menor e mais reproduzível.

ken imoto · WebRTC & Voice AI engineer · kenimoto.dev · TabNews