Human in the loop: onde o humano aprova quando o agente de IA executa o marketing
Toda manhã alguém do time abre a fila e encontra 40 itens esperando: legenda de post, resposta de comentário, ajuste de lance, e-mail de nutrição, relatório pro cliente. O agente fez tudo de madrugada. Agora cada peça espera um clique, e o dia de quem aprova some nessa fila. É assim que um human in the loop mal desenhado aparece numa operação de marketing com IA: a promessa era ganhar tempo, e o humano virou o gargalo.
Este artigo mostra em que pontos o human in the loop protege a operação e como a gente distribui a supervisão em quatro níveis, conforme o risco de cada tarefa, com dado de uso real de agentes e um roteiro pra montar pontos de aprovação que não travam a entrega.
O que é human in the loop e as três posições do humano
Human in the loop (HITL) é o desenho em que uma pessoa participa do fluxo do agente de IA antes de a ação acontecer: revisa, aprova, edita ou rejeita. O termo voltou com força quando os agentes passaram a publicar, responder e gastar verba sozinhos.
Na prática, o humano pode ocupar três posições em relação ao agente.
Human in the loop
A pessoa está dentro do circuito. O agente prepara a ação e para. Nada sai sem aprovação explícita. É o modo de maior controle e de maior custo de tempo.
Human on the loop
A pessoa está em cima do circuito. O agente executa sozinho, e o humano acompanha por painel, alerta ou amostragem, com poder de interromper e reverter. O controle passa a ser por exceção.
Human out of the loop
O agente executa e registra. O humano consulta o registro quando precisa. Serve pra tarefa interna, reversível e de baixo impacto.
O erro mais comum é escolher uma posição só pra operação inteira. Aprovação em tudo gera fila, e a fila acaba empurrando o time a aprovar sem ler. O trabalho de desenho é decidir a posição tarefa por tarefa.
Por que a pergunta mudou quando o agente passou a executar
Enquanto a IA era usada como chat, o human in the loop vinha de graça: a pessoa pergunta, lê a resposta e copia o que serve. No Brasil, esse ainda é o uso dominante. Na pesquisa Tendências de Marketing 2026, da Conversion, 88,2% dos profissionais usam IA só de forma conversacional e 2,7% operam agentes autônomos, retrato que a gente detalhou no post sobre institucionalização da IA no marketing.
O agente muda a conta porque ele age. Cada ação precisa de uma regra de supervisão, e a maioria das empresas ainda não escreveu essa regra. O State of AI in the Enterprise 2026, da Deloitte, ouviu 3.235 líderes em 24 países: 74% esperam usar agentes ao menos de forma moderada até 2027, e só 21% têm um modelo maduro de governança pra IA agêntica. Entre as lacunas citadas está a falta de limites claros entre o que o agente decide sozinho e o que exige aprovação humana.
No post sobre governança de agentes de IA no marketing, o tema é quem responde pelo agente. Aqui o tema é em que momento essa pessoa entra no fluxo.
O custo de aprovar tudo: quando o human in the loop vira gargalo
Quem coloca o primeiro agente pra rodar costuma exigir aprovação em tudo. Faz sentido no começo. O problema aparece quando o volume cresce e a regra continua igual.
E o volume está crescendo. A pesquisa da Ahrefs com profissionais de marketing, publicada em 30 de setembro de 2026 com 301 respondentes, mostra mais conteúdo de IA saindo e quase ninguém confiando nele sem revisão.
A fila cresce mais rápido que o time
Junte as duas curvas: a produção do agente cresce quase sem custo extra, e a capacidade de revisão continua do tamanho do time. Em pouco tempo, o human in the loop vira fila. O fenômeno ganhou até apelido, botsitting: o tempo gasto vigiando, aprovando e corrigindo agente, que come as horas que a automação deveria devolver.
A fila cobra o tempo de quem aprova e cobra o atraso da entrega. Uma resposta de comentário aprovada seis horas depois perde boa parte do valor. É o mesmo raciocínio do post sobre retrabalho de IA: revisão e correção entram na conta do ganho líquido.
O carimbo automático
Tem um custo mais grave. Com a fila longa, a pessoa passa a aprovar sem ler. O nome técnico é viés de automação, a tendência de confiar na saída da máquina mesmo quando ela erra. O artigo 14 do AI Act europeu, sobre supervisão humana de sistemas de alto risco, pede que quem supervisiona se mantenha consciente desse viés e consiga reverter a saída e interromper o sistema.
Marketing comum não entra no alto risco da lei europeia, mas o desenho serve de referência. Um human in the loop que aprova 100% do que recebe, em segundos, funciona como carimbo: dá a sensação de controle e tira a atenção dos casos que pediam um olhar de verdade.
O que os dados de uso real mostram sobre supervisão de agentes
O estudo mais detalhado sobre como as pessoas supervisionam agentes saiu da Anthropic, em fevereiro de 2026, com dados do Claude Code e da API pública. Programação responde por quase metade da atividade, e o padrão de supervisão serve pra qualquer operação com agentes.
Dado
Quanto das ações dos agentes passa por algum tipo de controle
% das chamadas de ferramenta feitas por agentes na API pública da Anthropic, 2026
Fonte: Anthropic, Measuring AI agent autonomy in practice, fevereiro de 2026.
Quase três em cada quatro ações ainda têm um humano no circuito de algum jeito, e menos de 1% parecem irreversíveis, como mandar um e-mail pra um cliente. A maior parte do que o agente faz dá pra desfazer. É essa minoria irreversível que pede um human in the loop rígido.
Quem tem mais experiência aprova menos e interrompe mais
Entre usuários novos, com menos de 50 sessões, cerca de 20% das sessões rodam com aprovação automática total. Com 750 sessões, essa fatia passa de 40%. Ao mesmo tempo, a interrupção sobe: usuários com cerca de 10 sessões interrompem o agente em 5% dos turnos, e os experientes, em cerca de 9%.
Quem conhece o agente para de aprovar passo a passo e passa a acompanhar a execução, intervindo quando algo sai do trilho. Migra do human in the loop pro human on the loop. A Anthropic conclui na mesma linha: supervisão eficaz é estar em posição de intervir quando importa, e regras que obrigam a aprovar cada ação criam atrito sem necessariamente trazer mais segurança.
O agente bom também sabe pedir ajuda
Nas tarefas mais complexas, o próprio Claude Code para pra pedir esclarecimento mais de duas vezes mais do que o humano interrompe. No uso interno da Anthropic, a taxa de sucesso nas tarefas mais difíceis dobrou entre agosto e dezembro, enquanto as intervenções humanas por sessão caíram de 5,4 pra 3,3. Supervisão boa se desenha dos dois lados: uma instrução como “se faltar informação sobre preço, prazo ou promessa ao cliente, pare e pergunte” vale tanto quanto um ponto de aprovação.
Os 4 níveis de supervisão que a gente usa na operação
Na Hipercode, cada tarefa de agente recebe um nível de supervisão antes de entrar em produção. O nível fica escrito na ficha do agente, junto com o dono e o critério de qualidade.
Nível 1: o agente executa e registra
Tarefas internas, reversíveis e de baixo impacto. O agente faz e deixa log, e alguém consulta quando precisa. Exemplos: classificar leads por origem, organizar a pauta da semana, resumir reunião, montar a primeira versão de um relatório.
Nível 2: o agente executa e o humano monitora
Tarefas com exposição limitada e regra clara, no modo human on the loop. O humano acompanha por painel, alerta e amostragem semanal, com botão de parada à mão. Exemplos: responder dúvidas frequentes no direct com respostas já aprovadas, ajustar lance dentro de um teto, agendar posts de um calendário aprovado.
Nível 3: o agente prepara e o humano aprova
Tarefas que vão pro público ou pro cliente, ou que mexem com a voz da marca. O agente entrega pronto e para. Exemplos: post novo no perfil, e-mail pra base inteira, peça nova de anúncio, relatório mensal pro cliente. É aqui que o human in the loop rende mais, porque o volume é menor e o risco de exposição é real.
Nível 4: o humano decide e o agente informa
Dinheiro acima do teto, promessa comercial, resposta a crise ou decisão que afete diretamente uma pessoa. O agente levanta dados e recomenda. Quem decide é uma pessoa, com nome. Exemplos: aumentar a verba de uma campanha, responder uma reclamação pública grave, mudar preço.
Quando a gente mapeia as tarefas de uma operação, a maior parte cai nos níveis 1 e 2. O human in the loop de verdade fica concentrado em poucas tarefas, e é por isso que ele funciona: a pessoa tem tempo pra ler o que aprova.
Como decidir o nível de cada tarefa
Duas perguntas resolvem a maior parte dos casos, feitas pra cada ação do agente, já que o mesmo agente pode ter ações de níveis diferentes.
Pergunta 1: dá pra desfazer?
Um rascunho errado se apaga. Um ajuste de lance volta no dia seguinte. Um e-mail enviado pra 20 mil contatos fica enviado. Pelo dado da Anthropic, ações irreversíveis são menos de 1% do total, e são elas que justificam o human in the loop obrigatório.
Pergunta 2: quem vê o resultado?
Resultado que fica dentro do time tolera erro. Resultado que chega ao cliente pede mais cuidado. Resultado público, em nome da marca, ou que mexe com dinheiro pede o maior cuidado de todos.
Cruzando as duas respostas
- Reversível e interno: nível 1.
- Reversível e com exposição limitada: nível 2.
- Difícil de desfazer ou público: nível 3.
- Irreversível, com dinheiro, reputação ou pessoa em jogo: nível 4.
As permissões técnicas seguem o mesmo mapa: um agente só com tarefas de nível 1 nem precisa de acesso de publicação. Detalhamos isso no post sobre segurança de agentes de IA.
Human in the loop na prática: como montar um ponto de aprovação
Muita operação tropeça aqui: a notificação chega genérica e a pessoa abre três ferramentas pra entender o que está aprovando.
O que o aprovador precisa ver
Tudo numa tela: o que o agente quer fazer, pra quem, com base em quê e o que muda em relação ao que existe. Num post, a peça final com a legenda. Num ajuste de verba, o valor antes e depois e o motivo. Contexto completo encurta a decisão e diminui o carimbo.
Três opções e um motivo
Aprovar, editar ou rejeitar. Toda rejeição e toda edição relevante pedem um motivo curto, escolhido numa lista. Esse motivo vira caso de teste e mostra onde a instrução está fraca. É assim que a fila de aprovação alimenta a avaliação de agentes de IA.
Lote e prazo
Aprovação em lote, com horário fixo, rende mais que notificação a cada item. Cada ponto também precisa de prazo e de substituto. Passou do horário, o item vai pra outra pessoa ou fica parado, e nunca sai sozinho por falta de resposta.
Na ferramenta
Os frameworks de agentes já trazem esse mecanismo. No Agents SDK da OpenAI, uma ferramenta marcada com needsApproval faz a execução pausar e devolver a aprovação pendente, e o estado pode ser retomado horas depois, como mostra a documentação de human in the loop do Agents SDK. Numa squad orquestrada, o ponto de aprovação vira uma etapa do fluxo, como no guia de arquitetura de agentes pra marketing.
Quando o agente ganha ou perde autonomia
Um agente novo começa um nível mais controlado do que a tarefa pediria. Ganha autonomia quando prova consistência e perde quando erra, o mesmo movimento que a Anthropic observou nos usuários. A regra fica escrita na ficha do agente:
- Pra ganhar autonomia: uma sequência combinada de entregas aprovadas sem edição relevante, avaliação passando e nenhum incidente no período.
- Pra perder autonomia: incidente com exposição pública, queda na taxa de aprovação sem edição ou troca de modelo, de instrução ou de ferramenta. Na troca de modelo, o agente volta um nível e só recupera a autonomia depois de rodar a avaliação.
- Revisão fixa: todo mês, o dono do agente olha os motivos de rejeição e decide se o nível continua.
Parte do monitoramento também vai pra máquina. O Gartner prevê que os guardian agents, que revisam, monitoram e podem bloquear ações de outros agentes, vão somar pelo menos 10% a 15% do mercado de IA agêntica até 2030. Eles filtram o que merece atenção, e a responsabilidade final continua com uma pessoa.
Onde o human in the loop vira obrigação: LGPD e decisões sobre pessoas
O artigo 20 da LGPD dá ao titular o direito de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, incluídas as que definem perfil de consumo e de crédito.
No marketing, isso encosta em segmentação que tira pessoas de uma oferta, em pontuação que decide quem recebe atendimento e em automação que define condição comercial individual. O desenho seguro tem duas camadas: revisão humana real quando o titular pedir e nível 4 nas decisões que fecham uma porta pra alguém. Os detalhes estão no post sobre LGPD e IA no marketing.
Perguntas frequentes sobre human in the loop
O que é human in the loop?
É o desenho em que uma pessoa participa do fluxo de um agente de IA antes de a ação acontecer, revisando, aprovando, editando ou rejeitando o que ele preparou. Numa operação de marketing, o human in the loop costuma aparecer na publicação de posts, no envio de e-mails pra base e em peças novas de anúncio. Ele protege a marca nas ações públicas ou difíceis de desfazer, e precisa ser aplicado tarefa por tarefa pra não virar fila.
Qual a diferença entre human in the loop e human on the loop?
No human in the loop, o agente para e espera a aprovação antes de agir. No human on the loop, o agente executa sozinho e a pessoa acompanha por painel, alerta e amostragem, com poder de interromper e reverter. O primeiro serve pra ações públicas ou difíceis de desfazer. O segundo serve pra tarefas com regra clara e exposição limitada, como responder dúvidas frequentes com respostas já aprovadas ou ajustar lance dentro de um teto.
Human in the loop deixa a operação de marketing mais lenta?
Deixa quando é aplicado em tudo. A produção de um agente cresce quase sem custo, e a capacidade de revisão continua do tamanho do time, então a aprovação vira fila e o atraso come o ganho. Usado só nas tarefas de maior risco, o human in the loop custa pouco tempo e evita os erros caros. Aprovação em lote, com horário fixo e contexto completo na tela, também encurta bastante a espera.
Quais tarefas de marketing precisam de human in the loop?
As que vão pro público ou pro cliente, as que mexem com a voz da marca e as que não dá pra desfazer: post novo no perfil, e-mail pra base inteira, peça nova de anúncio, relatório pro cliente. Decisões com dinheiro acima do teto, promessa comercial ou impacto direto numa pessoa vão um degrau além do human in the loop: o agente só recomenda e uma pessoa decide. Tarefas internas e reversíveis podem rodar sem aprovação item a item.
Como evitar que o human in the loop vire só um carimbo?
Reduzindo o volume que chega pra aprovação e melhorando o que chega. Com o human in the loop concentrado nas tarefas de risco, a pessoa tem tempo pra ler. Com a tela mostrando o que o agente quer fazer, pra quem e com base em quê, a decisão fica mais rápida e mais consciente. Pedir um motivo curto em toda rejeição ou edição também ajuda, porque obriga a olhar o conteúdo e gera dado pra melhorar o agente.
Quando um agente pode sair do human in the loop?
Quando prova consistência. A regra que a gente usa combina uma sequência de entregas aprovadas sem edição relevante, avaliação passando e nenhum incidente no período. Aí a tarefa passa pro human on the loop, com monitoramento por amostragem. O caminho de volta também existe: incidente público, troca de modelo ou de instrução e queda na taxa de aprovação devolvem a tarefa ao human in the loop até a avaliação confirmar que está tudo estável.
Por onde começar na sua operação
Pegue a lista de tarefas que seus agentes executam hoje, ou que você quer que executem, e responda as duas perguntas pra cada uma: dá pra desfazer? Quem vê o resultado? Em uma tarde você tem o mapa dos quatro níveis e descobre onde o human in the loop está gerando fila e onde está faltando.
A Hipercode monta operações de marketing com agentes em que cada tarefa tem nível de supervisão, dono e critério de qualidade definidos desde o primeiro dia. Veja como a gente estrutura essa operação ou fale com a gente pra um diagnóstico de onde a aprovação está travando a sua.