Salesforce amplia Agent Fabric com avaliação que desliga agentes

O que a Salesforce anunciou no Agent Fabric

Em 27 de outubro de 2026, a Salesforce apresentou três novidades para o Agent Fabric, a camada que descobre, governa e observa agentes de IA dentro da empresa — inclusive os construídos em outras plataformas. São elas: Agent Evals, API Evals e um conjunto de controles de custo. A empresa afirma que a plataforma processa mais de 1,2 bilhão de requisições por dia.

A peça central é o Agent Evals. Ele gera testes antes da implantação e, em produção, compara o comportamento de agentes, modelos e servidores MCP com limites de qualidade definidos pela própria empresa. Quando o resultado fica abaixo do limite, dispara uma intervenção prevista: avisar o responsável, pedir aprovação ou retirar o agente de operação pelo Agent Kill Switch. O API Evals faz o mesmo para as APIs das quais o agente depende, para pegar mudanças que quebram a integração antes da produção.

O terceiro bloco é dinheiro. FinOps Dashboard e Model Wallet dão visão do gasto com IA e tetos que barram requisições antes de estourar o orçamento, por agente, instância ou unidade de negócio. As políticas de custo reduzem o consumo de token com cache semântico, compressão de payload e poda de resposta. A Salesforce cita queda de até 75% no uso de token, medida em cenários de teste da própria empresa.

O que já funciona hoje e o que só chega em 2027

Essa é a parte que o anúncio trata com menos destaque e que muda a decisão de compra. O Agent Kill Switch básico não é novo: a MuleSoft o apresentou em junho e o colocou em disponibilidade geral em setembro. Também já estão disponíveis as Open Policies para gateways federados (Azure, Apigee e Kong), o FinOps Dashboard, o Model Wallet e as políticas de custo.

O que ainda não existe em produção é o elo entre avaliação e desligamento. Agent Evals e API Evals entram em beta em novembro de 2026, com disponibilidade geral prevista para janeiro de 2027. O Triggered-Agent Kill Switch, acionado pelo resultado da avaliação, também está marcado para janeiro. O Custom Agent Scanner, que estende a descoberta a ambientes internos e a sistemas atrás de firewall, entrou em beta agora, com versão geral na mesma data.

Traduzindo: quem assina hoje leva o freio manual e o painel de custo. A avaliação automática que puxa esse freio é promessa para o início do ano que vem.

Como a avaliação vira desligamento — e onde o freio não alcança

O desenho é simples de descrever e difícil de operar. A empresa define o que é bom para cada agente: resposta correta, ferramenta certa, custo por execução. O Agent Evals roda esses testes de forma contínua e classifica o resultado. Quando o agente cai abaixo do limite, a plataforma executa o que a política mandar — notifica o dono, abre pedido de aprovação ou bloqueia o tráfego.

A limitação mais importante está registrada na cobertura do VentureBeat: o kill switch atua no gateway. Ele bloqueia o tráfego governado do agente — por requisição, sessão, agente ou inquilino —, mas não encerra necessariamente todo processo que roda na plataforma externa onde aquele agente foi construído. O agente deixa de ser chamado; o que ele já deixou rodando, não necessariamente para. E agente que acessa um sistema por rota fora da camada de controle fica sem freio: a cobertura depende das integrações suportadas e de onde o tráfego passa.

O que isso muda para a PME brasileira

O estudo The AI Production Paradox, da Sinch, ouviu 2.527 líderes de dez países: 76% das empresas brasileiras participantes já colocaram agentes de IA em produção, acima da média global de 62% e dos 67% dos Estados Unidos. O mesmo levantamento registra que 80% das organizações brasileiras já precisaram interromper ou reverter alguma implementação de IA por governança, contra 74% na média global. Em 39% dos casos de reversão no Brasil, a causa foi vazamento de dados ou de informação pessoal.

O dado desloca a discussão. O problema de quem já opera agente não é convencer a empresa a adotar IA; é parar o que deu errado sem depender de alguém lembrar o caminho às pressas. É o problema que o anúncio ataca, e o mesmo que tratamos em governança de IA no atendimento ao cliente e em falhas de contenção de agentes.

O que a PME brasileira não deve concluir é que precisa comprar a plataforma. O VentureBeat apurou que a página de preços da MuleSoft lista US$ 2.000 por mês como ponto de partida do portfólio, com pré-compromisso de mínimo anual de US$ 50 mil, e que não há preço público para Agent Evals ou API Evals. Não é assinatura de pequena empresa, e o custo do recurso novo não foi divulgado.

Riscos e limites antes de tratar isso como solução

O primeiro limite é de cronograma. O anúncio junta o que existe e o que está por vir; quem lê “avaliação que desliga agente” e assina hoje compra o freio, não a avaliação que o aciona.

O segundo é de número. A redução de 75% no consumo de token é teste do fornecedor, em cenários escolhidos por ele, não garantia de conta menor no fim do mês.

O terceiro é de escopo. A governança alcança o que passa pelo gateway. Agente que roda em ambiente sem essa camada, ou que fala direto com um sistema, fica fora do alcance — e é onde o risco costuma estar, como mostram os casos de agente em processo crítico.

O quarto é de dependência. A proposta é ser a camada neutra sobre agentes de várias plataformas, e a concorrência nesse posto é direta: Microsoft Agent 365, ServiceNow AI Control Tower e OpenAI Frontier disputam o mesmo espaço. Escolher a camada de controle é escolher onde ficam inventário, política e registro dos seus agentes.

Fontes

• VentureBeat — cobertura do anúncio, 27/10/2026: https://venturebeat.com/orchestration/salesforce-details-cost-controls-and-kill-switch
• Technology Magazine — cobertura do anúncio, 27/10/2026: https://technologymagazine.com/news/salesforce-stopping-ai-cost-overruns-with-agent-fabric
• TI Inside — estudo da Sinch sobre adoção no Brasil, 13/08/2026: https://tiinside.com.br/13/08/2026/estudo-coloca-brasil-a-frente-dos-eua-na-adocao-de-agentes-de-ia
• Salesforce — anúncio oficial, 27/10/2026: endereço no frontmatter deste artigo.

Todos os links foram acessados em 27/10/2026.

Como aplicar o princípio sem comprar uma plataforma

A sequência que a notícia sugere serve a qualquer tamanho de operação. Antes de publicar um agente, defina o que é uma resposta correta e escreva três ou quatro casos de teste com o resultado esperado — é o exercício que o Agent Evals automatiza. Depois, limite o que ele pode gastar: um teto por agente por dia evita que um laço infinito vire fatura. Em seguida, escolha quais ações exigem aprovação humana, como escrita em sistema financeiro, envio em massa e publicação. Por último, garanta o botão: um jeito de desligar o agente que não dependa de achar o dono dele com pressa, e o registro do que ele fez antes de parar.

Quem trata agentes como parte da operação precisa desse desenho antes do próximo lançamento, não depois do primeiro erro. É o que fazemos em automação e agentes de IA.