Guia
O que é human-in-the-loop (humano no loop) em IA e onde pôr a pessoa
Invisible WorkAtualizado em 6 min de leitura
Em uma frase
O que é human-in-the-loop, sem jargão
Human-in-the-loop, ou humano no loop, é o desenho em que uma pessoa participa do ciclo de um sistema de IA: revisa, aprova ou corrige antes que o resultado vire ação. A pergunta que o termo responde é simples: em que ponto do processo a máquina para e espera uma pessoa?
O termo vem de longe da IA generativa, mas ganhou peso com os agentes, porque um agente não só responde: executa. Quando o modelo pode enviar e-mail, mexer em cadastro ou pagar, a pessoa deixa de ser só quem lê a resposta e passa a ser quem autoriza a ação.
Há três posições possíveis, e o nome muda com ela. No loop: a pessoa decide antes de cada ação. Sobre o loop (em inglês, on the loop): o sistema age e a pessoa acompanha, com meios de interromper. Fora do loop: ninguém vê a ação antes de ela acontecer. Quase todo sistema real mistura as três, uma para cada tipo de ação.
O que os dados de uso mostram
A Anthropic mediu como as pessoas supervisionam o Claude Code, e o resultado contraria a intuição de que mais aprovação é mais segurança.
A pessoa aprova quase tudo
Segundo a Anthropic, os usuários aceitam 93% dos pedidos de permissão. Por padrão o Claude Code pede aprovação para executar comandos e alterar arquivos, e o texto nomeia o efeito: fadiga de aprovação, em que as pessoas deixam de prestar atenção ao que aprovam.
Quem tem experiência aprova menos, e olha mais
Entre usuários novos, cerca de 20% das sessões usam aprovação automática; com a experiência, passam de 40%. Ao mesmo tempo, a taxa de interrupção sobe, de 5% dos turnos para cerca de 9%. A Anthropic lê isso como troca de estratégia: sai a aprovação de cada ação, entra o acompanhamento com intervenção quando algo foge.
Quanto mais complexa a tarefa, menos aprovação passo a passo
Na API, 87% das chamadas de ferramenta em tarefas mínimas têm algum envolvimento humano, contra 67% nas de alta complexidade. A explicação da Anthropic: aprovar cada passo fica impraticável quando os passos se multiplicam.
O agente também pede ajuda
Nas tarefas mais complexas, o Claude Code para para pedir esclarecimento mais de duas vezes mais do que a pessoa o interrompe. A parada vem de dois lados.
A conclusão da própria Anthropic é a frase que o guia usa como régua: supervisão eficaz não exige aprovar cada ação, e sim estar em posição de intervir quando importa. E a ressalva também importa: esses dados são de uso de software, em que o resultado se testa e se compara antes de seguir. Em áreas em que conferir exige a mesma competência de produzir, a mudança pode ser mais lenta.
O ponto de vista da Invisible Work: a pessoa é o componente mais caro
Desmontado até o osso, um ponto de aprovação só acrescenta segurança se a decisão da pessoa puder ser diferente do que o sistema faria sozinho. Se ela aprova 93 de cada 100 pedidos sem olhar, esse ponto transmite quase nenhuma informação nos 93 e fica com a responsabilidade nos 7. O humano no loop vira um carimbo, e o carimbo tem um efeito pior que o de não ter nada: a empresa acredita que há controle.
Ao inverter a pergunta, o problema muda de lugar. Em vez de “onde colocamos uma pessoa?”, a pergunta é “quanto de atenção humana existe por dia, e onde ela decide mais?”. A atenção é um orçamento pequeno e não escala com o volume do agente. Gastá-la em ação trivial é tirá-la da ação que importa.
Exemplo ilustrativo
Três perguntas para decidir onde pôr a pessoa
A ação se desfaz?
Ler, resumir e rascunhar se desfazem; enviar, pagar, apagar e publicar, não. A pessoa entra antes do que não se desfaz, e o resto corre com registro e possibilidade de reverter.
Quanto custa errar?
Valor, número de clientes atingidos, exposição jurídica. O mesmo tipo de ação pode pedir aprovação acima de um limite e correr sozinho abaixo dele.
O que a pessoa vê quando decide?
“Executar a ferramenta de envio?” não é uma decisão. “Enviar este e-mail a 4.200 clientes” é. Aprovação sem o efeito à vista é fadiga com formulário.
O resto da conta é automatizar a parte que não precisa de julgamento. Isolamento de arquivos e de rede e regras de permissão tiram da pessoa o que uma regra decide melhor: a Anthropic relata 84% menos pedidos de permissão com o isolamento do Claude Code em uso interno. É o trabalho dos guardrails e do harness: devolver ao humano só o que é dele. Para saber se o agente acerta sem a pessoa em cada passo, o instrumento são os evals.
Há ainda a pergunta de quem responde. O AI Act europeu, ao tratar da supervisão humana em sistemas de alto risco, pede que a pessoa responsável esteja ciente da tendência de confiar demais na saída da máquina, o viés de automação. É o mesmo problema visto pelo lado da norma: quem aprova precisa ter condição real de discordar. Para a empresa, isso quer dizer um nome, uma alçada e tempo para decidir, não um cargo genérico no fluxo. É o tema dos Insights sobre agentes sem alçada e sobre quem responde por uma equipe de agentes.
Perguntas antes de pôr uma pessoa no loop
- Qual ação do agente não se desfaz, e a pessoa decide antes dela?
- Qual a taxa de aprovação hoje? Se passa de 90%, o que a pessoa está decidindo de fato?
- A tela de aprovação mostra o efeito da ação ou só o nome da ferramenta?
- Quem é a pessoa, com que alçada e quanto tempo por pedido?
- O que um acompanhamento com botão de parar cobre, e onde ele não basta?