Com 95% de acerto por passo, um agente de 20 passos tem só 35% de sucesso real: os erros se multiplicam (p^n), não se somam. A cura não é um modelo mais esperto, mas subir a confiabilidade por passo e encurtar as correntes.
Um agente que acerta 95% das vezes soa como um funcionário de luxo. Contrate-o mentalmente: quase nunca falha, erra um a cada vinte movimentos, é praticamente perfeito. Agora peça a ele que execute uma tarefa real — pesquisar, decidir, chamar uma API, transformar o dado, escrever o resultado, verificar — e observe como esses 95% impecáveis desmoronam até virar um cara ou coroa pior do que a própria moeda. A demo era honesta. O agente não mentiu. Quem mentiu foi a aritmética que você tinha na cabeça, porque você presumiu que os erros se somam quando na verdade eles se multiplicam. Este é o ensaio sobre a lei mais cruel — e mais ignorada — da engenharia de agentes.
A Lei de Lusser: por que uma corrente é tão forte quanto o produto de seus elos
Nos anos 50, um engenheiro alemão chamado Robert Lusser formulou uma lei incômoda para sistemas em série: quando N componentes precisam funcionar todos para que o conjunto funcione, a confiabilidade total é o produto das confiabilidades individuais, não a média nem o mínimo. A fórmula é de uma simplicidade brutal: p elevado a n. Se cada passo acerta com probabilidade p e a tarefa exige n passos encadeados onde cada um depende do anterior, o sucesso de ponta a ponta é p^n. Lusser a deduziu trabalhando com mísseis V-2, sistemas onde um único elo defeituoso transformava a máquina inteira em sucata em chamas. Setenta anos depois, a mesma lei governa algo que Lusser jamais imaginou: um agente de IA raciocinando passo a passo.
Faça a conta e o sorriso congela
Vamos colocar números nos 95% por passo, aquele número que soa como nota máxima. Cinco passos: 0,95^5 = 77%. Você já perdeu quase um quarto das suas execuções. Dez passos: 59%. Você acabou de cruzar a fronteira em que a maioria das suas rodadas falha mais do que um medíocre. Vinte passos: 35%. Seu agente de 95% de acerto por passo completa a tarefa inteira uma a cada três vezes. Cinquenta passos — um fluxo agêntico ambicioso de verdade, com ferramentas, ramificações e verificações — aterrissa em demolidores 7%. Não houve degradação do modelo, não houve um dia ruim, não houve prompt ruim. Cada passo manteve seus 95% impecáveis. Foi a multiplicação, silenciosa e implacável, que devorou o seu produto.
A miragem da demo: por que brilham no palco e explodem em produção
Agora você entende por que os agentes são estrelas no palco e desastres no turno da noite. A demo é curta por design: dois ou três passos, um happy path ensaiado, um p^n que ainda vive em território confortável. A produção é longa por natureza: vinte, trinta, cinquenta elos onde cada um herda o pequeno desvio do anterior. É a diferença entre acertar um lance livre — você encaixa nove em cada dez — e acertar quarenta lances livres seguidos sem errar um único: a segunda façanha é quase impossível ainda que sua pontaria seja excelente. A demo mede um arremesso. A produção mede a sequência. E sequências longas são onde p^n te espera com uma faca. O Gartner já colocou número na desilusão: projeta que mais de 40% dos projetos de IA agêntica serão cancelados até 2027, muitos por custos e ROI que nunca chegam — o preço de descobrir a Lei de Lusser com dinheiro de verdade em vez de com uma planilha.
A cura não é um modelo mais esperto: são elos mais confiáveis e correntes mais curtas
O reflexo da indústria é pedir um modelo mais inteligente, como se o problema fosse de cérebro. A matemática diz outra coisa. Suba a confiabilidade por passo de 95% para 99% e esses mesmos vinte passos saltam de 35% para 81%: um ponto percentual por elo devolve o produto inteiro. Esse é o alavancamento oculto do p^n — o expoente castiga com a mesma ferocidade com que recompensa. Daí saem as duas únicas alavancas reais, e nenhuma delas é 'esperar pelo GPT-N'. Primeira: subir o p, a confiabilidade de cada passo, com verificação, validação de esquema em cada fronteira e checkpoints que capturem o desvio antes que ele se propague. Segunda: baixar o n, encurtar a corrente, decompor a tarefa gigante em subtarefas curtas e verificáveis em vez de uma epopeia monolítica de cinquenta movimentos. Um agente disciplinado não é o que raciocina mais bonito; é o que erra menos por passo e encadeia menos passos por tarefa.
O modelo mental para levar para casa
Guarde esta frase e repita-a toda vez que vir uma demo de agente que te deixe boquiaberto: os erros se multiplicam, não se somam. É o modelo reutilizável que separa quem constrói brinquedos de quem constrói sistemas. Antes de confiar a um agente um processo de negócio, não pergunte 'quão esperto ele é?'. Pergunte duas coisas: 'qual é a confiabilidade dele por passo?' e 'quantos passos ele encadeia?'. Multiplique p^n mentalmente e você vai saber, antes de gastar um dólar, se está olhando para um produto ou para uma miragem de palco. Esta lei é irmã de outra que já contamos — a matemática dos 27%, a lacuna entre o que um agente entrega na demo e o que sustenta em produção —: aquela mede a queda, esta explica o mecanismo exato que a produz. Leia as duas juntas e você terá a fotografia completa de por que tantos pilotos agênticos nunca chegam à fábrica.
Como nós vemos isso
Na NeuralOS não combatemos o p^n com otimismo nem com promessas de um modelo mágico: combatemos com arquitetura. O motor de Automations é projetado em torno da Lei de Lusser mesmo sem levar o nome dela gravado: passos curtos e verificáveis em vez de correntes monolíticas, waits duráveis que congelam o estado sem perder o fio, resumibilidade para retomar exatamente de onde o processo parou, e checkpoints que capturam o desvio antes que a multiplicação o transforme em catástrofe. Cada um desses mecanismos ataca a mesma equação por um ângulo diferente: sobe o p, encurta o n efetivo, e faz com que uma falha no passo 19 não incendeie os outros dezoito que já deram certo. Não prometemos agentes infalíveis — ninguém honesto pode, a matemática não permite. Prometemos algo mais útil: um motor que respeita a lei cruel em vez de fingir que ela não existe, para que seus fluxos sobrevivam ao turno da noite e não apenas à demo do meio-dia.