O harness operacional é o mesmo padrão de guides e sensors aplicado à operação inteira de um negócio, não só ao código. É a leitura da Capiva. E é onde está o retorno: segundo o estudo do MIT (NANDA, 2025), o maior ROI de IA está no back-office, não em vendas ou marketing, e a maioria dos pilotos nunca chega ao P&L.
A parte visível e a parte maior
Quase todo mundo que fala de harness engineering hoje fala do código: Claude Code, Cursor, agentes que leem repositório e rodam teste. Essa é a parte visível, e está amadurecendo rápido. A parte maior é o harness operacional: o mesmo padrão de guides e sensors aplicado à operação inteira de um negócio, IA além do código. Suporte, finanças, conhecimento interno, back-office, os processos que fazem a empresa rodar todo dia. É a leitura da Capiva, não uma constatação de relatório. E quase ninguém está engenheirando essa camada com disciplina.
O diagnóstico: por que a IA não chega no P&L
Os números explicam o buraco. A McKinsey (State of AI, novembro de 2025) diz que no máximo 10% das empresas escalaram agentes de IA em qualquer função, e só 39% relatam impacto no EBIT no nível da empresa, mesmo com casos de uso implantados. O Gartner (25 de junho de 2025) projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por valor pouco claro e controles de risco fracos, e chama parte do mercado de "agent washing". A Deloitte (2026) achou que só 21% têm um modelo maduro de governança de agentes. O padrão se repete: piloto todo mundo faz, produção quase ninguém.
Harness de código vs harness operacional
| Dimensão | Harness de código | Harness operacional |
|---|---|---|
| Maturidade | Ferramentas prontas, adoção crescente | Incipiente, quase tudo por construir |
| Exemplos | Claude Code, Cursor, capivaOS | Suporte, finanças, conhecimento, back-office |
| Onde está o ROI | Produtividade de quem escreve código | Automação da operação (o maior retorno, segundo o MIT) |
| Quem constrói | Times de engenharia | Ninguém ainda, na maioria das empresas |
| Gap principal | Confiabilidade do agente no repositório | Integração e memória na operação real |
Por que é engenharia, não modelo
O MIT (NANDA, 2025, via Fortune) aponta a causa raiz: os pilotos não morrem por qualidade do modelo, morrem por integração, um "learning gap" entre o piloto e a operação real. O mesmo estudo traz dois fatos incômodos. Cerca de 95% dos pilotos de IA generativa não geram impacto no P&L, e o maior retorno está no back-office, enquanto mais da metade dos orçamentos corre atrás de vendas e marketing. E comprar tende a funcionar melhor que construir do zero: soluções compradas vingam em torno de 67% das vezes, contra cerca de um terço das internas. Traduzindo: o gargalo está na engenharia em volta do modelo. É o harness que falta.
Onde a Capiva entra
A camada de código a gente resolve com o capivaOS, o harness open-source sobre o Claude Code. A camada operacional a gente constrói em produção, com o mesmo padrão de guides, sensors, memória e governança, e o relato está em AI Harness na Prática. O ponto de entrada prático é o diagnóstico estratégico: mapear onde a operação tem retorno real antes de sair automatizando.
Perguntas frequentes
O que é um harness operacional?▼
É o mesmo padrão de harness engineering (guides, sensors, memória, verificação e governança) aplicado à operação inteira de um negócio, não só ao código. É a leitura da Capiva, não uma definição de relatório. Enquanto o harness de código cuida de agentes que escrevem software, o operacional cuida de IA em suporte, finanças, conhecimento e back-office.
Por que tantos projetos de IA não geram retorno?▼
Porque param no piloto. A McKinsey (novembro de 2025) diz que no máximo 10% das empresas escalaram agentes em qualquer função, e o Gartner projeta mais de 40% de projetos de IA agêntica cancelados até 2027. A causa raiz, segundo o MIT, é integração, não qualidade do modelo.
Onde está o maior ROI de IA?▼
No back-office, segundo o estudo do MIT (NANDA, 2025). O contraintuitivo é que mais da metade dos orçamentos vai pra vendas e marketing, onde o retorno é menor. Automação da operação (processos internos, dados, atendimento) é onde o P&L se move.
Comprar ou construir a solução de IA?▼
O estudo do MIT sugere que comprar tende a funcionar melhor: soluções compradas vingam em torno de 67% das vezes, contra cerca de um terço das construídas internamente do zero. Isso não quer dizer nunca construir. Quer dizer que o valor está na integração e no harness em volta, não em reinventar o modelo.
Qual a diferença entre harness de código e harness operacional?▼
O de código é a parte visível e mais madura: Claude Code, Cursor, capivaOS, agentes que leem repositório e rodam teste. O operacional aplica o mesmo padrão à operação inteira, e está quase todo por construir. Um cuida de quem escreve software, o outro de como o negócio roda.
Por onde começar no harness operacional?▼
Pelo diagnóstico: mapear onde a operação tem retorno real antes de automatizar, e olhar governança cedo (só 21% das empresas têm um modelo maduro, segundo a Deloitte, 2026). Depois vale o mesmo loop do harness de código: cada erro vira regra, guides direcionam, sensors verificam. A camada de código já tem o capivaOS pronto sobre o Claude Code.
O modelo qualquer um compra. O harness operacional quase ninguém construiu ainda, e é aí que está o retorno.