O golden path foi desenhado com um usuário em mente. Esse usuário lê a documentação antes de começar. Abre o portal do IDP, interpreta o nome dos templates, escolhe o que faz mais sentido para o problema dele. Quando aparece uma mensagem de erro pouco clara, volta à wiki, abre um chamado, pergunta no canal do time.
O agente chegou nessa mesma plataforma. Não leu nada disso.
A adoção de frameworks de agentes dobrou de um ano para o outro, de acordo com o Datadog State of AI Engineering 2026, publicado em abril com base em dados de produção de milhares de organizações. O que não dobrou foi a estrutura de governança abaixo deles. O próprio relatório nomeia o problema: "complexidade operacional, não inteligência dos modelos, está se tornando a principal barreira para IA confiável em escala." A plataforma construída para um humano navegar é exatamente onde essa complexidade se acumula quando o segundo usuário é um agente.
O que muda quando o usuário não faz perguntas
A diferença entre como um humano e um agente consomem um IDP não é de grau. É de natureza.
O humano opera a plataforma em modo interpretativo. Lê o contexto, infere o que não está escrito, usa o julgamento para decidir quando o caminho não está claro. Se o golden path pede uma escolha ambígua, ele pede ajuda ou usa o bom senso profissional acumulado. E quando erra, percebe o feedback e corrige.
O agente opera em modo de chamada. Acessa um endpoint, recebe uma resposta, toma uma decisão, avança. Se a resposta for ambígua ou o contrato não for explícito, ele não pausa. Decide com o que tem disponível no contexto. Isso pode ser aceitável. Pode ser um incidente.
Dora Noda, em análise publicada no bex.co em setembro de 2026, descreve os três modos de falha que surgem quando agentes consomem plataformas construídas para humanos. O primeiro é credencial compartilhada, que transforma uma injeção de prompt em exfiltração de dados. O segundo é velocidade sem governança, que multiplica incidentes em vez de aumentar throughput. O terceiro é integração sem visibilidade, porque a plataforma não foi pensada para rastrear decisões autônomas.
Nenhum desses modos de falha é culpa do modelo. São consequências da incompatibilidade entre o perfil de consumo do agente e o desenho da plataforma.
O caminho da adaptação que não fecha o gap
O levantamento da CNCF sobre plataformas em 2026 identificou que 35% das equipes simplesmente acrescentam IA sobre o que já têm. Sem reestruturar o golden path. Sem expor contratos legíveis para máquina. Sem rever as credenciais que o agente vai usar.
A lógica por trás dessa escolha faz sentido a curto prazo. O piloto funcionou. O IDP está de pé. Por que mexer?
O problema é que o piloto testa o caminho feliz. Testa o fluxo que você escolheu para demonstrar, com os dados que você preparou, com a mensagem de erro que você sabe interpretar. Em produção, o agente encontra os casos de borda, os erros em linguagem natural, as aprovações que só existem num documento fora da plataforma. E lida com isso do jeito que consegue, sem perguntar.
Joydip Kanjilal, no artigo publicado na platformengineering.com em 6 de outubro de 2026, descreve o que essa incompatibilidade exige: plataformas precisam evoluir de "pipelines rápidos" para "mecanismos de controle de complexidade operacional". Agentes autônomos seguem fluxos não lineares e tomam decisões dinamicamente. A plataforma que pressupõe humano no loop vai deixar lacunas onde o agente opera sem estrutura.
O que a maturidade da plataforma decide
A Perforce publicou em julho de 2026 uma pesquisa com 820 profissionais de tecnologia sobre a relação entre maturidade de platform engineering e sucesso com IA. O número mais direto aparece logo no início: organizações com governança formal têm 94% de confiança nos outputs de IA. As que dependem de abordagens ad hoc chegam a 51%.
Quarenta e três pontos de diferença, sem trocar o modelo.
Os outros dados seguem a mesma direção. 79% das organizações maduras em platform engineering têm automação de governança consolidada, contra 14% das imaturas. 44% das organizações com IDPs maduras já executam workflows de IA completamente autônomos, enquanto 26% das organizações em fase experimental chegam a esse nível. Entre as que têm IDPs totalmente padronizadas, 92% relatam confiança consistente nos outputs de IA.
O que esses números descrevem não é problema de modelo. É problema de estrutura. Um agente capaz rodando em plataforma sem governança vai produzir incidentes. Um agente mais simples rodando em plataforma com contratos explícitos vai produzir resultado rastreável. A maturidade da plataforma é o que decide qual dos dois acontece.
O que um IDP para dois usuários precisa expor
O trabalho não é construir uma plataforma separada para agentes. É expor a mesma plataforma de formas que os dois perfis de usuário consigam consumir com segurança.
Para o desenvolvedor humano, o golden path funciona como funciona hoje: documentação compreensível, UI navegável, mensagens de erro que explicam o que aconteceu.
Para o agente, o golden path precisa de uma interface diferente. Ações com escopo explícito, não acesso bruto à infraestrutura. Respostas estruturadas, não texto livre para interpretar. Contratos que dizem o que pode ser feito, com quais credenciais, dentro de quais limites. Não é sobre dar mais poder ao agente. É sobre dar menos ambiguidade.
Veera Ravindra Divi, em artigo publicado na platformengineering.com em junho de 2026, resume o princípio: não forneça acesso bruto às APIs; exponha ações curadas com escopo delimitado. A ação scaffold_new_service substitui o kubectl direto. A ação request_database substitui o acesso livre à camada de dados. O agente não perde capacidade. Ganha um perímetro dentro do qual pode operar com autonomia real.
O golden path foi construído para um usuário que faz perguntas quando está em dúvida. O segundo usuário chegou e não pergunta. A plataforma que ignora essa diferença vai continuar confundindo velocidade de piloto com confiabilidade de produção.
Referências
- Joydip Kanjilal – Rethinking Platform Engineering for Autonomous AI Agents (platformengineering.com, 6 out 2026)
- Perforce Software – State of Platform Engineering 2026 (8 jul 2026)
- Datadog – State of AI Engineering 2026 (21 abr 2026)
- Dora Noda – The Agentic Enterprise's Second Platform User: Designing Golden Paths That Both Developers and Deploy Agents Can Safely Consume (bex.co, 24 set 2026)
- Dora Noda – CNCF's 2026 Platform Engineering Report Says 35% of Teams Bolt AI Onto What They Already Have (bex.co, 10 jul 2026)
- Veera Ravindra Divi – Your Newest Platform User is an AI Agent — Build it a Golden Path (platformengineering.com, 24 jun 2026)