Infraestrutura de IA personalizada
Arquitetura de camada de superinteligência: guia para pequenas empresas
Modelos, harness, memória, ferramentas, permissões, canais e observabilidade da camada de superinteligência de uma pequena empresa, cada parte com um dono.

Uma arquitetura de referência de camada de superinteligência para uma pequena empresa é um conjunto de sete partes em funcionamento: modelos que fazem o raciocínio, um harness que os executa, uma memória que eles podem consultar, ferramentas que podem acionar, permissões que limitam o que podem fazer, canais por onde as pessoas chegam até eles e observabilidade que registra o que aconteceu. Cada parte precisa de um dono nomeado dentro da empresa, porque um agente que ninguém responde por ele fica desatualizado sem que ninguém perceba. As seções abaixo explicam o que cada parte precisa fazer e qual papel deve responder por ela.
Principais pontos
- Trate a camada como sete partes e dê a cada uma um único dono, que responde pelo comportamento e pelas mudanças.
- Mantenha memória e permissões fora do modelo, para que cada uma possa mudar sem reconstruir a outra.
- Deixe o harness, e não o prompt, aplicar as repetições, as regras de parada e as etapas de aprovação.
- Torne a observabilidade um requisito desde a primeira versão, não um relatório acrescentado depois do lançamento.
- Comece com um papel, uma lista curta de ferramentas e um critério de sucesso, e só acrescente partes depois de medir a primeira.
Dê um dono a cada parte antes de escolher ferramentas
A maioria dos diagramas de arquitetura mostra caixas e setas e deixa de fora a pergunta que mais importa em uma pequena empresa: quem decide quando uma caixa muda. Uma arquitetura de referência só é útil quando cada parte tem um responsável nomeado pela decisão. Em uma pequena empresa, esses donos costumam ser papéis, e não departamentos, e uma mesma pessoa pode acumular mais de um papel. O essencial é que toda mudança tenha alguém responsável por aprová-la e alguém que perceba quando ela der errado.
O líder de operações normalmente é dono das regras de negócio e do critério de sucesso, porque a camada existe para atender a um trabalho específico. As demais partes podem ser divididas entre um responsável técnico interno e um parceiro externo de implementação, desde que essa divisão esteja escrita. Uma lista prática fica assim:
- Nomeie um dono para os modelos e para o harness, que aprova qualquer troca de modelo ou de versão.
- Nomeie um dono para a memória, que decide o que entra, o que sai e como os erros são corrigidos.
- Nomeie um dono para ferramentas e permissões, que aprova cada nova ação que o agente pode executar.
- Nomeie um dono para os canais, que controla onde o agente fala e com qual identidade.
- Nomeie um dono para a observabilidade, que lê os registros e decide quando um problema vira incidente.
- Registre os donos no runbook do agente, com a data da última revisão.
O lado da governança, incluindo quem se reúne para aprovar mudanças, é tratado em governança de agentes de IA na superinteligência empresarial.
Modelos: escolha por tarefa e mantenha a escolha substituível
O modelo faz o raciocínio e é a parte com mais chance de mudar. Uma tarefa de redação, uma tarefa de classificação e uma tarefa de várias etapas que toca em vários sistemas têm necessidades diferentes de qualidade, velocidade e custo, por isso o modelo ideal pode variar de uma tarefa para outra. Coloque todos os modelos atrás de uma única interface dentro do harness. Assim, trocar de modelo não obriga a reescrever memória, ferramentas ou permissões.
Registre o custo e o resultado por tarefa concluída, e não apenas a fatura mensal. Um modelo que parece barato por chamada pode custar mais por pedido finalizado se exigir novas tentativas ou correções humanas frequentes. O responsável técnico deve conseguir responder, para qualquer tarefa, qual modelo a atendeu, quanto tempo levou e quanto custou.
Harness: o programa que decide o que acontece em seguida
O harness é o programa ao redor do modelo. Ele monta o contexto, envia-o ao modelo, lê a resposta, chama ferramentas, trata erros, conta as etapas e decide quando parar ou pedir a intervenção de uma pessoa. A orientação de engenharia da Anthropic sobre agentes de execução longa descreve esse tipo de estrutura como o que permite a um agente continuar trabalhando entre sessões, com registros explícitos de progresso e pontos de checagem claros.
Coloque os limites de aprovação e as regras de parada no harness, e não no prompt. O prompt é uma instrução que o modelo pode seguir ou interpretar mal. O harness é código que impõe um limite independentemente do que o modelo produzir. Defina um número máximo de etapas por tarefa, um tempo limite, um limite de novas tentativas e uma regra que envia casos incertos a uma pessoa nomeada. O líder de operações aprova os limites, e o responsável técnico os implementa e testa.
Memória: o que o agente pode lembrar e onde isso fica
A memória cobre três tipos de informação: o contexto da tarefa atual, os registros da empresa que o agente consulta quando precisa e um pequeno conjunto de notas duráveis, como o status de um caso em aberto ou a preferência permanente de um cliente. Para a maioria das pequenas empresas, buscar registros no momento da solicitação é um padrão mais seguro do que treinar um modelo com os dados da empresa. A fonte continua nos sistemas que a empresa controla, e um registro errado pode ser corrigido ou removido sem treinar nada de novo.
Dê a cada item de memória uma fonte, uma data da última atualização e um dono. O responsável pelos registros decide o que entra na memória, quem pode corrigir e quando um item expira. Sem essas regras, o agente repetirá com confiança uma resposta antiga, como se fosse um fato atual.
Cenário ilustrativo: uma oficina mecânica com três técnicos usa um agente para responder clientes que perguntam sobre o andamento do serviço. O agente lê os registros de serviço no sistema da própria oficina, e não em anotações dele. Quando um técnico altera a data de conclusão prometida, o responsável pelos registros atualiza a ordem de serviço, e a resposta seguinte já reflete a mudança, sem que ninguém precise editar o agente.
Ferramentas e permissões: o agente age apenas até onde foi autorizado
Ferramentas são as ações que o agente pode executar: ler uma agenda, redigir uma resposta, criar um registro, enviar uma mensagem, atualizar um status. Cada ferramenta precisa de uma descrição escrita do que faz, de um escopo que a limite aos registros de que ela precisa e de um nível de permissão que separe leitura de escrita. Escrever e enviar merecem a atenção mais cuidadosa, porque essas etapas são as mais difíceis de desfazer sem que se perceba.
Trate tudo o que o agente lê como entrada não confiável. E-mails, páginas da web e documentos enviados podem conter textos escritos para direcionar o modelo. A orientação da OWASP sobre injeção de prompt recomenda que a aplicação, e não o modelo, imponha o que uma ação tem permissão de fazer. A autorização deve ficar fora do modelo: a ferramenta verifica identidade e escopo em cada chamada, seguindo a mesma disciplina que a OWASP descreve em sua orientação sobre autorização.
Conceda as ferramentas à identidade própria do agente com o menor privilégio necessário, e exija aprovação humana para movimentação de dinheiro, exclusões e mensagens enviadas para fora da empresa. O responsável pelas permissões, normalmente o dono do negócio, aprova cada nova ação antes que ela chegue à produção.
Como a Be Human faz isso: em operações gerenciadas, a Be Human escreve o escopo e o limite de aprovação de cada ferramenta, mantém um registro de credenciais e permissões que o cliente pode consultar e realiza revisões de permissão agendadas. Mudanças nas ferramentas passam por um pedido escrito e por uma etapa de aprovação, para que o responsável pelas permissões veja cada nova capacidade antes de ela entrar em operação. A rotina está descrita em revisão trimestral de permissões de agentes de IA.
Canais e observabilidade: onde as pessoas encontram o agente e como você acompanha o trabalho dele
Um canal é o lugar por onde uma pessoa ou um sistema chega ao agente: e-mail, uma janela de chat, um formulário na web, um aplicativo de mensagens ou uma tela interna. Comece com um ou dois. Cada canal precisa de uma identidade clara, para que as pessoas saibam que estão falando com um agente e qual função ele representa, além de regras próprias sobre o que pode e o que não pode ser pedido.
A observabilidade é como o dono enxerga o que aconteceu. A introdução à observabilidade da OpenTelemetry descreve a telemetria em termos de traces, métricas e logs, e a mesma lógica se aplica a agentes. O trace de uma solicitação deve mostrar a entrada, cada chamada ao modelo, cada chamada de ferramenta, cada pedido de aprovação e o resultado final. Registre o suficiente para reconstruir qualquer decisão e aplique às informações de registro as mesmas regras de retenção e privacidade que você aplica aos registros de origem, já que logs costumam conter dados pessoais.
Acrescente avaliações sobre os logs. Mantenha um conjunto fixo de solicitações anteriores com respostas corretas conhecidas, rode esse conjunto após cada mudança no modelo, no prompt, nas ferramentas ou na memória, e revise as diferenças antes de liberar. O responsável pela observabilidade lê um resumo periódico das solicitações que falharam ou foram escaladas, porque elas mostram onde as regras são fracas.
Um plano de primeira versão para um papel
O caminho mais rápido para uma camada utilizável é construir em torno de um único papel e deixar as demais partes crescerem a partir dele. O plano abaixo serve a uma pequena empresa com um líder de operações e um responsável técnico, interno ou externo.
- Passo um: escreva o trabalho do papel em duas frases, incluindo o que o agente nunca deve fazer.
- Passo dois: liste as sete partes e escreva ao lado de cada uma o nome de um dono.
- Passo três: defina um critério de sucesso observável, pontuado em um conjunto fixo de testes que o dono revisa toda semana.
- Passo quatro: liste cada ferramenta que o agente precisa e marque cada uma como leitura ou escrita.
- Passo cinco: defina os limites de aprovação e escreva as regras de parada no runbook.
- Passo seis: conecte um canal e ative os logs antes da primeira solicitação real.
- Passo sete: rode um piloto com um grupo pequeno, revise os logs toda semana e mude uma coisa por vez.
Mantenha a primeira versão deliberadamente estreita. Acrescentar um segundo canal, um segundo papel ou uma memória mais ampla antes de medir a primeira versão torna as falhas mais difíceis de rastrear. Para uma visão mais ampla de como as peças se conectam, um mapa de arquitetura em uma página é um bom complemento. Se você não tem certeza de quais dessas partes sua empresa já possui, o diagnóstico gratuito de IA da Be Human ajuda a encontrar a primeira tarefa que vale entregar a um agente.
Perguntas frequentes
Uma pequena empresa precisa das sete partes desde o primeiro dia? Você precisa de uma versão funcional de cada parte, mas não de uma construção completa de todas. Um único papel pode funcionar com uma escolha simples de modelo, uma memória curta de registros verificados, duas ou três ferramentas, um canal e logs básicos. As partes podem crescer quando o primeiro papel tiver provado seu valor.
Podemos trocar o modelo depois sem reconstruir o resto? Sim, desde que o modelo fique atrás de uma única interface no harness e que memória, ferramentas e permissões vivam fora dele. Mesmo assim, cada troca de modelo deve passar pelo conjunto de avaliação, porque um modelo novo pode responder de forma diferente à mesma solicitação. O responsável técnico registra a mudança e o resultado.
Quem deve ser dono da camada se não temos equipe técnica? Atribua os sete donos mesmo assim, e deixe um parceiro externo de implementação responder pelas partes técnicas sob um escopo escrito. O líder de operações mantém as regras de negócio, o critério de sucesso e as aprovações de permissão. É a titularidade, e não a ferramenta, que mantém a camada sob o seu controle.
Como saberemos se o agente está funcionando? Meça em relação ao critério de sucesso que você escreveu antes do lançamento, usando o mesmo conjunto de testes toda semana. Leia os logs das solicitações que falharam ou foram escaladas, e não apenas as bem-sucedidas, porque elas mostram onde as regras são mais fracas. Se os resultados dos testes e os logs divergirem, investigue antes de mudar qualquer coisa.
Seu próximo passo
Descubra primeiro onde um agente de IA cabe na sua empresa.
Faça o diagnóstico gratuito de IA da Be Human. Algumas perguntas sobre o seu trabalho mostram qual tarefa entregar primeiro a um agente, o que ele precisa saber e onde uma pessoa aprova.
Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.


