Infraestrutura de IA personalizada
Arquitetura de superinteligência para empresas: as camadas a projetar
As camadas da arquitetura de superinteligência empresarial, o que cada uma controla e como desenhá-las para que os ganhos se acumulem sem recomeçar.

Uma arquitetura de superinteligência empresarial é o conjunto de camadas que permite que agentes de IA atuem em nome da empresa enquanto ela mantém o controle sobre identidade, memória, ferramentas, permissões e registros. As camadas são modelos, harness (o mecanismo que executa o ciclo do agente), memória, ferramentas, permissões, canais e observabilidade. Cada uma deve ser dona de uma parte específica do contexto operacional da empresa, para que as melhorias se mantenham em vez de serem refeitas do zero. Projetar essas camadas de propósito é o que permite trocar de modelo ou acrescentar agentes sem perder o que o sistema já aprendeu.
Principais pontos
- A arquitetura tem sete camadas: modelos, harness, memória, ferramentas, permissões, canais e observabilidade.
- Os modelos são a camada mais substituível, então a empresa deve ser dona da memória, das permissões e dos registros que ficam acima deles.
- Cada camada precisa de um responsável nomeado, um limite escrito e uma forma de ser verificada.
- Os ganhos se acumulam só quando as lições do uso diário voltam para a memória, as avaliações e as permissões, e não ficam no histórico de conversas de uma pessoa.
- Desenhe as camadas antes de escalar agentes, começando por um papel, um conjunto de registros e um critério de sucesso mensurável.
Por que as camadas importam mais que o modelo
A maioria das conversas de negócio sobre IA começa pelo modelo, porque ele é a parte visível. Os modelos mudam rápido, e uma empresa que amarrou seus fluxos, prompts e registros a um único fornecedor vai achar cada mudança cara. Os ativos duráveis estão ao redor do modelo: os fatos que o agente pode usar, as ações que ele pode executar, as pessoas que aprovam exceções e as evidências que mostram se o trabalho foi bem feito.
Um desenho em camadas separa essas preocupações. Quando a empresa sabe qual camada é dona de cada decisão, pode trocar um modelo sem reescrever suas políticas, revogar uma ferramenta sem mexer na memória e revisar o comportamento de um agente sem ler cada conversa. Esse é o sentido prático de acúmulo: cada ciclo de uso melhora uma camada que a empresa controla, e essa melhoria sobrevive ao próximo lançamento de modelo.
Para a liderança, o primeiro artefato útil é um mapa de uma página com essas camadas e o nome do responsável por cada uma. O guia revisão da arquitetura de IA da empresa mostra como desenhar essa página sem jargão técnico.
As sete camadas e o que cada uma deve controlar
Cada camada tem uma função clara. A pergunta sobre propriedade é o que a empresa precisa ter em casa e o que pode alugar.
- Modelos: os motores de raciocínio que o agente chama. A empresa deve ser dona dos critérios de seleção, dos resultados das suas avaliações e da capacidade de trocar de fornecedor, não do modelo em si. A revisão do risco de dependência está em dependência de fornecedor em agentes de IA.
- Harness: o ambiente de execução que roda o ciclo do agente, monta o contexto, chama as ferramentas e decide quando parar, perguntar ou escalar. A empresa deve ser dona das regras que o harness aplica.
- Memória: os fatos duráveis da empresa que o agente pode usar, como políticas, procedimentos, regras de produto e histórico de contas. A memória precisa ser exportável, corrigível e apagável.
- Ferramentas: as funções que o agente pode chamar, como ler um chamado, redigir um documento ou atualizar um registro. Cada ferramenta precisa de entradas, saídas e comportamento de falha definidos.
- Permissões: quem ou o que pode agir, em quais sistemas, dentro de qual escopo e por quanto tempo. As permissões pertencem aos controles de identidade e acesso da empresa, não a instruções escritas em um prompt.
- Canais: os lugares onde pessoas e agentes se encontram, como e-mail, chat, formulário web ou fila interna. Os canais são donos do registro da conversa e da passagem para um humano.
- Observabilidade: rastros, logs, métricas e resultados de avaliação que mostram o que o agente fez, por quê, e se o resultado estava correto.
A lista de responsabilidades importa mais do que a lista de camadas. Se uma camada não tem responsável nomeado, ela vai se desviar do combinado, e o primeiro sinal costuma ser um incidente, não um relatório.
Como o harness e a memória trabalham juntos
Harness e memória são frequentemente confundidos, e essa confusão gera erros caros. A memória é o que a empresa sabe e mantém entre sessões. O contexto é o que o agente enxerga durante uma execução. O harness é o mecanismo que seleciona, reduz e monta o contexto a partir da memória, do pedido atual e dos resultados das ferramentas.
As orientações de engenharia da Anthropic sobre engenharia de contexto tratam o contexto de trabalho de um agente como um recurso limitado, que precisa ser curado, e não como uma pilha de tudo o que pode ser relevante. Essa ideia ajuda líderes porque muda a pergunta de “quanto podemos dar ao modelo” para “quais fatos este papel deve ver, em que ordem, e quem decidiu isso”. Um harness que carrega o arquivo inteiro de políticas em todo pedido é lento, caro e difícil de auditar.
Separe as duas coisas no desenho. Guarde os fatos duráveis na memória, com uma fonte e um responsável. Deixe o harness buscar apenas o que cada tarefa precisa, e registre quais fatos foram usados. Quando uma resposta estiver errada, você consegue dizer se o fato faltava, estava desatualizado ou foi ignorado.
Ferramentas e permissões: onde o risco se concentra
As ferramentas são onde um agente deixa de ser um gerador de texto e passa a alterar coisas. Por isso, as permissões devem ser desenhadas antes de a primeira ferramenta ser conectada. A lista OWASP Top 10 para aplicações com LLM inclui a agência excessiva como categoria de risco, ou seja, um agente com mais funcionalidades, permissões ou autonomia do que sua tarefa exige. A injeção de prompt, em que um conteúdo não confiável tenta sobrescrever as instruções do agente, é outra categoria a prever, principalmente quando o agente lê e-mails, páginas da web ou documentos enviados.
As orientações de autorização da OWASP trazem um ponto que se aplica diretamente aqui: a decisão de autorização deve ser aplicada pelo sistema que guarda o recurso, e não presumida a partir do que a pessoa ou o agente informou. Na prática, a ferramenta do agente deve verificar papel, escopo e propriedade do registro no momento da ação, e não confiar em uma flag escrita no prompt.
Use os limites de aprovação como guia de decisão:
- Ações somente de leitura dentro de um sistema: o agente pode agir sozinho, com registro.
- Escritas reversíveis, como rascunhos ou etiquetas: o agente pode agir, com uma amostra revisada em intervalos regulares.
- Mensagens a clientes, pagamentos, exclusões e mudanças de direitos de acesso: uma pessoa nomeada deve aprovar antes de a ação ser concluída.
Revise esses limites em um calendário fixo. O guia revisão trimestral de permissões de agentes de IA descreve como conduzir essa revisão passo a passo.
Observabilidade: tornando os ganhos visíveis
Sem observabilidade, um agente pode parecer bem-sucedido enquanto falha em silêncio. O material introdutório da OpenTelemetry descreve três tipos de sinal que se encaixam bem em sistemas de agentes: traces, que acompanham uma requisição por todas as suas etapas; métricas, que resumem o comportamento ao longo do tempo; e logs, que registram eventos isolados. Aplicado a um agente, um trace mostra quais registros foram lidos, quais ferramentas foram chamadas, o que o modelo devolveu e em que ponto um humano interveio.
As avaliações são a segunda metade. Os guias de avaliação da OpenAI e os textos da Anthropic sobre avaliação de agentes descrevem a prática de definir casos de teste e critérios, executá-los de forma repetida e acompanhar os resultados conforme o sistema muda. Um conjunto pequeno e bem escolhido, que reflita tarefas reais, é mais útil que um conjunto grande que ninguém mantém.
Cenário ilustrativo: um agente de triagem de suporte recebe mensagens de clientes e as encaminha para a equipe certa. Seus traces mostram que dúvidas de cobrança sobre renovações são frequentemente enviadas para a fila geral. Um conjunto semanal de avaliações, montado com mensagens antigas, confirma o padrão. A correção é ajustar o registro da memória que descreve as condições de renovação, e não trocar de modelo. Sem os traces e o conjunto de avaliações, a equipe teria culpado o modelo e alterado a camada errada. Para o hábito mais amplo de transformar esses achados em melhorias, veja revisão trimestral de IA na empresa.
Um plano passo a passo para desenhar suas camadas
Use esta sequência para o primeiro papel. Ela funciona tanto se você construir internamente quanto se trabalhar com um parceiro.
- Passo um: descreva o papel em uma frase e o critério de sucesso em uma linha mensurável.
- Passo dois: liste os registros que o papel precisa, marque quais a empresa é dona e diga onde cada um fica.
- Passo três: atribua um responsável a cada uma das sete camadas, mesmo quando um fornecedor opera a camada por contrato.
- Passo quatro: defina as entradas, saídas e o comportamento de falha de cada ferramenta, e conceda apenas os escopos que o papel exige.
- Passo cinco: escreva os limites de aprovação para cada classe de ação, com o aprovador nomeado.
- Passo seis: configure traces e um conjunto pequeno de avaliações antes de o agente tocar em trabalho real.
- Passo sete: agende uma revisão em que cada achado altere a memória, as permissões ou as avaliações, e não apenas o prompt.
A superinteligência empresarial e governança de agentes é uma referência útil para atribuir esses responsáveis e decidir quem pode mudar uma camada.
Por onde começar com as suas camadas
A Be Human projeta e opera esse tipo de infraestrutura em camadas para empresas, em inglês e em português, como serviço remoto. Uma primeira contratação define um papel útil, a memória e as ferramentas de que ele precisa, os limites de aprovação e um critério de sucesso observável. A operação gerenciada pode então cobrir monitoramento, avaliações recorrentes, manutenção das integrações, revisão de permissões, resposta a incidentes e melhorias controladas, de modo que cada camada tenha um responsável que a verifique ao longo do tempo. A empresa mantém o controle sobre sua identidade, memória, canais, ferramentas, permissões e contexto operacional durante todo o processo.
O melhor ponto de partida raramente é o processo maior. Geralmente é uma tarefa repetitiva, com registros claros, um aprovador definido e um resultado que você consegue medir em uma semana. Faça o diagnóstico gratuito de IA da Be Human para identificar a primeira tarefa que vale a pena entregar a um agente.
Perguntas frequentes
O que é a arquitetura de superinteligência empresarial? É o desenho em camadas que permite que agentes de IA trabalhem para a empresa sob o controle dela. As camadas são modelos, harness, memória, ferramentas, permissões, canais e observabilidade. Cada uma deve ter um responsável claro, um limite escrito e uma forma de verificar seu comportamento.
Qual camada a empresa deve controlar primeiro? Comece pela memória e pelas permissões, porque elas guardam os fatos e a autoridade da empresa. Modelos podem ser alugados e trocados, mas os registros de que o agente depende e os limites do que ele pode fazer precisam continuar sob controle da empresa. Ferramentas e observabilidade vêm em seguida, assim que o primeiro papel estiver definido.
Uma empresa pequena precisa das sete camadas? Uma empresa pequena pode começar com uma versão simples de cada camada, em vez de pular alguma. Um único agente com um arquivo curto de memória, duas ferramentas, um aprovador e uma revisão semanal dos traces já cobre as sete funções. A complexidade pode crescer depois que o primeiro papel gerar resultados mensuráveis.
Isso é diferente de comprar uma ferramenta de IA pronta? Uma ferramenta pronta costuma reunir as camadas sob as regras do fornecedor, o que pode dificultar a exportação e a revisão da memória, das permissões ou dos logs. Uma arquitetura em camadas mantém essas camadas visíveis e portáteis, para que a empresa possa trocar de fornecedor ou acrescentar agentes sem começar do zero.
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.


