Camada de superinteligência para empresas: plano de seis meses

Uma camada de superinteligência para empresas é a infraestrutura de trabalho que permite a agentes de IA manter o contexto, a memória, as ferramentas e as permissões da empresa sob controle humano, e que continua melhorando à medida que os modelos subjacentes evoluem. A forma prática de construí-la é em sequência: primeiro definir o papel do negócio e o teste de sucesso, depois acrescentar a estrutura de execução (harness), memória, ferramentas, permissões, canais e monitoramento, com cada etapa comprovando seu valor antes de a seguinte começar.

Principais pontos

• Comece com um papel e um resultado mensurável, não com a compra de uma plataforma.
• Coloque a estrutura de execução, as permissões e o monitoramento no lugar antes de ampliar memória ou ferramentas.
• Deixe cada camada provar seu lugar: uma etapa só fecha quando a evidência está registrada por escrito.
• Mantenha prompts, casos de avaliação, fontes de memória e contratos de ferramentas sob seu controle para que o modelo possa ser trocado.
• Planeje mudanças desde o início, com revisões periódicas de modelos, ferramentas e acessos.

Por que a ordem importa mais que os componentes

Muitas empresas começam pelas partes que parecem mais impressionantes: uma assinatura de modelo, um índice de documentos, uma interface de chat. Essas partes não estão erradas, mas, montadas sem um papel definido e sem um teste de sucesso, viram algo que ninguém consegue auditar ou ampliar. Uma camada que se acumula é aquela em que cada acréscimo facilita o seguinte e a verificação, e isso só acontece quando a base está resolvida antes de a superfície crescer.

A sequência abaixo segue uma lógica simples. Decisões caras de reverter vêm primeiro, como qual papel o agente desempenha e o que ele nunca pode fazer. Decisões baratas de mudar vêm depois, como a redação de um prompt ou a escolha de um modelo específico. Os seis meses são uma forma de planejamento, não uma promessa, porque uma equipe com dono claro e dados acessíveis avança mais rápido do que outra que ainda está decidindo quem responde pelo processo. Se quiser um mapa das peças antes de começar, o mapa da arquitetura de IA ajuda líderes a ver onde cada componente se encaixa.

Meses um e dois: definir o papel, o teste de sucesso e a escolha do modelo

Comece com um papel. Um primeiro papel útil tem uma entrada clara, uma saída reconhecível, uma pessoa nomeada que recebe essa saída e um resultado mensurável em termos comuns de negócio, como quanto tempo um pedido espera ou com que frequência o trabalho volta para correção. Escreva o critério de sucesso antes de alguém abrir o console de um modelo. Se você não consegue descrever uma semana aprovada, o agente será julgado por impressões, e impressões mudam com o tempo.

Em seguida, escolha o modelo e mantenha a escolha restrita. Selecione-o pelo raciocínio que o papel exige, pelo tempo de resposta que precisa cumprir e pelos dados que vai tratar, e registre por que foi escolhido. Não deixe o modelo definir a camada. É provável que você troque de modelo durante os seis meses, então os prompts, casos de avaliação e descrições de ferramentas que você escreve agora devem funcionar com qualquer modelo capaz.

Cenário ilustrativo: um distribuidor de equipamentos de médio porte quer checar mais rápido as notas fiscais de fornecedores. A equipe define o papel como sinalizar notas cujos itens não batem com o pedido de compra e enviar esses sinais ao responsável por contas a pagar. O critério de sucesso é que cada sinal seja revisado no mesmo dia útil, com uma nota curta indicando quais foram alarmes falsos. Nada além disso entra no escopo durante o primeiro mês.

Meses dois a quatro: construir a estrutura de execução e a memória

A estrutura de execução (harness) é o código e a configuração em torno do modelo: como as instruções são carregadas, como uma tarefa é dividida em etapas, quando o agente para e o que faz quando uma chamada de ferramenta falha. As orientações de engenharia da Anthropic sobre agentes de execução longa descrevem o valor de registros de progresso escritos e de pontos de partida claros para cada sessão. Construa a estrutura para que uma nova sessão retome a partir de um estado registrado, e não do que o modelo por acaso lembra.

A memória precisa de limites. Separe três tipos: o que o agente mantém de forma permanente (regras do papel, terminologia aprovada, contatos de escalonamento), o que ele recupera sob demanda de documentos aprovados e o que descarta ao fim de uma tarefa. A recuperação a partir das suas próprias coleções de documentos costuma ser o padrão certo para começar com conhecimento da empresa, porque a fonte continua nos seus sistemas e pode ser atualizada ou retirada. O ajuste fino (fine-tuning) é uma decisão separada e raramente é a primeira. Registre quais coleções o agente pode ler, quem é dono de cada uma e como o conteúdo desatualizado é aposentado. Memória sem dono vira passivo na primeira vez que uma política mudar.

Meses três a cinco: acrescentar ferramentas, permissões e canais

Ferramentas são o ponto em que um agente começa a agir em nome da empresa, então cada uma precisa de um contrato escrito: o que faz, quais entradas aceita, o que devolve e no que não pode mexer. As descrições das ferramentas importam mais do que a maioria das equipes espera, porque o modelo escolhe entre elas com base nessas descrições. O Model Context Protocol oferece uma forma comum de conectar modelos a sistemas externos, o que pode reduzir o trabalho de conexão sob medida, mas uma conexão padronizada não decide quem pode fazer o quê.

Conceda permissões por papel, não por conveniência. Um agente que consulta o status de pedidos não precisa de permissão de escrita no sistema de pedidos, e um agente que redige respostas não precisa enviá-las. As orientações de autorização da OWASP favorecem acesso restrito e verificado em cada requisição, em vez de confiança ampla concedida uma única vez. Exija aprovação humana explícita para qualquer ação que altere dinheiro, registros de clientes ou compromissos externos, e amplie isso somente quando a evidência sustentar. Quando uma ferramenta puder disparar um pagamento ou criar um registro, use chaves de idempotência para que uma chamada repetida não duplique a ação, padrão que provedores de pagamento documentam em suas próprias APIs.

Os canais vêm por último nesse grupo. Um agente que publica em um chat compartilhado, responde e-mails de clientes ou recebe webhooks fica exposto a injeção de prompt, porque instruções podem chegar dentro de conteúdos que o agente lê. A orientação da OWASP sobre injeção de prompt recomenda tratar o texto recuperado como dado, e não como comando, e manter o uso de ferramentas dentro de uma lista aprovada. Teste isso deliberadamente com exemplos hostis antes de qualquer canal entrar no ar.

Meses cinco e seis: monitoramento, avaliações e mudança controlada

O monitoramento é o que transforma a camada de demonstração em operação. Registre cada execução com suas entradas, as fontes recuperadas, as chamadas de ferramenta feitas, as aprovações pedidas e concedidas, os erros e a saída final, tudo sob um esquema consistente. Os conceitos de observabilidade do OpenTelemetry oferecem um vocabulário comum para traces, métricas e logs, e suas convenções para IA generativa ajudam a nomear o que você registra. Sem esse registro, o primeiro incidente vira um exercício de adivinhação.

As avaliações transformam observações em um teste repetível. As orientações da Anthropic sobre avaliações de agentes recomendam começar com um conjunto pequeno de tarefas tiradas de sucessos e falhas reais, avaliadas de forma consistente e executadas de novo após cada mudança. Trate isso como rotina:

• Exporte uma amostra de execuções reais das últimas duas semanas e classifique cada uma como correta, aceitável ou errada.
• Converta cada caso errado ou limítrofe em um teste fixo, com o comportamento esperado escrito ao lado.
• Rode o conjunto completo antes e depois de cada mudança em um prompt, ferramenta, fonte de memória ou modelo.
• Revise o registro de falhas com o dono do processo toda semana nos primeiros meses, depois na cadência combinada na revisão.
• Mude uma coisa de cada vez e registre a mudança, o motivo e o responsável.

A partir daqui, todas as mudanças seguem um caminho escrito. Encaminhe pedidos para alterar o papel, uma ferramenta ou uma permissão por um processo formal de solicitação de mudança, para que cada atualização tenha motivo, aprovador e resultado de teste anexados.

Manter a camada sob controle humano

A Be Human projeta, implanta e opera esse tipo de camada como serviço gerenciado, de forma remota, em inglês ou em português. Um primeiro trabalho define um papel útil, a memória e as ferramentas de que ele precisa, seus limites de aprovação e um critério de sucesso observável. A operação gerenciada pode então cobrir monitoramento, avaliações recorrentes, manutenção de integrações, revisão de permissões, resposta a incidentes e melhorias controladas, de modo que a empresa mantenha o poder de decisão sobre a identidade, a memória, os canais e as permissões do agente enquanto o trabalho operacional continua. As revisões trimestrais de acesso fazem parte dessa rotina, e o artigo sobre quanto tempo leva para implementar um agente de IA mostra como esse ritmo costuma se estabilizar.

Se você não tem certeza por qual etapa sua empresa deve começar, o diagnóstico gratuito de IA da Be Human pode ajudar a encontrar a primeira tarefa que vale entregar a um agente.

Perguntas frequentes

Quanto tempo leva a construção? Os seis meses descrevem uma sequência, não um cronograma fixo. Algumas empresas concluem as duas primeiras etapas rapidamente, enquanto outras gastam mais tempo acertando responsabilidades e limites, que costuma ser a parte mais lenta. O teste útil é se cada etapa tem evidência escrita antes de a seguinte começar.

Precisamos da camada completa antes de o primeiro agente entrar no ar? Não. Um primeiro agente deve rodar com papel restrito, ferramentas limitadas e aprovação humana em cada ação relevante. O restante da camada cresce ao redor desse agente em funcionamento à medida que a evidência se acumula.

Podemos trocar de modelo depois sem reconstruir tudo? Sim, desde que prompts, casos de avaliação, contratos de ferramentas e fontes de memória sejam mantidos separados de recursos específicos de um fornecedor. Guarde-os como ativos seus e rode de novo o conjunto de avaliação em qualquer novo modelo antes de trocar.

Quem deve ser dono da camada dentro da empresa? Um dono de negócio nomeado deve responder pelo papel e pelo critério de sucesso, enquanto operações ou TI cuidam de acessos e registros. Os direitos de decisão sobre permissões e memória não devem ficar apenas com um fornecedor externo. Equipes menores costumam acumular essas responsabilidades, mas elas ainda devem estar escritas.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.