Infraestrutura de IA personalizada
Camada de superinteligência sobre software existente: 3 padrões
Compare três formas de adicionar uma camada de inteligência ao software atual, com trade-offs em memória, permissões e observabilidade. Inclui checklist de decisão.

Uma camada de superinteligência sobre software existente é o conjunto de memória, ferramentas, permissões e observabilidade que permite a agentes de IA trabalhar entre os sistemas atuais da empresa, sob controle humano. Normalmente, as empresas a constroem de uma de três formas: conectar os agentes diretamente a cada sistema, instalar um índice de contexto compartilhado ao lado desses sistemas ou direcionar toda ação do agente por um gateway governado. Cada padrão trata memória, permissões e observabilidade de um jeito diferente, por isso a escolha certa depende de quantos sistemas o primeiro papel toca e de quanto o agente pode alterar.
Principais pontos
- A camada é definida por quatro controles: memória, ferramentas, permissões e observabilidade. Se um deles faltar, o agente fica difícil de confiar e mais difícil de corrigir.
- Conectores diretos são o padrão mais rápido para começar, mas as permissões se espalham por todos os sistemas e os registros de auditoria ficam irregulares.
- Um índice de contexto compartilhado dá à empresa uma visão única e governada do que ela sabe, mas cria uma segunda cópia de dados sensíveis que precisa de regras de acesso próprias.
- Um gateway governado oferece o modelo de permissões e a trilha de auditoria mais limpos, ao custo de mais desenho antecipado e de mais um componente para operar.
- Escolha o padrão a partir dos sistemas que o primeiro papel toca, da sensibilidade dos dados e das ações que o agente pode executar, e teste um papel antes de expandir.
O que a camada precisa fazer sobre o software existente
Seus sistemas atuais foram feitos para registrar o trabalho: o CRM guarda o contato com o cliente, a central de atendimento acompanha os chamados, o sistema contábil mantém as notas e o drive compartilhado guarda os contratos. Nenhum deles foi pensado para permitir que um agente raciocine sobre tudo isso ao mesmo tempo. A camada acrescenta quatro coisas. A memória define o que o agente sabe, de onde veio esse conhecimento e por quanto tempo ele continua válido. As ferramentas definem as ações que o agente pode executar, descritas com precisão suficiente para que uma decisão errada seja fácil de identificar. As permissões definem com qual identidade o agente age, quais ações ele pode realizar sozinho e quais exigem a aprovação de uma pessoa nomeada. A observabilidade registra o que o agente leu, o que decidiu e o que alterou, para que uma pessoa consiga reconstruir qualquer tarefa depois.
A observabilidade merece atenção desde o início. A documentação do OpenTelemetry apresenta o problema como a capacidade de fazer perguntas sobre o comportamento de um sistema a partir da telemetria que ele emite, como traces, métricas e logs. No caso de um agente, o trace deve conectar, em uma única linha do tempo, a solicitação, o contexto recuperado, cada chamada de ferramenta e o resultado final. Se a atividade do agente estiver espalhada por quatro painéis de fornecedores diferentes, com relógios diferentes, você não tem observabilidade. Tem quatro registros parciais.
Os sistemas de registro continuam sendo a fonte da verdade em qualquer padrão. A camada não deve se tornar essa fonte sem que ninguém perceba. Um erro comum é deixar a memória do agente virar um banco de dados não oficial que ninguém mantém. Trate a memória como uma visão derivada, que pode ser reconstruída a partir dos sistemas de origem. Se você quer um desenho de uma página mostrando onde cada sistema se encaixa antes de escolher um padrão, o guia sobre as camadas da infraestrutura de IA empresarial mostra como fazer esse mapa.
Padrão um: conectores diretos a cada sistema
No primeiro padrão, o agente recebe uma ferramenta por sistema. Cada ferramenta usa a API do fornecedor, webhooks ou regras de automação nativas. O agente mantém seu próprio armazenamento de memória, alimentado pelas interações passadas e por notas que ele tem permissão para salvar. Não há índice compartilhado nem gateway central. Cada conector é configurado no próprio sistema onde vive.
A força está na velocidade e em poucas peças móveis. Quando um papel toca dois ou três sistemas e trabalha principalmente com leitura ou rascunhos, os conectores diretos costumam ser o caminho com menos esforço para colocar em funcionamento e para explicar às pessoas que usam o agente.
Os trade-offs aparecem conforme o papel cresce. As permissões se dispersam: cada conector tem seu próprio token, seus próprios escopos, sua própria data de expiração e sua própria tela de administração, então uma revisão de permissões exige abrir todas elas. O guia de OAuth 2.0 do Google é uma boa referência para pedir escopos restritos em vez de acesso amplo em cada conector. A observabilidade depende do que cada fornecedor registra, e isso costuma ser menos do que você precisa. A memória desvia com o tempo, porque o agente pode manter um endereço antigo ou um preço desatualizado copiado de uma nota e nunca corrigido. Por fim, qualquer conector que leia conteúdo externo, como e-mails de clientes ou textos de chamados, pode trazer instruções que tentem sobrepor o comportamento do agente. A orientação da OWASP sobre injeção de prompt descreve esse risco, e ele se torna grave quando o mesmo agente tem ferramentas de escrita.
Os conectores diretos são um ponto de partida razoável para um papel único e restrito, com trabalho predominantemente de leitura. Eles ficam caros de governar quando vários papéis compartilham os mesmos sistemas.
Padrão dois: um índice de contexto compartilhado ao lado dos sistemas
No segundo padrão, a empresa constrói uma camada de recuperação sobre documentos, registros e resumos aprovados. Quando o agente precisa de contexto, ele consulta o índice e recebe os trechos relevantes para raciocinar. Essa é a base técnica usual da geração aumentada por recuperação, descrita na arquitetura de referência do Google Cloud: o modelo consulta material atual da empresa no momento da pergunta, em vez de ser retreinado com ele. As alterações que o agente propõe continuam voltando ao sistema que é dono do registro, por meio de uma solicitação de ação, e não pelo índice.
A força está em um lugar único e governado para o conhecimento da empresa. Vários agentes podem compartilhar o mesmo contexto validado, o que mantém as respostas consistentes entre os papéis. Menos agentes precisam de caminhos diretos de escrita nos sistemas centrais, o que reduz a superfície que você precisa proteger.
Os trade-offs são específicos. O índice é uma cópia, então pode ficar desatualizado. Cada item precisa de uma origem, um dono e uma regra de verificação. O índice também reúne material sensível em um único armazenamento, então suas regras de acesso devem espelhar as permissões dos sistemas de origem. Uma busca que ignore essas permissões vai expor conteúdo a pessoas e agentes que nunca deveriam vê-lo. A observabilidade precisa cobrir a recuperação, não apenas as respostas finais, porque uma resposta errada muitas vezes se explica por um trecho errado recuperado. Você precisa conseguir ver quais itens foram devolvidos em cada solicitação.
Cada item indexado deve carregar o mesmo conjunto mínimo de campos:
- O sistema de origem e o identificador do registro de onde ele veio.
- Um dono nomeado, que pode confirmar ou corrigir o conteúdo.
- A data da última verificação contra a origem.
- Os grupos de acesso copiados do sistema de origem, aplicados no momento da consulta.
- Uma marcação para conteúdo que nunca pode ser recuperado para a resposta de um agente.
O índice compartilhado depende de registros limpos. Se os dados de origem forem inconsistentes, o índice vai reproduzir essa inconsistência com fidelidade. O guia de análise de lacunas para superinteligência ajuda a identificar o que corrigir antes de indexar.
Um índice que ignora as permissões da origem é um vazamento de dados com uma caixa de busca.
Padrão três: um gateway governado entre agentes e sistemas
No terceiro padrão, o agente nunca chama um sistema de negócio diretamente. Cada chamada de ferramenta, leitura de memória e escrita de memória passa por um gateway. O gateway verifica a identidade por trás da solicitação, avalia as regras de política e de aprovação, aplica limites de taxa e registra um trace da solicitação e do resultado. O Model Context Protocol oferece uma forma comum de descrever ferramentas para agentes, o que ajuda a manter as definições consistentes entre agentes e modelos. O gateway é onde você aplica o que essas definições permitem. A orientação da Anthropic sobre como escrever ferramentas para agentes recomenda ferramentas estreitas e bem descritas, e o gateway é o lugar onde essa restrição vira um limite real.
A força está em um único modelo de permissões, uma única trilha de auditoria e um único ponto para interromper um agente. Os limites de aprovação passam a ser configuração, e não lógica espalhada pelos fluxos de trabalho. Se você trocar o modelo ou o fornecedor no futuro, a maior parte da mudança acontece no gateway, e não em cada fluxo. Isso importa para evitar a dependência de fornecedor, tema tratado em dependência de fornecedor em agentes de IA.
Os trade-offs são reais. O gateway exige mais desenho antes de o primeiro papel funcionar. É mais um serviço para rodar, monitorar e proteger. Ele acrescenta latência a cada chamada, e se parecer lento, as pessoas vão contorná-lo, o que anula o propósito. O gateway também é um alvo de alto valor, então a autorização precisa ser verificada em cada solicitação, e não apenas no início de uma sessão. A orientação da OWASP sobre autorização é clara ao dizer que as decisões de acesso devem ser aplicadas de forma consistente em cada ponto onde um recurso é usado. Por fim, um gateway mal desenhado pode virar gargalo para todas as equipes, então seu escopo deve corresponder às ações que realmente precisam de controle.
Como os três padrões se comparam em memória, permissões e observabilidade
Os padrões diferem mais nos três controles que decidem se um agente pode ser confiado no trabalho do dia a dia. A comparação abaixo é qualitativa e descreve onde cada padrão tende a exigir mais esforço.
- Memória: os conectores diretos mantêm a memória dentro de cada agente, então o desvio é provável e a limpeza é manual. Um índice compartilhado centraliza a memória com regras de origem e de atualização, o que exige uma propriedade disciplinada. Um gateway direciona as escritas de memória por verificações de política, o que as torna as mais fáceis de auditar, mas cada tipo de memória precisa de um dono nomeado desde o início.
- Permissões: os conectores diretos espalham as permissões por muitos painéis de fornecedores, o que torna as revisões lentas. Um índice compartilhado precisa espelhar as regras de acesso da origem no momento da consulta. Um gateway concentra as permissões em um único modelo, que é o mais fácil de revisar e também o mais fácil de errar se a política for descuidada.
- Observabilidade: os conectores diretos dependem do que cada fornecedor registra. Um índice compartilhado precisa registrar quais itens foram recuperados em cada solicitação. Um gateway pode produzir um trace por tarefa que abrange recuperação, chamadas de ferramenta e aprovações.
- Tempo até um primeiro papel funcionando: os conectores diretos costumam ser os mais rápidos. Um índice compartilhado acrescenta uma etapa de preparação de dados. Um gateway acrescenta trabalho de desenho da plataforma antes de o primeiro papel entrar em produção.
- Custo de mudança: os conectores diretos multiplicam o trabalho quando um sistema muda. Um índice compartilhado limita a mudança às regras de ingestão. Um gateway localiza a mudança no próprio gateway, desde que suas interfaces sejam estáveis.
Nenhum padrão é universalmente melhor. Muitas configurações maduras combinam os três: conectores diretos para um papel de leitura de baixo risco, um índice compartilhado para o conhecimento da empresa e um gateway para qualquer ação que escreva em um sistema de registro.
Como escolher e testar o primeiro padrão
Escolha o padrão depois de escolher o primeiro papel, e não antes. O papel define os sistemas, a sensibilidade dos dados e as ações, e esses três fatores geralmente decidem o padrão. Use a sequência a seguir:
- Passo um: liste cada sistema que o primeiro papel precisa ler e marque cada um como fonte da verdade ou como visão derivada.
- Passo dois: classifique cada ação como somente leitura, escrita reversível ou ação externa ou financeira. No início, automatize apenas as duas primeiras.
- Passo três: se o papel toca um ou dois sistemas e apenas lê ou rascunha, comece com conectores diretos. Se ele recorre a muitas fontes que outros papéis também precisam, adicione um índice compartilhado. Se ele escreve em vários sistemas ou depende de aprovações, use um gateway.
- Passo quatro: escreva o critério de sucesso antes de construir. Ele deve nomear o tipo de tarefa, a evidência que um revisor vai conferir e o tamanho da amostra revisada a cada semana.
- Passo cinco: defina as regras de parada: as condições que pausam o agente, a pessoa que é avisada e o processo alternativo para a equipe.
- Passo seis: teste com um grupo pequeno de usuários, revise os traces semanalmente e amplie o acesso somente depois que o critério for atendido.
Cenário ilustrativo: uma empresa regional de serviços quer que um agente redija orçamentos a partir do seu CRM e da sua tabela de preços. O papel toca dois sistemas e apenas redige, então a equipe começa com conectores diretos, e uma pessoa envia cada orçamento. Meses depois, o mesmo agente passa a responder perguntas sobre condições contratuais e garantias. A equipe adiciona um índice compartilhado para esses documentos, mantém o caminho do orçamento como estava e coloca qualquer escrita no CRM atrás de uma etapa de aprovação. Cada mudança foi motivada por um novo requisito, e não por preferência de plataforma.
Como a Be Human opera isso em operações gerenciadas
A Be Human desenha e opera esse tipo de camada como serviço gerenciado. Um primeiro projeto define um papel útil, a memória e as ferramentas de que ele precisa, seus limites de aprovação e um critério de sucesso observável, para que o padrão decorra de uma tarefa real. As operações gerenciadas cobrem depois o monitoramento, avaliações recorrentes, manutenção das integrações, revisão de permissões, resposta a incidentes e melhorias controladas, o que mantém conectores, índices e políticas do gateway sob revisão conforme seus sistemas mudam. O desenho busca manter as decisões sobre memória e acesso com os líderes da sua própria empresa, e não escondidas em configurações que ninguém lê.
Se você não tem certeza de qual padrão serve ao seu primeiro papel, o diagnóstico gratuito de IA da Be Human pode ajudar a encontrar a primeira tarefa que vale a pena entregar a um agente.
Perguntas frequentes
O que é uma camada de superinteligência sobre software existente? É o conjunto governado de memória, ferramentas, permissões e observabilidade que permite a agentes de IA trabalhar sobre sistemas que você já usa, como CRM, central de atendimento ou sistema contábil. A camada não substitui esses sistemas. Ela define o que os agentes podem saber, o que podem fazer, em nome de quem agem e como sua atividade é registrada.
Preciso substituir meus sistemas atuais para adicionar uma camada? Não. Os três padrões funcionam ao lado do software existente, e os sistemas de registro continuam como fonte da verdade. O trabalho real está em definir permissões, regras de memória e traces para os sistemas que você já tem, o que costuma ser mais exigente do que a conexão técnica em si.
Qual padrão é mais seguro em termos de permissões? Um gateway governado costuma ser o mais fácil de revisar, porque as decisões de permissão ficam em um único modelo e em uma única trilha de auditoria. Ele só é seguro, porém, se a autorização for verificada em cada solicitação e a política for escrita com cuidado. Conectores diretos podem ser seguros para papéis restritos de somente leitura, mas ficam difíceis de auditar conforme o número de conectores cresce.
Como saber se a camada está funcionando? Avalie-a pelo critério de sucesso que você escreveu antes do teste, e verifique com traces, e não com impressões. Revise uma amostra de tarefas toda semana, confirme que o agente para quando suas regras de parada são acionadas e verifique se o contexto recuperado estava atualizado e era permitido. Se você não consegue reconstruir uma tarefa a partir do seu trace, a camada ainda não é observável o suficiente para ser expandida.
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.


