Infraestrutura de IA personalizada
Checklist de infraestrutura para superinteligência em empresas reguladas
Checklist de armazenamento, acesso, aprovação e auditoria que empresas reguladas devem definir antes de dar autoridade real a um agente de IA.

Um checklist de infraestrutura para superinteligência em empresas reguladas lista os componentes de armazenamento, acesso, aprovação e auditoria que precisam estar prontos antes de qualquer agente de IA receber autoridade real sobre clientes, dinheiro, registros ou comunicação externa. Cada componente responde a uma pergunta que um regulador, um auditor ou um conselheiro vai fazer cedo ou tarde: onde fica a memória do agente, quem concedeu cada permissão, quais ações exigiram a confirmação de uma pessoa e que evidência sobra depois. Montar esses componentes agora significa que um modelo mais capaz no futuro muda o que o agente consegue fazer sem mudar quem responde por ele.
Principais pontos
- Defina os componentes de armazenamento, acesso, aprovação e auditoria antes de conceder qualquer autoridade real a um agente.
- Mantenha a memória e os documentos de origem em sistemas controlados pela empresa, com donos nomeados e regras de retenção, para que o modelo possa ser trocado sem perder registros.
- Dê a cada agente uma identidade própria, com os escopos mais estreitos que o seu papel único exige, e aplique esses limites nas próprias ferramentas.
- Exija um aprovador humano nomeado para ações que afetem clientes, pagamentos, contratos, registros regulados ou comunicação externa, e registre cada aprovação.
- Trate a atualização de capacidade como uma solicitação de mudança por escrito, que roda de novo as suas avaliações, e não como uma melhoria automática.
Por que a infraestrutura vem antes da autoridade
Um agente com autoridade real é um ator operacional. Ele lê registros, chama ferramentas, redige mensagens e, às vezes, executa alterações. Os frameworks de governança costumam fazer as mesmas perguntas de base, com outras palavras. O NIST AI Risk Management Framework, por exemplo, se organiza em torno de governar o risco de IA, mapear o contexto em que o sistema opera, medir seu comportamento e tratar as respostas. Dependendo de como o sistema é usado, o EU Artificial Intelligence Act acrescenta obrigações de documentação e de supervisão humana. Você não precisa decifrar cada cláusula antes de agir. Precisa mostrar, para cada agente, onde fica o conhecimento dele, o que ele pode tocar, quem aprovou esse acesso e o que aconteceu quando ele rodou.
A capacidade é a variável que muda. Um modelo melhor em ler contextos longos, planejar trabalho com várias etapas ou escolher ferramentas pode tentar ações que um modelo mais simples não tentaria. Por isso, os controles abaixo devem ser escritos de forma que não dependam de qual modelo está rodando. Se a regra diz que qualquer reembolso acima de um limite definido vai para uma pessoa nomeada, essa regra continua valendo quando o modelo por trás do agente mudar. O objetivo do desenho é uma governança que sobreviva às atualizações, e esse objetivo orienta cada item do checklist.
Um checklist também não substitui o julgamento sobre o papel em si. Antes de construir qualquer componente, a empresa deve conseguir descrever em um parágrafo para que o agente serve, como é o sucesso e o que ele nunca pode fazer. Os componentes existem para fazer essa descrição valer.
Checklist de armazenamento: onde ficam a memória e os registros
A memória é o componente que as empresas reguladas mais perdem de vista. Um agente acumula resumos, documentos recuperados, anotações e histórico de conversas, e parte desse material é pessoal ou confidencial. Os desenhos baseados em recuperação mantêm os documentos de origem fora do modelo e deixam o agente lê-los no momento do uso. Essa separação ajuda a governança, porque a empresa controla a fonte e pode alterá-la ou removê-la, enquanto o modelo continua sendo um componente de raciocínio substituível. Percorra a lista abaixo antes de conectar qualquer armazenamento:
- Faça um inventário de todo armazenamento do qual o agente lê ou no qual escreve, incluindo pastas de documentos, histórico de chamados, índices vetoriais, arquivos de anotações e registros de chat.
- Atribua a cada armazenamento um dono dentro da empresa, e não apenas um contato do fornecedor.
- Classifique o conteúdo por sensibilidade e marque quais armazenamentos contêm dados pessoais ou regulados.
- Guarde os documentos de origem em sistemas que a empresa consiga exportar, para que o agente possa ser reconstruído em outro modelo ou em outro ambiente de hospedagem.
- Escreva regras de retenção e exclusão para cada armazenamento, incluindo como os dados de uma pessoa são removidos quando ela pede.
- Versione as fontes de conhecimento, para conseguir dizer qual versão de documento embasou determinada resposta.
- Teste uma restauração: exporte o armazenamento, carregue-o em um ambiente limpo e confirme que o agente responde com base nas mesmas fontes.
O último item é o mais pulado. Um armazenamento que não pode ser exportado e restaurado é uma dependência, não um ativo.
Checklist de acesso: o que o agente alcança e em nome de quem
O agente deve ter a própria identidade em cada sistema que toca, e não um login compartilhado usado pela equipe. Essa identidade deve ter apenas as permissões que um papel documentado exige. A autorização delegada, como os fluxos OAuth 2.0 usados por muitas plataformas empresariais, permite que um usuário conceda uma permissão limitada que depois pode ser revogada. Isso é mais fácil de governar do que uma senha permanente guardada em um arquivo de configuração. A orientação de autorização da OWASP traz um ponto relacionado: as permissões devem ser verificadas a cada requisição pelo sistema que é dono do recurso, e não deduzidas a partir do que o solicitante diz que pode fazer.
- Dê a cada agente uma identidade distinta em cada sistema que ele usa.
- Conceda primeiro o acesso de leitura, e o acesso de escrita apenas onde uma tarefa documentada exigir.
- Separe as permissões por ação. Ver o cadastro de um cliente, redigir uma mensagem e enviar uma mensagem são três permissões diferentes, não uma só.
- Aplique a autorização nos sistemas e nas ferramentas. O modelo nunca deve ser o único controle que impede uma ação.
- Registre um dono, um motivo de negócio e uma data de revisão para cada concessão.
- Teste a revogação. Uma pessoa nomeada deve conseguir cortar o acesso de um agente com rapidez, e alguém deve ter verificado que esse corte realmente funciona.
Decisões de acesso são mais fáceis de defender quando são pequenas. Um agente que lê um único painel de projetos e redige mensagens em uma única caixa de e-mail é muito mais simples de revisar do que um agente com amplos direitos administrativos adicionados por conveniência.
Checklist de aprovação: quais ações esperam uma pessoa
Os pontos de aprovação são onde a autoridade real se torna uma decisão deliberada, e não um efeito colateral. Agentes que leem conteúdo não confiável, como e-mails recebidos ou documentos enviados, enfrentam um risco conhecido chamado injeção de prompt, em que um texto dentro desse conteúdo direciona o modelo para ações que a empresa nunca pretendeu. A orientação da OWASP sobre injeção de prompt trata isso como um problema de desenho, não apenas de redação. Um ponto de aprovação situado fora do modelo limita o que um agente manipulado consegue fazer, independentemente do que tenham tentado convencê-lo a executar. Classifique cada ação antes de ligar o agente, usando este guia de decisão:
- Leitura dentro do escopo concedido: permitida sem aprovação e registrada.
- Redação de material interno: permitida, revisada pelo dono da tarefa antes que alguém a use.
- Alteração reversível dentro de um sistema, como mudar o status de um chamado: permitida, com aviso ao dono da tarefa.
- Qualquer alteração que afete um cliente, um pagamento, um contrato ou um registro regulado: exige que um aprovador nomeado confirme cada caso antes da execução.
- Comunicação externa que fala em nome da empresa: exige aprovação até que o dono tenha revisado um histórico de acertos para aquele tipo de mensagem.
- Ações que a empresa decidiu que o agente nunca pode executar: bloqueadas na camada de ferramentas, e não apenas proibidas nas instruções.
Escreva esses limites em linguagem simples e mantenha-os em um documento que o aprovador consiga ler sem ajuda técnica. Elevar um limite é uma mudança no sistema e deve ser registrada como tal. A discussão em Limites de aprovação humana para agentes de IA mais fortes: guia prático mostra como ajustar essas linhas conforme a capacidade muda, sem enfraquecer a supervisão.
Checklist de auditoria e um cenário ilustrativo: o que precisa ser registrado
A auditoria é o componente que torna os outros três verificáveis depois que tudo aconteceu. A introdução à observabilidade da OpenTelemetry descreve a telemetria em termos de traces, métricas e logs, e esse vocabulário se encaixa bem no trabalho de um agente. Cada execução, chamada de ferramenta e aprovação pode virar um evento rastreável, com horário, ator e resultado. Registrar tudo não é o objetivo, porque prompts e respostas completos costumam conter dados pessoais que as regras de retenção precisam cobrir. O objetivo é registrar o suficiente para reconstruir o que aconteceu e por quê.
- A identidade do agente e a versão do modelo em uso em cada execução.
- A solicitação de negócio ou a tarefa que iniciou a execução.
- Cada chamada de ferramenta: o sistema, a ação, o escopo usado e o resultado.
- Para cada ação com aprovação exigida, a identidade do aprovador, o horário da aprovação e exatamente o que foi aprovado.
- Referências aos documentos de origem e às versões que o agente usou.
- Erros, recusas e encaminhamentos para uma pessoa.
- O prazo de retenção de cada categoria de log, alinhado às regras de armazenamento acima.
Cenário ilustrativo: uma empresa regional de serviços quer que um agente prepare rascunhos iniciais de atualizações de status para clientes, a partir do painel de projetos. A equipe define o painel como única fonte, concede leitura sobre os projetos e acesso apenas para rascunho na ferramenta de e-mail, e exige que o líder do projeto aprove cada mensagem enviada. Depois, um modelo mais novo fica disponível. Como o log de auditoria registra a versão do modelo, as chamadas de ferramenta e as aprovações, a equipe consegue rodar o mesmo conjunto de avaliação nos dois modelos e comparar os resultados antes de mudar qualquer coisa. A regra de aprovação não precisa ser reescrita, e a decisão de atualizar fica registrada com sua evidência.
Como a Be Human trabalha nisso e por onde começar
Uma primeira sequência prática mantém o trabalho pequeno e ordenado:
- Nomeie um responsável pelo agente e um dono para cada armazenamento e cada permissão.
- Faça um inventário dos armazenamentos, ferramentas e ações que o agente tocaria, e marque quais ações são irreversíveis.
- Escreva as regras de aprovação antes de conceder qualquer acesso de escrita.
- Ative os registros e confirme que uma execução de amostra pode ser reconstruída apenas a partir dos logs.
- Agende uma revisão recorrente de permissões e guarde a evidência de cada revisão.
A Be Human desenha e opera essa camada como parte de um trabalho gerenciado. Um primeiro projeto define um papel útil, a memória e as ferramentas que esse papel precisa, os limites de aprovação e um critério de sucesso observável. A operação contínua pode incluir monitoramento, avaliações recorrentes, manutenção das integrações, revisão de permissões, resposta a incidentes e melhorias controladas, de modo que mudanças em modelos, ferramentas ou permissões passem pelo mesmo processo escrito. O trabalho é remoto e disponível em português e em inglês. Para o passo a passo de uma revisão, veja Revisão trimestral de permissões de agentes de IA: checklist prático.
Se ainda não está claro qual processo deve ser o primeiro a ser entregue a um agente, o diagnóstico gratuito de IA da Be Human pode ajudar a encontrar essa tarefa.
Perguntas frequentes
Precisamos ter todos os componentes prontos antes de o primeiro agente entrar em operação? Não é preciso ter cada detalhe, mas os componentes de armazenamento, acesso, aprovação e auditoria devem existir para o primeiro papel antes que ele receba qualquer permissão de escrita. Um piloto somente leitura pode começar com controles mais leves, desde que tenha um responsável nomeado, atividade registrada e nenhum caminho para alterar registros ou contatar clientes. O marco para a autoridade real é o ponto em que o agente consegue mudar algo que importa.
Um modelo mais capaz torna esses controles desnecessários? Não. Um modelo mais capaz consegue alcançar mais sistemas e tentar ações mais complexas, o que aumenta a consequência de um erro em vez de eliminar a necessidade de controles. Modelos mais fortes também podem ser mais difíceis de inspecionar, então a trilha de auditoria ganha valor com o tempo. Os controles são o que permite adotar um modelo melhor com evidência, e não com esperança.
Podemos usar o mesmo checklist se o modelo rodar na nossa própria infraestrutura? Sim. As categorias de armazenamento, acesso, aprovação e auditoria valem independentemente de onde o modelo roda, embora as fontes de evidência mudem. Uma implantação em infraestrutura própria ainda precisa de identidades, permissões com escopo, pontos de aprovação e logs. A escolha de hospedagem afeta quem opera esses componentes, o que é uma decisão separada e deve ser documentada.
Quem na empresa deve ser dono desses componentes? O dono do negócio deve responder pelo propósito e pelos limites de aprovação do papel, enquanto um líder de operações ou de tecnologia deve responder pelos armazenamentos, identidades e logs. Uma pessoa nomeada deve ser responsável por cada permissão e por cada solicitação de mudança. Um pequeno grupo de governança pode revisar esse arranjo em uma agenda fixa, como descrito em Superinteligência empresarial e governança de agentes de IA.
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.


