Como criar um assistente de IA que conhece a sua empresa

Para criar um assistente de IA que conhece a sua empresa, comece por uma função bem definida. Depois, dê a ele apenas o conhecimento, a memória, as ferramentas e as permissões que essa função exige, e coloque uma etapa de revisão humana na frente de tudo o que ele não consegue desfazer. A maior parte do trabalho está em organizar como o negócio realmente funciona, não em escolher um modelo. Construa em camadas nomeadas, para que cada uma possa ser testada, corrigida e substituída de forma independente.

Principais pontos

• Um assistente que conhece o seu negócio é uma função com conhecimento delimitado, não um chatbot genérico com todos os arquivos anexados.
• Mantenha conhecimento (documentos mantidos), memória (o que o assistente aprende com o tempo) e ferramentas (o que ele pode fazer) como camadas separadas, cada uma com seu responsável.
• As permissões devem seguir a função, não a pessoa que configurou o assistente. Dê a ele identidade própria e o menor acesso que funcione.
• A revisão é uma decisão de projeto tomada antes do lançamento: defina quais ações viram rascunho para uma pessoa e quais podem rodar sozinhas.
• Teste com perguntas reais da sua equipe e trate o assistente como algo que você opera, não como algo que se instala uma vez.

O que significa um assistente conhecer a sua empresa?

Conhecer a empresa não é o mesmo que ter lido os arquivos. Um funcionário novo que recebe uma pasta compartilhada com milhares de documentos não conhece o negócio. Ele sabe onde estão os documentos. Conhecer o negócio é entender qual versão de uma política está em vigor, quais clientes têm condições especiais, quem aprova o quê e quando parar para perguntar.

O assistente chega lá por camadas. Cada camada responde a uma pergunta diferente, e misturá-las é o motivo mais comum de respostas confiantes, porém erradas.

• Função: que trabalho esse assistente faz, para quem, e o que está fora do escopo?
• Conhecimento: em quais fontes mantidas ele pode se basear para responder?
• Memória: o que ele deve lembrar entre uma conversa e outra, e quem pode corrigi-lo?
• Ferramentas: de quais sistemas ele pode ler ou em quais pode agir?
• Permissões: com qual identidade e com quais limites?
• Revisão: quais resultados precisam passar por uma pessoa antes de sair?
• Operação: quem acompanha, testa e altera o assistente?

Esta é uma versão simplificada do modelo descrito em Camadas da infraestrutura de IA empresarial: as sete explicadas. Os nomes importam menos do que o hábito de manter as camadas separadas, para que qualquer problema possa ser rastreado até uma delas.

Passo um: defina uma função antes de mexer nos documentos

A tentação é começar juntando tudo: cada política, cada pasta compartilhada, cada cadeia antiga de e-mails. Resista. Sem uma função, você não consegue decidir o que pertence ao conhecimento do assistente e o que é ruído.

Escreva a função como você escreveria uma descrição de cargo. Diga qual pessoa ou equipe ele atende, quais pedidos recorrentes resolve, quais sistemas toca e em que ponto passa o caso para uma pessoa. O guia Definir a função de um agente de IA na empresa: descrição de cargo detalha esse processo. Uma boa função é estreita o bastante para que você consiga citar dez perguntas reais que o assistente deve responder e cinco que deve recusar.

Cenário ilustrativo: uma distribuidora quer apoiar sua equipe de atendimento. Em vez de um assistente que conhece a empresa inteira, a função é status de pedidos e política de devoluções para a central de atendimento. Ele responde dúvidas da equipe, redige respostas e encaminha para um líder qualquer caso que envolva crédito ou exceção. Essa única frase já mostra quais documentos importam (política de devoluções, condições de frete, regras de escalonamento) e quais não importam (planos de marketing, relatórios financeiros, arquivos de RH).

Passo dois: como transformar documentos espalhados em conhecimento delimitado?

Conhecimento delimitado é uma lista curta de fontes, cada uma com responsável, finalidade e uma forma de se manter atualizada. Documentos espalhados viram conhecimento delimitado por meio de uma sequência de pequenas decisões.

• Liste as fontes candidatas apenas para aquela função. Inclua documentos, páginas de wiki, históricos de chamados e as planilhas que as pessoas realmente usam.
• Classifique cada fonte como oficial, útil mas informal, ou desatualizada. Retire o último grupo antes de indexar qualquer coisa.
• Resolva os conflitos. Quando dois documentos se contradizem, uma pessoa decide qual vale, e o outro é aposentado ou identificado.
• Atribua um responsável a cada fonte. Se ninguém cuida de mantê-la atual, ela não deve entrar no conhecimento do assistente.
• Separe por sensibilidade. Regras de preço, dados pessoais e termos contratuais podem precisar ficar totalmente fora do alcance de algumas funções.
• Defina como as atualizações chegam ao assistente e com que rapidez.

Tecnicamente, a maioria dos assistentes usa recuperação de informação (retrieval, também chamada de RAG): na hora da pergunta, o sistema encontra trechos relevantes das suas fontes e os entrega ao modelo junto com a pergunta. Isso mantém as respostas ligadas a documentos que você controla e permite atualizar o conhecimento sem treinar nada de novo. A comparação da AWS entre recuperação e ajuste fino (fine-tuning) explica por que a recuperação costuma ser a primeira escolha quando as informações mudam com frequência.

Dois hábitos melhoram a qualidade mais do que qualquer ferramenta. Primeiro, faça o assistente citar a fonte que usou, para que o leitor possa conferir. Segundo, permita que ele diga que não sabe. Um assistente que admite uma lacuna é muito mais útil do que um que a preenche com um palpite plausível.

Passo três: qual é a diferença entre conhecimento e memória?

Conhecimento é o que a empresa mantém de propósito. Memória é o que o assistente acumula com o uso: uma preferência declarada por um usuário, uma decisão da semana passada, o contexto de um projeto em andamento. Os dois fazem o assistente parecer bem informado, mas trazem riscos diferentes.

O conhecimento tem responsável e ciclo de revisão. A memória, em geral, não tem nenhum dos dois, a menos que você os projete. Se for deixada solta, a memória se desvia: uma exceção temporária passa a ser lembrada como regra, uma instrução pontual de um funcionário passa a moldar as respostas para todos, ou um dado desatualizado sobrevive muito depois de a fonte ter sido corrigida.

Defina algumas regras logo no início:

• Decida o que o assistente pode guardar e o que ele nunca deve guardar, como dados pessoais que não têm motivo para persistir.
• Torne a memória visível. Uma pessoa deve poder ler o que o assistente lembra e corrigir ou apagar.
• Delimite a memória por pessoa, equipe ou empresa, para que o contexto de um usuário não vaze para a conversa de outro.
• Promova os fatos duradouros da memória para o conhecimento mantido, com responsável, em vez de deixá-los vivendo só na memória.

O artigo da Anthropic sobre engenharia de contexto eficaz para agentes de IA é um bom complemento técnico aqui. A ideia central vale também para o negócio: mais contexto não é melhor contexto. O que o assistente enxerga a cada pedido deve ser escolhido, não despejado.

Passo quatro: dê ferramentas e permissões de forma intencional

O conhecimento permite que o assistente responda. As ferramentas permitem que ele aja: consultar um pedido, abrir um chamado, redigir um documento, atualizar um registro. Cada ferramenta é uma conexão com um sistema real, então cada uma merece uma decisão curta e deliberada.

Para cada ferramenta, responda a quatro perguntas. O que ela permite que o assistente leia? O que permite que ele altere? Sob a autoridade de quem isso acontece? O que acontece se estiver errado? Comece com acesso somente de leitura e adicione escrita apenas onde a função claramente exigir. Padrões como o Model Context Protocol existem para tornar mais consistente a conexão entre assistentes e ferramentas, o que ajuda a evitar integrações avulsas que ninguém consegue manter.

Às permissões é onde muitas primeiras tentativas dão errado, em geral porque o assistente usa o login de um funcionário. Isso torna as ações difíceis de rastrear e o acesso muito mais amplo do que a função precisa. O melhor padrão é uma identidade separada para o assistente, com contas próprias e direitos delimitados, como defende o artigo Por que o agente de IA da empresa precisa de identidade e contas próprias. O guia de autorização da OWASP descreve os princípios de base: negar por padrão, conceder o menor privilégio que funcione e verificar a autorização em cada requisição, não só no login.

Um ponto a mais: textos dentro de documentos e e-mails podem conter instruções dirigidas ao assistente. Trate o conteúdo recuperado como informação, não como comando, e mantenha as permissões das ferramentas estreitas o suficiente para que um assistente manipulado não consiga causar dano sério.

Passo cinco: em que ponto uma pessoa deve revisar o trabalho?

Revisão não é sinal de desconfiança. É a forma de deixar o assistente assumir trabalho real antes de ele merecer autoridade ampla. A pergunta não é se deve haver revisão, mas onde.

Um guia simples de decisão para cada ação que o assistente pode executar:

• Reversível e interna, como resumir um documento ou pesquisar na wiki: deixe rodar e confira amostras dos resultados.
• Reversível, mas visível para outras pessoas, como redigir uma resposta a um cliente: o assistente redige, uma pessoa envia.
• Difícil de reverter, como alterar um registro, conceder um crédito ou enviar um compromisso: uma pessoa aprova a cada vez, com o raciocínio e as fontes do assistente anexados.
• Fora da função ou envolvendo dados sensíveis: o assistente para e passa o caso a uma pessoa indicada.

Quando um caso é escalado, envie a decisão, não a bagunça: um resumo curto, as fontes relevantes e as opções, para que a pessoa consiga agir em um minuto em vez de reler uma conversa inteira. Rodar o assistente primeiro em modo de observação, em que ele redige e as pessoas comparam, é um jeito de baixo risco para gerar evidências. O artigo Prova de conceito, piloto e produção em IA: o que cada etapa deve provar ajuda a estruturar essa fase.

O teste também pertence a esta etapa. Reúna perguntas reais da equipe, inclusive as incômodas, e escreva como seria uma boa resposta. Rode o conjunto antes do lançamento e de novo após cada mudança no conhecimento, nas ferramentas ou no modelo. O primeiro conjunto pode ser pequeno, desde que seja real e seja guardado.

Como a Be Human trata isso?

A Be Human projeta, implementa e opera essa estrutura como infraestrutura de IA personalizada. Um primeiro projeto define uma função útil, o conhecimento, a memória e as ferramentas de que ela precisa, os limites de aprovação e um critério de sucesso observável. O assistente recebe identidade própria e permissões delimitadas, e as pessoas continuam no controle do que ele pode fazer. A operação gerenciada cobre monitoramento, avaliações recorrentes, manutenção de integrações, revisão de permissões, resposta a incidentes e melhorias controladas, com entrega remota em português e inglês.

O que fazer primeiro neste mês?

Você não precisa decidir por uma plataforma para começar. Precisa de uma função, de uma lista curta de fontes e de um responsável. Uma sequência prática para o início:

• Escolha uma função com público claro e um punhado de pedidos recorrentes.
• Escreva a descrição da função, incluindo o que o assistente deve recusar e quando passa o caso adiante.
• Escolha as fontes, retire as desatualizadas e indique um responsável por cada uma.
• Defina o que o assistente pode lembrar e quem pode corrigi-lo.
• Liste as ferramentas de que ele precisa, começando só com leitura, e crie a identidade separada dele.
• Marque cada ação como executar, rascunhar ou aprovar.
• Prepare um conjunto de perguntas reais e defina como será o sucesso.

Se quiser entender como isso se encaixa em um plano mais amplo, Infraestrutura de IA personalizada para empresas: o que é? apresenta o quadro geral. Qualquer que seja o caminho, o princípio é o mesmo: um assistente conhece o seu negócio na medida em que você decidiu, de forma deliberada, o que ele deve saber, lembrar, tocar e perguntar.

Perguntas frequentes

Precisamos treinar um modelo com os nossos dados para criar um assistente de IA da empresa? Em geral, não. A maioria dos assistentes empresariais usa recuperação de informação, que entrega ao modelo os seus documentos mantidos na hora da pergunta, de modo que o conhecimento pode ser corrigido sem novo treinamento. O ajuste fino pode ajudar com estilo ou formatos especializados, mas é uma forma ruim de manter atualizados fatos que mudam.

A quantos documentos o assistente deve ter acesso? Ao mínimo que a função exigir. Um conjunto menor de fontes mantidas e com responsável gera respostas melhores do que um grande arquivo sem filtro, e facilita muito o controle de acesso e as atualizações. Você pode ampliar o escopo depois, quando a primeira função estiver funcionando bem.

Quem deve ser o dono do assistente dentro da empresa? Indique um responsável de negócio que entenda a função, além de alguém responsável pela operação técnica, mesmo que seja um parceiro externo. O responsável de negócio define o que é um bom resultado e revisa as entregas, enquanto a operação cuida de monitoramento, permissões e mudanças. Sem um dono nomeado, o conhecimento envelhece e ninguém percebe.

Como saber se o assistente está pronto para assumir mais? Observe as evidências do seu conjunto de perguntas e do uso real: precisão em relação às fontes, quantas vezes ele recusou ou escalou corretamente e quanto os revisores precisaram alterar. Quando os resultados se mantêm estáveis ao longo de vários ciclos de revisão, amplie o escopo um passo de cada vez, como uma nova fonte ou uma nova ferramenta, e teste de novo após cada mudança.

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