Ir para conteúdo
be-human.ai
← Voltar ao blog

Ferramentas e integrações

Ferramenta de upload de documentos para agentes de IA: o que checar antes

Verifique tipo, tamanho e malware antes que um agente de IA aceite um upload de cliente. Veja a ordem prática de checagens, recusas e aprovações.

Capa tipográfica do Be Human com o título: Ferramenta de upload de documentos para agentes de IA: o que checar antes
Ilustração conceitual criada com IA · Be Human

Um agente de IA não deve ler, armazenar nem agir sobre um documento de cliente antes de passar por três portões, nesta ordem: uma checagem do tipo de arquivo baseada no conteúdo real, um limite de tamanho definido para aquele fluxo e uma varredura de malware feita em quarentena antes que qualquer leitor abra o arquivo. Cada portão recusa arquivos com um motivo claro e um registro, assim o agente só trabalha com documentos que sua própria equipe também aceitaria. Extração e qualquer ação de escrita vêm depois dessas checagens, nunca antes.

Principais pontos

  • Verifique o conteúdo real do arquivo, não o nome nem a extensão.
  • Defina limites de tamanho e de páginas por fluxo, e recuse arquivos compactados que você não consegue inspecionar.
  • Faça a varredura de malware em quarentena antes que qualquer leitor ou agente toque no arquivo.
  • Trate o texto dentro de um documento como dado a ser lido, nunca como instrução que o agente deve seguir.
  • Registre cada veredito com motivo e horário, para que as recusas possam ser revisadas e ajustadas.

Por que a etapa de upload precisa de checagens próprias

Quando uma empresa deixa um agente receber documentos, o upload é o primeiro ponto em que conteúdo externo entra nos sistemas da empresa. Um cliente pode enviar um pedido de compra, um contrato assinado, um recibo digitalizado ou uma planilha, e qualquer um deles pode estar malformado, grande demais, com o rótulo errado ou ser hostil. Um agente que lê tudo o que chega está, na prática, confiando no remetente as ferramentas que o agente possui.

A solução não é um modelo mais capaz. É um portão simples, que roda antes de o modelo ver qualquer coisa. O OWASP Top 10 para Aplicações com LLM trata entrada não confiável como uma categoria de risco própria, e a entrada de documentos é uma das formas mais comuns de conteúdo não confiável chegar a um agente. Equipes que já configuraram permissões mínimas para agentes de IA vão reconhecer o padrão: comece restrito e amplie o acesso somente quando as evidências sustentarem.

A ordem das checagens antes de um agente aceitar um arquivo

Execute essas checagens em sequência. Um arquivo que falha em uma checagem inicial nunca chega às seguintes, o que mantém as etapas mais caras e arriscadas longe de arquivos que nunca deveriam ter sido aceitos.

  • Confirme que o upload chegou por um canal aprovado e pertence a um fluxo que espera esse tipo de documento.
  • Detecte o tipo real do arquivo a partir do conteúdo e compare com os tipos que o fluxo permite.
  • Aplique os limites de tamanho do arquivo, de tamanho do lote e de páginas definidos para aquele fluxo.
  • Inspecione arquivos compactados em uma etapa isolada, com limites rígidos de aninhamento e de tamanho expandido.
  • Mova o arquivo para uma área de quarentena e faça a varredura de malware ali.
  • Remova ou recuse conteúdo ativo, como macros, scripts embutidos e links externos, quando o fluxo não precisar deles.
  • Leia o arquivo em um processo isolado, com tempo limite.
  • Passe para o contexto de trabalho do agente apenas os campos extraídos, com uma referência à página de origem.
  • Grave um registro de veredito com o hash do arquivo, a checagem que decidiu, o motivo e o horário.

A última etapa é fácil de pular e cara de perder depois. Sem ela, você não consegue responder à pergunta que um auditor ou um cliente vai fazer mais cedo ou mais tarde: por que este arquivo foi aceito, e por qual regra?

Tipo de arquivo: confira o conteúdo, não a extensão

O nome do arquivo é um rótulo escolhido por quem envia. Um arquivo chamado fatura.pdf pode conter uma planilha, e um documento do Word pode carregar uma macro dentro de um contêiner que parece inofensivo por fora. A detecção de tipo de verdade lê os primeiros bytes e a estrutura interna do arquivo e compara o que encontra com os tipos aceitos pelo fluxo. Muitos formatos têm assinaturas reconhecíveis, e formatos de contêiner, como os arquivos modernos do Office, precisam de uma segunda olhada no conteúdo, não apenas no rótulo externo.

Monte a lista de permitidos a partir do fluxo, não a partir dos programas que você tem à mão. Se um processo de cadastro de fornecedores exige PDF e dois formatos de imagem, aceite esses e mais nenhum. Cada formato extra é mais um leitor para manter e mais uma superfície que pode falhar. Quando um arquivo não bate, envie uma mensagem curta que diga quais tipos são esperados, para que o remetente possa reenviar corretamente. Não descreva a lógica de detecção, porque essa informação ajuda o próximo atacante mais do que o próximo cliente.

Documentos digitalizados e fotografias merecem regras próprias. Um arquivo pode ser uma imagem perfeitamente válida e ainda assim conter texto que o agente deve tratar como dado. Antes de decidir o que o agente extrai de um scan, leia como o OCR para agentes de IA trata precisão de leitura e confiança, porque um campo com baixa confiança deve ir para revisão em vez de entrar em um registro.

Um arquivo com o nome certo e o conteúdo errado deve ser tratado como o arquivo errado.

Cenário ilustrativo: uma equipe de compras encaminha documentos de fornecedores para um endereço de recebimento. Uma mensagem traz um arquivo chamado cotacao.pdf. A checagem de tipo descobre que o conteúdo é uma planilha com macros, e o arquivo é recusado antes de qualquer leitura. O fornecedor recebe um pedido de exportação em PDF, o veredito fica registrado e o responsável de compras vê a recusa no resumo diário. O agente nunca abre a planilha.

Limites de tamanho e arquivos compactados

Os limites de tamanho protegem o leitor, o armazenamento e o contexto do agente. Defina um limite por arquivo, um limite para o tamanho total de um lote de upload e, para documentos com páginas, um número máximo de páginas. Baseie os valores no maior documento legítimo que o fluxo realmente recebe, acrescente uma margem e revise quando o tráfego real mostrar como são os uploads normais. Um limite definido no chute tende a bloquear trabalho válido ou a deixar o leitor exposto.

Arquivos compactados exigem tratamento mais rígido do que arquivos comuns. Um arquivo comprimido pode se expandir muito além do tamanho enviado, e arquivos aninhados podem esconder conteúdo de uma inspeção superficial. Um padrão sólido é recusar arquivos compactados protegidos por senha, recusar aninhamento além de uma profundidade pequena e limitar o tamanho expandido antes de a extração começar. Se um fluxo depender mesmo de compactados, descompacte-os dentro de um ambiente isolado, sem acesso à rede e sem rota para os sistemas da empresa, e passe apenas os arquivos que cumprirem todas as checagens anteriores.

Limite também o que chega ao modelo. Documentos longos devem ser divididos e tratados por uma etapa de extração definida, que devolve campos estruturados. Colar um documento inteiro em um prompt torna o agente mais difícil de controlar, dificulta a verificação das saídas e facilita que um texto hostil dentro do documento concorra com as suas instruções. Trate o documento como fonte de campos e trechos, não como um conjunto de comandos.

Varredura de malware e quarentena

A varredura de malware deve acontecer antes de qualquer leitor, pré-visualização ou agente tocar no arquivo. Guarde cada arquivo recebido em um local de quarentena que o agente não consegue ler e que nunca executa o conteúdo. Apenas arquivos com veredito aprovado passam para a área de trabalho. A etapa de varredura deve devolver um veredito que você possa registrar, e não uma aprovação silenciosa que ninguém consegue explicar depois.

Um scanner é uma camada, não uma garantia. Ferramentas baseadas em assinatura podem não reconhecer ameaças novas, e um resultado limpo só diz que as ameaças conhecidas não foram encontradas. Por isso a etapa de leitura também roda isolada, com permissões limitadas e tempo limite, e por isso qualquer ação de escrita proposta pelo agente ainda exige aprovação separada, independentemente do que o arquivo continha. Defesa em profundidade é mais lenta de explicar do que uma ferramenta única, mas é o desenho que se sustenta quando uma camada falha.

Decida antecipadamente o que acontece quando a varredura não consegue terminar. Um tempo limite ou a indisponibilidade do scanner deve manter o arquivo em quarentena e notificar uma pessoa nomeada. Trate não foi possível verificar como uma recusa que aguarda revisão, nunca como aprovação. Algumas regras mantêm a quarentena honesta:

  • Mantenha a quarentena separada das pastas de trabalho e de qualquer drive compartilhado em que o agente possa buscar.
  • Dê ao serviço de recebimento permissão de escrita na quarentena e nenhuma outra permissão nesse local.
  • Nunca deixe o agente abrir um arquivo que não tenha veredito aprovado no registro.
  • Aplique a política de retenção da própria empresa aos arquivos em quarentena, incluindo a exclusão dos arquivos recusados conforme o cronograma.

Recusa, escalonamento e trilha de auditoria

As recusas devem ser específicas o bastante para que o remetente corrija o problema e simples o bastante para não revelar nada sobre as regras internas. Diga o formato esperado e o limite de tamanho. Informe o que enviar no lugar. Mantenha fora da mensagem o método de detecção, os valores de limiar dos scanners e os nomes dos revisores.

Arquivos na fronteira exigem uma decisão humana. Escalone para um revisor nomeado quando o arquivo estiver perto de um limite, contiver conteúdo ativo que o fluxo às vezes precisa ou vier de um remetente fora da lista habitual. A decisão do revisor passa a fazer parte do registro, para que a regra possa ser ajustada com base em evidências, e não na memória. Uma exceção concedida uma vez deve ficar visível no registro toda vez que o mesmo remetente tentar de novo.

A trilha de auditoria deve responder a quatro perguntas: o que chegou, qual checagem decidiu, por que a decisão foi essa e quem aprovou qualquer exceção. Esses registros também apoiam a resposta a incidentes. Se uma caixa de e-mail de fornecedor for depois identificada como comprometida, você consegue encontrar cada arquivo que ela entregou, o veredito de cada um e se algum deles chegou ao contexto de trabalho do agente. Para uma visão mais ampla de como permissões e registros se encaixam, o checklist de aceitação de uma integração de agente de IA oferece uma estrutura útil para revisar os controles antes do lançamento.

Como a Be Human trata a entrada de documentos em uma operação gerenciada

Em um projeto com a Be Human, a entrada de documentos é desenhada como parte da camada de ferramentas do agente, e não acrescentada depois. O projeto define quais tipos de documento o papel pode aceitar, define os limites de tamanho e de compactados para cada fluxo e coloca quarentena, varredura e leitura fora da memória de trabalho do agente. Os limites de aprovação ficam por escrito, de modo que um arquivo que passa pela entrada ainda não consegue disparar um pagamento, uma alteração de registro ou uma mensagem de saída sem o aprovador nomeado. A operação gerenciada então cuida do monitoramento de padrões de recusa, da revisão periódica de permissões, das atualizações quando scanners ou leitores mudam e da resposta a incidentes quando um arquivo suspeito passa pela barreira. Se você ainda não tem certeza de qual fluxo de documentos deve ser o primeiro a ser entregue a um agente, o diagnóstico gratuito de IA da Be Human foi pensado para ajudar a identificar essa primeira tarefa.

Perguntas frequentes

Um agente pode confiar na extensão do arquivo para decidir o que é um documento? Não. A extensão é escolhida por quem envia e pode estar errada ou ser enganosa de propósito. Detecte o tipo a partir do conteúdo do arquivo, compare com os tipos que o seu fluxo permite e registre o resultado para que a decisão possa ser revisada depois.

Uma varredura de malware basta antes de aceitar documentos de clientes? A varredura é necessária, mas não suficiente. Ela detecta ameaças conhecidas, mas não consegue provar que um arquivo é seguro. Combine-a com checagens de tipo, limites de tamanho, leitura isolada, quarentena e a regra de que qualquer ação de escrita precisa de aprovação própria.

Que limites de tamanho devemos definir para uploads de documentos? Parta do maior documento legítimo que o fluxo recebe, acrescente uma margem e defina limites separados para arquivos individuais, lotes de upload e número de páginas. Revise esses valores depois que o tráfego real mostrar como são os uploads normais. Limites baixos demais bloqueiam trabalho válido, e limites altos demais deixam o leitor exposto.

O agente deve abrir os arquivos recusados para explicar o problema ao remetente? Não. A mensagem de recusa deve vir do registro de veredito, que informa o formato esperado e o motivo em linguagem simples. Deixar o agente abrir um arquivo que falhou na entrada contornaria o controle que existe justamente para protegê-lo.

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.

Menos tarefas. Mais espaço para você.

Traga o trabalho para o qual falta tempo.

Agende uma conversa e teste 7 dias grátis um agente de IA personalizado ↗Ou faça o diagnóstico gratuito de IA →