Infraestrutura de IA personalizada
Migrar de chatbot para uma camada de agentes de IA com governança
Passo a passo para sair de um chatbot isolado e chegar a uma camada de agentes de IA governada, com histórico, regras de negócio e limites de aprovação.

Migrar uma empresa do uso apenas de chatbot para agentes de IA significa transformar uma janela de conversa em uma camada governada: um papel definido por vez, com memória própria, ferramentas, limites de aprovação e um teste de sucesso que se observa no negócio. Comece inventariando o que o chatbot já guarda, registre as regras de negócio que ele vem aplicando por hábito e só então entregue uma tarefa estreita a um agente, sob revisão humana, antes de ampliar o acesso. A sequência abaixo é a que um líder pode seguir, com as verificações que mantêm o histórico e as regras intactos ao longo do caminho.
Principais pontos
- Um chatbot guarda o histórico de conversas, mas um agente precisa que esse histórico seja separado em registros, regras e permissões.
- Registre as regras de negócio que o chatbot aplica por hábito antes de qualquer agente tocar em dados de clientes ou da operação.
- Comece com um papel, um conjunto de ferramentas e um critério de sucesso que alguém do negócio consiga observar.
- Mantenha os limites de aprovação explícitos e só os amplie depois de evidências do uso real.
- Rode o agente ao lado do chatbot até ele passar na própria revisão e aposente o chatbot tarefa por tarefa.
Por que o chatbot é o lugar errado para guardar o conhecimento da empresa
Um chatbot é bom para responder uma pergunta no momento. É fraco para guardar o que a empresa decidiu, porque essas decisões costumam ficar em outros lugares: conversas antigas, prompts que a equipe copiou de um documento compartilhado e a memória das duas pessoas que sempre sabem como um reembolso é tratado. Quando o chatbot é a única camada, ninguém consegue dizer qual resposta reflete a política atual e qual reflete uma conversa do ano passado.
Passar para agentes força uma separação limpa. O histórico de conversas registra o que foi dito. As regras de negócio registram o que a empresa decidiu. As permissões registram o que um sistema pode fazer. Cada uma precisa de dono próprio, de revisão própria e de um lugar definido na arquitetura. Se tratar tudo como um único monte de informação, o agente vai repetir uma regra superada com a mesma confiança de uma regra vigente, e essa é exatamente a falha que você mais quer evitar.
O caminho da migração, passo a passo
- Liste todos os lugares onde o chatbot é usado, quem o usa e o que ele já viu, incluindo arquivos enviados, conversas salvas e prompts copiados.
- Classifique cada item em um de quatro grupos: histórico de conversas, regra de negócio reutilizável, registro de cliente ou de funcionário, ou rascunho descartável. Apenas os três primeiros exigem decisões de retenção.
- Reescreva cada regra como uma afirmação curta que alguém consiga testar, com um dono nomeado que saiba dizer quando ela foi alterada pela última vez.
- Escolha um papel para o primeiro agente, como responder dúvidas sobre políticas internas para a equipe de operações ou preparar rascunhos de respostas para aprovação humana.
- Defina as ferramentas que ele pode acionar, a memória que pode ler e as ações que sempre exigem um sim humano.
- Estabeleça um critério de sucesso que o negócio possa observar, como rascunhos aceitos sem reescrita em uma revisão semanal, em vez de um julgamento sobre quão fluente o texto parece.
- Rode o agente ao lado do chatbot com um grupo pequeno de usuários, registre cada divergência entre os dois e amplie o acesso em etapas.
Mantenha histórico, memória e regras de negócio em lugares separados
O histórico de conversas é evidência. Ele mostra como as pessoas fizeram perguntas e onde a configuração antiga falhou com elas. Deve ser mantido de acordo com a sua política de retenção e com as obrigações de privacidade, e não deve ser tratado como autoridade sobre o que a empresa acredita. Use-o para encontrar lacunas, não como fonte que o agente cita como política.
A memória é curada. É o conjunto de fatos que um agente pode recuperar quando são relevantes, normalmente extraídos de documentos aprovados no momento da pergunta, e não fixados no modelo. A geração aumentada por recuperação (RAG, na sigla em inglês) é o padrão comum para isso, e a orientação da AWS que compara recuperação com ajuste fino explica por que alterar um documento costuma ser mais fácil de corrigir do que retreinar um modelo.
As regras de negócio são as decisões permanentes: alçada de desconto, caminhos de escalonamento, o que conta como um pedido completo. Guarde-as como documentos versionados, com um dono. Quando uma regra mudar, a memória do agente muda junto, e a versão antiga é arquivada em vez de ficar enterrada em uma conversa. Um teste útil: se você não consegue apontar o documento de onde veio uma resposta, essa resposta ainda não está governada.
Defina permissões e limites de aprovação antes da primeira execução
Comece com acesso somente leitura. Um agente que pode ler o sistema de pedidos e rascunhar uma resposta carrega um risco muito diferente de outro que pode enviar a resposta, alterar o pedido ou conceder um crédito. Conceda permissões de escrita e envio apenas depois que a versão somente leitura tiver produzido rascunhos confiáveis por um período sustentado, e vincule cada permissão a uma ferramenta nomeada, com registro próprio.
Trate qualquer texto que o agente leia em e-mails, páginas da web ou arquivos enviados como dado, e não como instrução. Documentos podem conter instruções ocultas ou hostis. A orientação da OWASP sobre prevenção de injeção de prompt descreve os controles básicos: separar conteúdo não confiável das instruções, limitar o que cada ferramenta pode fazer e exigir confirmação para ações de consequência. O NIST AI Risk Management Framework oferece um vocabulário mais amplo para associar esses riscos a responsáveis e controles.
O princípio do menor privilégio vale também para as pessoas. Quem aprova uma ação do agente deve ter autoridade sobre essa ação dentro do negócio, e não apenas acesso à tela onde a aprovação aparece. Para a revisão periódica de quem e o que tem acesso, veja o checklist prático para revisão trimestral de permissões de agentes de IA.
Um guia de decisão para o primeiro agente (ilustrativo)
Cenário ilustrativo: uma pequena distribuidora de equipamentos, descrita aqui apenas como exemplo, usa um chatbot para que a equipe comercial rascunhe respostas a revendedores. As respostas costumam repetir os termos de garantia, que mudaram duas vezes, e o responsável comercial tem colado o texto atual em cada conversa nova. A equipe quer um agente, mas a primeira pergunta é qual tarefa é segura para transferir.
Use quatro perguntas para escolher a primeira tarefa:
- A tarefa se repete com frequência suficiente para que um hábito de revisão se forme em torno dela?
- A resposta depende de documentos que mudam, de modo que memória e regras precisem ser mantidas?
- Um resultado errado é reversível antes de chegar a um cliente ou a um sistema?
- O resultado pode ser conferido com um registro que o negócio já mantém?
Uma tarefa que responde sim às quatro é um forte primeiro candidato. No exemplo da distribuidora, rascunhar respostas sobre garantia, com uma pessoa enviando, atende às quatro. Emitir créditos automaticamente não atende, porque falha na pergunta da reversibilidade, e por isso pertence a uma etapa posterior, com regras de aprovação mais rígidas.
Como a abordagem gerenciada da Be Human conduz a migração
O primeiro projeto da Be Human define um papel útil, a memória e as ferramentas que esse papel precisa, os limites de aprovação e um critério de sucesso observável. Assim, a migração começa de um escopo escrito, e não do que o chatbot por acaso estava fazendo. A operação gerenciada pode então incluir monitoramento, avaliações recorrentes, manutenção de integrações, revisão de permissões, resposta a incidentes e melhorias controladas, tudo conduzido remotamente, em inglês ou em português. Alterações em memória, regras ou permissões seguem um pedido e um processo de aprovação por escrito, como descrito em como solicitar e aprovar alterações em um agente de IA gerenciado, para que o contexto operacional do agente nunca seja editado de forma informal.
Observe o agente para que os problemas apareçam cedo
Sem observação, a falha de um agente parece apenas uma sensação vaga de que as respostas pioraram. Registre cada execução como um rastro: quais documentos de memória foram recuperados, qual ferramenta foi acionada e com quais argumentos, qual aprovação foi solicitada e quem a concedeu, e o que o usuário fez com o resultado. Os conceitos de observabilidade da OpenTelemetry descrevem os rastros, métricas e logs que tornam esse tipo de registro útil em vários sistemas.
As avaliações são a segunda ferramenta. Mantenha um conjunto fixo de casos de teste realistas, extraídos de pedidos reais, inclua vários em que a resposta correta é escalar para uma pessoa e rode o conjunto de novo após cada mudança na memória, nas regras ou no modelo subjacente. Registre os resultados para que uma regressão apareça como uma variação medida, e não como uma reclamação. Decida antecipadamente o que pausa o agente, por exemplo uma regra de que qualquer incidente interrompe as ações de escrita até que um revisor tenha examinado o rastro. Equipes que usam o agente todos os dias também precisam de um plano para a confiança, tema tratado em como engajar a equipe no uso de agentes de IA.
Se você não tem certeza de qual tarefa deve migrar primeiro, faça o diagnóstico gratuito de IA da Be Human para descobrir a primeira tarefa que vale a pena entregar a um agente.
Perguntas frequentes
Precisamos desligar o chatbot antes de começar com agentes? Não. Rode o agente ao lado do chatbot por um período definido, registre onde as respostas divergem e aposente o chatbot apenas nas tarefas que o agente já passou. Manter os dois evita perder o histórico de conversas do qual as pessoas dependem durante a transição.
Como manter conversas antigas sem que o agente as trate como política? Guarde o histórico de conversas de acordo com as suas regras de retenção e dê ao agente acesso a documentos de negócio aprovados, e não às conversas passadas. Os revisores podem pesquisar o histórico para encontrar lacunas, mas ele não deve ser uma fonte de recuperação para respostas sobre o que a empresa decidiu.
Quem deve aprovar as ações de um agente? A aprovação deve ficar com a pessoa que é dona do resultado do negócio, como um responsável por atendimento aprovando um crédito, e não com quem construiu o sistema. Registre cada aprovação junto ao pedido que ela respondeu, para que o histórico mostre quem autorizou o quê e quando.
Como saber se o primeiro agente está pronto para fazer mais? Amplie o acesso somente quando os logs e o conjunto fixo de avaliações mostrarem que ele se comporta como esperado na tarefa atual. Revise as evidências em uma reunião regular e trate qualquer nova permissão como uma mudança que passa pelo mesmo processo de aprovação escrita de qualquer outra.
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.


