Como preparar a empresa para superinteligência: plano de 90 dias

Para preparar a empresa para uma IA muito mais capaz, construa o que qualquer modelo vai exigir, em vez de apostar em um modelo específico. Use 90 dias em três fases: organizar a memória da empresa para que um agente consiga lê-la, definir permissões para que o agente não ultrapasse o seu papel e montar avaliações para saber se um modelo novo é realmente melhor. Esses três ativos mantêm o valor, qualquer que seja o sistema que chegue depois.

Principais pontos

• Planeje em torno do que um modelo mais forte vai precisar de você: contexto correto, limites claros e uma forma de conferir o trabalho dele.
• Dias 1 a 30 são para a memória: registre como um cargo funciona, em formatos que você controla, com um responsável nomeado por fonte.
• Dias 31 a 60 são para as permissões: comece em somente leitura, libere ações por níveis e vincule cada ampliação de acesso a evidências.
• Dias 61 a 90 são para a avaliação: um conjunto de casos reais que você pode reexecutar em qualquer modelo, incluindo casos em que a resposta certa é escalar para uma pessoa.
• Termine com uma decisão no dia 90 sobre o que manter, ampliar ou pausar, e quem é dono de cada área.

Por que se preparar para uma capacidade que você não consegue prever?

Ninguém sabe dizer quais capacidades chegam em seguida nem quando. Por isso, planejar em torno de um modelo específico é um mau uso de 90 dias. Uma pergunta melhor é: o que um sistema muito mais capaz precisaria da sua empresa e não consegue obter sozinho? A resposta é a mesma para um assistente modesto e para um muito forte: contexto correto, limites claros e uma forma de conferir o trabalho.

Um modelo mais forte não elimina essas necessidades. Ele aumenta o que está em jogo em cada uma. Um modelo que lê anotações desorganizadas vai agir sobre elas com mais confiança. Um com acesso amplo pode causar mais dano quando uma instrução está errada. Um cujo resultado ninguém confere pode errar em maior volume. A capacidade amplifica aquilo em que se apoia.

Cada uma das três fases abaixo produz algo que dura mais que qualquer modelo: uma camada de memória, um modelo de permissões e um conjunto de avaliação. Eles são o núcleo prático de uma camada de superinteligência empresarial que melhora conforme os modelos melhoram. O NIST AI Risk Management Framework oferece um vocabulário comum (governar, mapear, medir, gerenciar) que se encaixa bem nesta sequência, caso a diretoria queira um.

Dias 1 a 30: como tornar a memória da empresa portátil?

A memória é o ativo que a maioria das empresas subestima. Um modelo pode ser trocado em uma tarde, mas o conhecimento que o torna útil levou anos para se acumular e costuma estar na cabeça das pessoas, em e-mails antigos e em wikis mal mantidas. Um modelo mais forte vai ler o que você der a ele mais rápido e confiar mais nisso, então a qualidade desse material importa mais conforme os modelos evoluem, não menos.

Não tente capturar a empresa inteira. Escolha um cargo, como um líder de suporte, um coordenador de compras ou um analista de operações, e construa a memória apenas para ele. A disciplina se transfere para o cargo seguinte. O material da Anthropic sobre engenharia de contexto faz a mesma observação pelo lado do modelo: dê ao agente um conjunto pequeno de informações de alta qualidade que permita fazer o trabalho, não tudo o que você possui.

• Descreva o trabalho do cargo em uma página: o que ele resolve, o que nunca resolve e para quem repassa.
• Liste todas as fontes que o cargo usa: documentos, planilhas, caixas de e-mail, sistemas e as pessoas que respondem dúvidas que ninguém escreveu.
• Nomeie um responsável humano por fonte, encarregado de mantê-la atualizada.
• Transforme regras não escritas em documentos curtos: procedimentos, exceções, tom de voz, definições e gatilhos de escalonamento. Registre o motivo de cada regra, não só a regra.
• Separe princípios estáveis de fatos que mudam com frequência, para atualizar a parte que muda sem reescrever tudo.
• Mantenha o material em formatos simples e exportáveis que você controla. Se uma ferramenta sumisse amanhã, você deveria conseguir levar o conteúdo para outro lugar.
• Marque o que é confidencial, pessoal ou regulado e decida onde isso pode ser armazenado e processado.
• Teste a recuperação: faça dez perguntas que o cargo realmente recebe e confirme que cada resposta pode ser rastreada até uma fonte.

O último passo é o mais importante. Se uma resposta não pode ser rastreada, um modelo mais forte vai apenas produzir uma versão mais fluente de um palpite. Confirme também que você consegue restaurar a memória depois de uma falha: faça backup e restauração do agente de IA, definindo o que salvar e como testar.

Dias 31 a 60: como definir permissões que resistem a um modelo mais forte?

Capacidade e autoridade são coisas diferentes, e esta fase as mantém separadas. Um modelo mais capaz deve conquistar mais acesso por meio de evidências, não recebê-lo porque soa mais competente. Trate as permissões como uma decisão de projeto: você a toma uma vez, revisa em intervalos definidos e amplia de forma deliberada.

Classifique cada ação que o agente pode executar em um de quatro níveis:

• Somente leitura: o agente consulta informações e responde.
• Rascunho: o agente prepara o trabalho e uma pessoa envia ou salva.
• Agir com aprovação: o agente executa a ação depois que uma pessoa nomeada a aprova.
• Agir sozinho: o agente age sem aprovação, apenas dentro de limites estreitos e reversíveis.

Depois, siga estes passos:

• Comece cada ação no nível mais baixo e negue por padrão, um princípio que a orientação de autorização da OWASP declara com clareza.
• Dê ao agente identidade e credenciais próprias, nunca um login compartilhado nem a conta de um colega.
• Limite cada credencial aos sistemas, registros e operações de que o cargo precisa e defina validade quando o sistema permitir.
• Separe leitura de escrita, e escrita de qualquer coisa que movimente dinheiro, apague dados ou entre em contato com clientes.
• Trate conteúdo externo, como e-mails, páginas da web e arquivos enviados, como dado e não como instrução, porque textos vindos de fora podem trazer comandos feitos para desviar o agente.
• Registre cada ação, com quem a aprovou, para que um incidente possa ser reconstituído.
• Escreva a evidência exigida para subir uma ação de nível, por exemplo uma sequência de resultados revisados sem erros graves.

Agende a revisão antes de precisar dela. Os passos da revisão trimestral de IA na empresa oferecem um formato repetível, e o resultado é uma tabela de permissões na qual um modelo novo pode ser encaixado sem que ninguém precise renegociar a confiança do zero.

Dias 61 a 90: como montar avaliações que julgam qualquer modelo novo?

A avaliação transforma a impressão de que um modelo novo parece melhor em uma decisão. Sem ela, você vai adotar cada lançamento por entusiasmo ou evitar todos por cautela, e as duas atitudes têm custo. A orientação da Anthropic sobre avaliações para agentes descreve a ideia central: um conjunto repetível de tarefas, com uma forma definida de julgar cada resultado.

• Defina o critério de sucesso em palavras simples e em algo observável. Para um cargo de triagem de pedidos, pode ser pedidos encaminhados corretamente sem retrabalho, conforme o julgamento do líder da equipe. O guia de avaliação de desempenho de agente de IA ajuda nesse ponto.
• Reúna casos reais do histórico do cargo, junto com o resultado que uma pessoa competente teria escolhido. Retire antes os dados pessoais.
• Inclua casos difíceis: pedidos ambíguos, informação faltando, fontes que se contradizem e casos em que o comportamento certo é parar e perguntar.
• Adicione casos de segurança: tentativas de fazer o agente exceder suas permissões e instruções escondidas em conteúdo que ele lê.
• Decida quem corrige. Use regras para o que pode ser verificado de forma mecânica e revisão humana para o que exige julgamento.
• Execute o conjunto no modelo atual para estabelecer uma linha de base e guarde cada resultado com data, modelo, versão da memória e configuração de permissões.
• Registre custo e velocidade ao lado da qualidade, porque uma resposta melhor que chega devagar demais pode não ser melhor para o negócio.
• Reexecute o conjunto sempre que o modelo, a memória ou as ferramentas mudarem.

Mantenha o conjunto crescendo. Cada falha real vira um caso novo. Com o tempo, esta se torna a peça mais valiosa do plano, porque registra o que significa bom na sua empresa, e nenhum fornecedor pode entregar isso.

Como fica quando um modelo mais forte chega?

Este é um cenário ilustrativo, não o relato de um trabalho real.

Uma distribuidora de médio porte tem um agente que redige respostas para perguntas sobre o status de pedidos. Ao fim dos 90 dias, ela tem uma pasta de memória para esse único cargo, com responsáveis nomeados, uma tabela de permissões em que o agente redige e uma pessoa envia, e um conjunto de casos reais do passado. Um modelo novo fica disponível.

Em vez de um debate, o líder de operações reexecuta o conjunto. O modelo novo lida melhor com pedidos ambíguos, mas é mais disposto a prometer datas de entrega que a memória não sustenta. A equipe mantém o nível de rascunho, acrescenta uma regra sobre compromissos e três casos novos, e reexecuta. Só depois que os resultados se sustentam ela discute deixar o agente enviar sozinho as respostas de rotina. A decisão levou dias, não uma nova implantação, e todos conseguiram ver por que foi tomada.

Como a abordagem gerenciada da Be Human trata isso?

Um primeiro projeto define um cargo útil, a memória e as ferramentas de que ele precisa, os limites de aprovação e um critério de sucesso observável, o que corresponde diretamente às três fases acima. A operação gerenciada assume o trabalho recorrente: monitoramento, avaliações periódicas, manutenção de integrações, revisão de permissões, resposta a incidentes e melhorias controladas. A memória e o contexto permanecem sob o seu controle e em formato portátil, de modo que trocar de modelo é uma mudança revisada e não uma reconstrução. O atendimento é remoto, em português e inglês.

O que decidir no dia 90?

O plano termina com decisões, não com um lançamento. Coloque estes pontos em uma página e dê um dono a cada um:

• Se a memória do primeiro cargo é confiável o bastante para ser estendida a um segundo cargo.
• Quais ações conquistaram um nível de permissão mais alto e quais permanecem onde estão.
• Quem é dono da memória, das permissões e das avaliações depois do projeto, incluindo um patrocinador executivo que possa decidir sobre acesso e orçamento.
• Quando serão a próxima revisão de permissões e a próxima reexecução da avaliação.
• O que faria você pausar e como pausar sem perder o trabalho já feito.

Se você não consegue responder ao último ponto, a memória provavelmente ainda não é portátil o suficiente. Corrija isso antes de ampliar qualquer coisa.

Para encontrar a primeira tarefa que vale entregar a um agente, faça o diagnóstico de IA gratuito da Be Human.

Perguntas frequentes

Precisamos esperar a IA superinteligente para começar? Não. O trabalho deste plano compensa com os modelos disponíveis hoje, porque deixa um agente atual mais preciso e mais seguro. Ele também faz com que um modelo mais forte encontre uma empresa que realmente consegue usá-lo. Esperar só adia a parte mais lenta, que é organizar o que a sua empresa sabe.

Este plano é realista para uma equipe pequena? Sim, se você limitar o escopo a um cargo. Uma equipe pequena consegue escrever uma pasta de memória focada, uma tabela de permissões de uma página e um conjunto modesto de casos dentro do prazo. O plano cresce repetindo o processo para o cargo seguinte, não começando maior.

Devemos ajustar um modelo com nossos dados em vez de construir memória? Em geral, comece pela memória que o agente consulta no momento da tarefa. Ela pode ser corrigida editando um documento, restringida por permissão e levada para outro modelo. O ajuste fino prende o conhecimento a um único modelo e é mais difícil de corrigir, então considere-o depois, quando suas avaliações mostrarem uma lacuna que a consulta à memória não fecha.

Quem deve ser dono deste plano? Um patrocinador executivo que possa decidir sobre acesso e orçamento, mais um responsável nomeado para cada uma das áreas: memória, permissões e avaliações. As pessoas que fazem o trabalho do cargo no dia a dia devem revisar os casos de avaliação, pois sabem como é um bom resultado.

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