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

Infraestrutura de IA personalizada

Plataforma de agentes de IA para empresas: checklist de compra

Checklist de compra de plataforma de agentes de IA para empresas: memória, exportação, permissões e observabilidade antes de assinar contrato.

Capa tipográfica do Be Human com o título: Plataforma de agentes de IA para empresas: checklist de compra
Ilustração conceitual criada com IA · Be Human

Uma plataforma de agentes de IA para empresas é a infraestrutura que executa agentes com memória, ferramentas, canais e permissões próprios, para que a empresa mantenha o controle quando os modelos por trás deles mudarem. Ao comparar fornecedores, as perguntas decisivas dizem menos respeito ao modelo que eles usam e mais a quem é dono da memória, se ela pode ser exportada, como as permissões são concedidas e revogadas e o que você consegue observar quando um agente age. Se as respostas forem claras, seus agentes podem manter o que aprenderam à medida que os modelos evoluem.

Principais pontos

  • A memória deve pertencer à sua empresa e ser armazenada em formato que você consiga ler, exportar e apagar sem depender do console do fornecedor.
  • Peça uma exportação demonstrada de memória, definições de ferramentas, instruções e registros, e não apenas a promessa verbal de que os dados são portáveis.
  • As permissões devem ser definidas por agente e por ferramenta, com limites de aprovação humana e uma revisão periódica que deixe evidências.
  • A observabilidade deve mostrar o que o agente viu, o que decidiu e o que fez, com uma pessoa nomeada responsável por ler esses dados.
  • Mantenha o modelo substituível. Os ganhos devem ficar na camada que você controla, e não dentro da caixa-preta de um único fornecedor.

De quem é a memória que o seu agente constrói?

A memória é o que separa um agente útil de um chatbot que esquece tudo. Com o tempo, o agente acumula contexto de clientes, exceções de processo, formatos preferidos e decisões que as pessoas aprovaram. Esse material é um ativo do negócio, e o contrato deve tratá-lo como tal.

Antes de qualquer outra coisa, faça ao fornecedor estas perguntas:

  • Onde a memória é armazenada, em que formato, e podemos lê-la sem a interface do fornecedor?
  • A memória é restrita a um agente e a uma unidade de negócio, ou é compartilhada entre os clientes da plataforma?
  • Nossas conversas ou registros podem ser usados para treinar ou ajustar modelos que outros clientes utilizam?
  • O que acontece com a memória quando o contrato termina, e como a exclusão é confirmada por escrito?

Desenhos baseados em recuperação de informação mantêm o conhecimento da empresa em um repositório separado, que o modelo consulta quando precisa de uma resposta. Essa separação facilita verificar a propriedade do que foi aprendido, ao contrário do conhecimento absorvido nos pesos do modelo, que é difícil de inspecionar ou remover. Há material técnico que compara recuperação de informação com ajuste fino de modelos, e vale a leitura para um comprador que não é especialista. Para entender como memória e permissões se relacionam, veja Por que a superinteligência precisa de memória e permissões explícitas.

Você consegue exportar tudo do que o agente depende?

A exportação é o teste que mostra se a plataforma é uma ferramenta que você aluga ou um sistema que você possui. Uma exportação completa deve cobrir memória, definições de ferramentas e seus esquemas, instruções e prompts, conjuntos de avaliação, configuração de permissões e registros. As credenciais devem ficar no seu próprio cofre de segredos, de modo que nunca precisem ser exportadas.

A lacuna mais comum é a descrição. As equipes costumam exportar o código por trás de uma ferramenta, mas não o texto que diz ao modelo quando e como usá-la. Sem esse texto, um agente reconstruído se comporta de outro jeito, mesmo que nada pareça faltando. Pergunte se as descrições das ferramentas e as regras de aprovação estão incluídas na exportação e peça para ver uma amostra.

O teste prático é simples. Durante a avaliação, peça a exportação de um agente de teste e faça com que a sua pessoa técnica leia os arquivos. Se eles forem legíveis sem a presença do fornecedor, você tem evidência. Se a resposta for uma promessa de ajuda depois, você tem uma dependência.

Exemplo ilustrativo: uma empresa de serviços regionais decide, depois de alguns meses, trocar de fornecedor de modelo. A equipe exporta memória, definições de ferramentas e regras de aprovação. Duas ferramentas precisam ser reescritas, porque suas descrições existiam apenas dentro do console do fornecedor. A lição é que a exportação deve incluir as descrições e as regras, e não apenas o código. Para o padrão mais amplo, leia Dependência de fornecedor em agentes de IA: o que testar antes de renovar.

Como as permissões são concedidas, limitadas e revisadas?

As permissões definem o que um agente pode de fato alterar no seu negócio, por isso merecem mais escrutínio do que a interface. Boas práticas de segurança de aplicações costumam insistir em verificar o acesso a cada requisição, e não apenas na configuração inicial, e em negar ações por padrão, a menos que sejam explicitamente permitidas. Esses princípios se traduzem diretamente em perguntas ao fornecedor.

  • As permissões são definidas por agente e por ferramenta, ou um único usuário de serviço é usado para tudo?
  • É possível definir limites de aprovação por tipo de ação, tipo de registro ou nível de risco, como enviar uma mensagem em comparação com alterar um registro de pagamento?
  • Quem pode conceder uma nova permissão, e essa concessão fica registrada com um motivo?
  • Conseguimos revogar uma permissão em minutos, sem reimplantar o agente?
  • Como é feita a revisão periódica de permissões, e que evidência a plataforma produz para ela?

A revisão só é útil se acontecer em uma agenda fixa. Um ciclo trimestral que compara as permissões concedidas com o que o agente realmente usou é um bom ponto de partida. Os passos estão descritos em Revisão trimestral de permissões de agentes de IA: checklist prático.

O que você consegue observar quando um agente age?

A observabilidade responde à pergunta que todo líder de operações acaba fazendo: o que o agente fez ontem, e por quê? Os sinais básicos são os rastros, que acompanham uma requisição por cada etapa, as métricas, que resumem o comportamento ao longo do tempo, e os registros de eventos. Para um agente, um rastro deve mostrar a requisição recebida, o contexto recuperado, cada chamada de ferramenta com suas entradas e saídas, cada aprovação solicitada e concedida, e a resposta ou ação final.

Pergunte se é possível ver esse rastro para qualquer execução individual, por quanto tempo os rastros são retidos, se conteúdo sensível pode ser mascarado e quem recebe alertas quando um agente falha ou se comporta fora dos seus limites. Pergunte também se o custo e o volume por agente são visíveis, para que atividades incomuns sejam notadas cedo.

Observabilidade sem dono produz painéis que ninguém lê. Nomeie a pessoa que revisa o resumo dos rastros e defina que tipo de padrão dispara uma resposta a incidente. A rotina de quem acompanha o agente no dia a dia está descrita em Quem supervisiona um agente de IA na empresa: revisão diária.

Como a plataforma lida com um modelo melhor?

Modelos mais fortes surgem com regularidade, e o negócio só se beneficia deles se o agente puder migrar para um modelo melhor sem perder memória, ferramentas, permissões ou histórico de desempenho. Os ganhos permanecem com você quando esses ativos ficam fora do modelo. Assim, o modelo se torna um componente que você pode testar e substituir.

Pergunte ao fornecedor como uma troca de modelo é feita. O mesmo conjunto de avaliação pode rodar contra o modelo atual e contra o candidato antes de qualquer mudança? A troca é uma alteração registrada, com um aprovador? Você consegue reverter em um prazo definido? Há material público sobre avaliação de agentes que pode servir de referência para as perguntas que você fará ao fornecedor.

A Be Human desenha agentes personalizados para que identidade, memória, canais, ferramentas, permissões e contexto operacional continuem sob controle do cliente, tratando o modelo como uma peça substituível. Na operação gerenciada, uma troca de modelo passa por avaliações recorrentes e por uma solicitação de mudança controlada antes de chegar aos usuários em produção, e a evidência fica guardada junto aos registros do agente. Isso descreve como o trabalho é organizado, e não promete nenhum resultado específico.

Um plano de reunião com fornecedor para executar ainda este mês

Use as perguntas acima como uma reunião estruturada, e não como uma demonstração aberta. Envie-as por escrito antes do encontro, para que o fornecedor responda com documentação, e não com impressões.

  • Antes da reunião: escreva o processo de negócio que você entregaria primeiro a um agente e as decisões que precisam continuar com pessoas.
  • Durante a reunião: peça uma demonstração ao vivo de uma exportação, de uma mudança de permissão e de um rastro de execução, e não apenas slides sobre cada um.
  • Depois da reunião: classifique cada resposta como documentada, prometida ou pouco clara. Trate as respostas pouco claras como riscos em aberto.
  • No contrato: exija por escrito direito de exportação, condições de exclusão de dados, apoio à revisão de permissões e retenção dos rastros.
  • Antes de qualquer piloto: confirme quem é dono da memória do agente, quem aprova mudanças de permissão e quem lê o resumo semanal dos rastros.

O NIST AI Risk Management Framework oferece um vocabulário neutro para essas questões de governança, e ajuda quando revisores internos perguntam por que cada controle existe. Guarde a planilha de avaliação junto ao contrato, para que a decisão possa ser explicada depois.

Se você quer identificar a primeira tarefa que vale entregar a um agente antes de comparar fornecedores, o diagnóstico gratuito de IA da Be Human é um ponto prático para começar.

Perguntas frequentes

Preciso de uma plataforma empresarial completa para começar com um agente? Não necessariamente. Um único agente bem delimitado ainda precisa de memória própria, permissões explícitas e registros legíveis, então as mesmas perguntas se aplicam em escala menor. Começar pequeno facilita testar exportação e revisão antes que o agente cresça.

Qual é a pergunta mais importante a fazer a um fornecedor? Pergunte se você pode exportar a memória do agente, as descrições das ferramentas, as configurações de permissão e os registros, e peça para ver uma amostra real durante a avaliação. A resposta mostra se a plataforma é um sistema que você possui ou um serviço que você aluga. Respostas vagas devem ser tratadas como uma dependência.

Com que frequência as permissões dos agentes devem ser revisadas? O trimestral é um padrão sensato para a maioria das empresas, com uma revisão antecipada após qualquer mudança relevante em ferramentas ou fontes de dados. Cada revisão deve comparar as permissões concedidas com o uso real e registrar as decisões. A evidência importa tanto quanto a própria revisão.

Um modelo melhor torna meu agente melhor automaticamente? Não por si só. Um modelo mais forte melhora os resultados apenas se a memória, as ferramentas e os conjuntos de avaliação do agente permanecerem intactos e forem testados contra o novo modelo antes de chegar aos usuários. Os ganhos são mantidos quando a camada ao redor é própria, documentada e revisada.

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 →