Preparação para superinteligência em empresas brasileiras: onde começar

A preparação de uma empresa para a superinteligência significa preparar os insumos que um sistema de IA muito mais capaz precisaria para ser útil e seguro dentro do negócio: dados com responsável definido, registros que respeitem a LGPD, processos escritos na língua que as equipes realmente usam e permissões que uma pessoa consiga revisar. Ninguém pode afirmar com segurança quando os modelos chegarão a esse nível, então o trabalho que compensa é aquele que também ajuda com as ferramentas de hoje. Comece pelas bases, não pelo modelo que você espera comprar no futuro.

Principais pontos

• A preparação para superinteligência é, sobretudo, trabalho de base: dono dos dados, registros, documentação de processos e permissões.
• Empresas brasileiras devem mapear dados pessoais e obrigações da LGPD antes de conectar qualquer sistema de IA a eles.
• As definições de processo em português e em inglês precisam coincidir, senão os agentes herdarão as lacunas entre elas.
• Cada capacidade concedida a um sistema de IA precisa de um aprovador nomeado, um registro de atividades e uma revisão agendada.
• Modelos melhores só ajudam se você conseguir medir os resultados nos seus próprios casos.

O que significa estar preparado quando ninguém sabe o prazo

A palavra superinteligência cobre desde afirmações sobre sistemas que superam especialistas em tarefas específicas até cenários especulativos sobre os quais pesquisadores não chegam a um acordo. Um líder de negócios não precisa resolver esse debate para agir. A pergunta prática é mais estreita: se os modelos disponíveis para a sua empresa ficarem muito mais capazes, o que impediria você de usá-los bem? Raramente a resposta é o modelo em si. Ela está no estado das suas informações, na clareza das suas permissões e na sua capacidade de verificar se os resultados estão corretos.

Esse enquadramento mantém o trabalho concreto. O NIST AI Risk Management Framework trata o risco de IA como algo a ser governado ao longo de todo o ciclo de vida, por meio de mapear, medir, gerir e governar, e não como uma única decisão de compra. Os mesmos hábitos valem seja o próximo passo um assistente simples ou um sistema mais capaz em algum momento no futuro. Para uma visão mais ampla da arquitetura em que essas bases se apoiam, o mapa de camadas da infraestrutura de IA empresarial é uma referência útil.

Comece pelo dono dos dados

Cada conjunto de dados importante precisa de uma pessoa responsável: alguém que decide quem pode lê-lo, copiá-lo ou enviá-lo a um sistema externo. Em muitas empresas brasileiras, os dados de clientes ficam no CRM, a tabela de preços vive em planilhas e as condições com fornecedores estão em trocas de e-mail, sem que ninguém responda pelo quadro completo. Um agente de IA vai encontrar essas fontes, tenha ou não alguém decidido que ele deveria.

Uma primeira revisão prática leva algumas semanas e não exige software novo:

• Liste as fontes de informação de que seus processos centrais dependem, incluindo planilhas, pastas compartilhadas e caixas de entrada.
• Nomeie um dono para cada fonte, mais um substituto que possa responder quando o titular estiver indisponível.
• Registre onde cada fonte está hospedada e quais fornecedores externos tecnicamente conseguem lê-la.
• Marque as fontes que contêm dados pessoais, preços confidenciais ou conhecimento que você não quer compartilhar com terceiros.
• Defina quais fontes um agente pode ler primeiro e mantenha as demais fora do escopo até que existam controles.

Esse mapa se torna a base de todas as decisões seguintes, da escolha do fornecedor de modelo até a definição do que um piloto pode tocar.

A primeira pergunta útil não é o que a IA consegue fazer, e sim quais das nossas informações ela tem permissão para ver.

Monte registros conforme a LGPD antes de conectar qualquer coisa

A LGPD, a Lei Geral de Proteção de Dados, se aplica quando uma empresa trata dados pessoais, e a ANPD é a autoridade nacional que a fiscaliza. Você não precisa se tornar especialista em privacidade para se preparar, mas precisa de registros que respondam a perguntas básicas: quais dados pessoais você tem, por que os tem, por quanto tempo os guarda, quem pode vê-los e como um pedido de correção ou exclusão feito por um cliente chegaria a todas as cópias. Esse último ponto pesa mais com IA, porque um resumo, um índice ou uma resposta armazenada em cache pode criar discretamente uma cópia que ninguém acompanha.

Os passos a seguir dão à sua equipe jurídica e à de operações um ponto de partida comum:

• Para cada processo que toca dados pessoais, registre a finalidade e a base legal em que você se apoia, e peça que o jurídico confirme os dois.
• Anote se dados pessoais chegam a um fornecedor de IA, onde esse fornecedor os processa e o que o contrato diz sobre retenção e uso para treinamento.
• Mantenha um registro simples de pedidos de correção e exclusão, incluindo os sistemas que foram atualizados.
• Use dados de teste separados nos experimentos, para que nenhuma prova exponha registros reais de clientes.

Trate esses registros como documentos vivos. Eles devem mudar quando uma nova ferramenta for conectada, e não uma vez por ano, quando alguém lembrar de atualizá-los.

Escreva os processos em português e inglês e faça com que coincidam

Muitas empresas brasileiras operam em dois idiomas ao mesmo tempo. As equipes de operações trabalham em português, enquanto manuais de software, documentação de fornecedores e partes da pilha financeira chegam em inglês. Essa divisão é administrável para as pessoas, que conseguem interpretar e perguntar. Um agente lê os dois documentos de forma literal e vai seguir o que encontrar primeiro.

Cenário ilustrativo: um distribuidor regional mantém o procedimento de devoluções em português para a equipe do armazém, enquanto o manual em inglês do fornecedor do seu ERP descreve outro prazo para aceitar devoluções. Um agente de atendimento construído sobre o manual prometeria uma coisa, e o armazém aplicaria outra. Nada na tecnologia causou o conflito. Era uma lacuna antiga entre dois documentos que as pessoas tinham aprendido a contornar.

Para fechar essas lacunas antes que um agente dependa delas:

• Monte um glossário curto com os termos centrais nos dois idiomas, como autorização de devolução e return authorization, e defina um termo preferido para cada um.
• Decida em qual idioma cada agente responde às pessoas que atende e registre essa regra por escrito.
• Atribua um dono a cada documento de processo e exija que ele aprove as mudanças nos dois idiomas.
• Teste cada processo com casos bilíngues, incluindo a redação confusa que clientes e colaboradores reais de fato usam.

Torne as permissões explícitas e meça cada mudança

Um agente que pode ler um documento representa um risco diferente de um que pode enviar um e-mail, emitir um reembolso ou alterar um registro. Defina cada capacidade separadamente: ler, rascunhar, agir com aprovação humana ou agir sozinho em tarefas de baixo risco, com um limite claro. Registre quem aprova cada nível e revise a lista em uma agenda fixa. Uma revisão de permissões passo a passo ajuda as equipes a verificar se as permissões concedidas ainda correspondem à função.

Há também um risco vindo do conteúdo que o agente lê. E-mails, arquivos de fornecedores e páginas da web podem conter texto escrito para manipular um sistema de IA e fazê-lo ignorar suas instruções. A OWASP Top 10 para aplicações com LLM lista esse tipo de problema, e a resposta prática é tratar o conteúdo externo como dado a ser avaliado, nunca como comando a ser obedecido, com as ações condicionadas aos limites de aprovação descritos acima.

A medição é o que permite adotar modelos melhores sem adivinhar. Reúna um conjunto de casos reais das suas operações, registre o resultado que uma pessoa qualificada aceitaria e rode esse conjunto após cada mudança no modelo, no prompt ou nas ferramentas. Mantenha um registro de qual versão produziu qual resultado. Sem isso, um modelo mais capaz pode parecer impressionante em uma demonstração enquanto piora discretamente nas tarefas que importam para os seus clientes.

Um ponto de partida para os próximos 90 dias

A ordem importa mais do que a velocidade. O plano a seguir funciona para uma empresa com uma equipe pequena e sem plataforma de IA existente:

• Dias 1 a 30: mapeie as fontes de informação, nomeie um dono para cada uma e marque dados pessoais e conhecimento confidencial.
• Dias 31 a 60: escreva o glossário bilíngue, escolha um processo com critério de sucesso claro e rascunhe seus níveis de permissão com o aprovador nomeado.
• Dias 61 a 90: rode o primeiro agente em modo somente leitura ou rascunho, colete os casos reais, revise os registros com o dono do processo e decida se a próxima capacidade se justifica.

Ao final dos 90 dias, você não terá uma plataforma de IA completa, mas terá algo mais valioso para os modelos futuros: informações documentadas, responsabilidades claras e uma forma de saber se uma mudança ajudou. Um checklist de preparação para líderes de empresas pode ajudar a verificar o que ainda está em aberto.

Como a Be Human trabalha com isso na prática

A Be Human projeta, implementa e opera infraestrutura de IA personalizada, com agentes que mantêm sua identidade, memória, canais, ferramentas, permissões e contexto operacional sob controle humano. Um primeiro projeto define um papel útil, a memória e as ferramentas que esse papel precisa, seus limites de aprovação e um critério de sucesso observável. A operação gerenciada cuida então do monitoramento, de avaliações recorrentes, da manutenção das integrações, da revisão de permissões, da resposta a incidentes e de melhorias controladas, para que as bases descritas neste artigo sejam mantidas atualizadas, e não definidas uma vez e esquecidas.

Se você não tem certeza de qual dessas bases é a mais fraca na sua empresa, o diagnóstico gratuito de IA da Be Human pode ajudar a encontrar a primeira tarefa que vale entregar a um agente.

Perguntas frequentes

Superinteligência é relevante para uma empresa que não vende tecnologia? Sim, no sentido de que a mesma preparação ajuda qualquer negócio a usar bem ferramentas mais capazes. O trabalho central de conhecer seus dados, documentar seus processos e revisar permissões não depende do setor. Ele também protege contra riscos que já existem com os sistemas de hoje.

Precisamos resolver todas as questões da LGPD antes de testar um agente de IA? Não, mas você não deve conectar dados pessoais a nenhum sistema externo antes de saber para onde eles vão e quem pode excluí-los. Comece em um ambiente de teste que use registros sintéticos ou anonimizados. Peça à sua equipe jurídica que revise a base para qualquer uso em produção antes de ele começar.

Os processos operacionais devem ser escritos em português ou em inglês? Escreva-os no idioma que sua equipe usa para fazer o trabalho e mantenha um glossário bilíngue para os termos que aparecem na documentação dos fornecedores. A regra importante é que as duas versões precisam coincidir. Um agente que lê instruções conflitantes não vai resolver o conflito da mesma forma que uma pessoa faria.

O que uma equipe pequena deve fazer primeiro? Comece com um único processo, uma lista curta de fontes de informação e um dono nomeado. Escolha uma tarefa em que uma resposta errada seja fácil de identificar e barata de corrigir. Rode-a em modo de rascunho com aprovação humana até que os registros mostrem que os resultados são confiáveis o bastante para ampliar o escopo.

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