Pular para o conteúdo
Digital Workplace agêntico

Digital Workplace agêntico

Do portal que apresenta à plataforma que resolve

Quem conduz um portal corporativo de grande porte ouve dois pedidos que se contradizem: “coloque um agente de IA na frente de tudo” e “primeiro arrume a casa”. Este estudo mostra, camada por camada, o que precisa existir antes de um agente agir em nome de um colaborador — e o que acontece quando alguma dessas camadas é pulada.

Um agente corporativo só é tão bom quanto as fundações que ele atravessa: intenção priorizada, conhecimento governado, identidade delegada, contratos de API e processos explícitos. Sem elas, ele é um chatbot com credenciais perigosas. INFERÊNCIA

Figura 1 · A cadeia da intenção à experiência RECOMENDAÇÃO

  1. Intenção O que a pessoa quer?
  2. Agente Quem age?
  3. Conhecimento Qual é a regra?
  4. Ferramentas Com que capacidade?
  5. Processo de negócio Com que dono e estado?
  6. Experiência dinâmica Como a pessoa vê e confirma?
Fórmula do estágio 5 do modelo de maturidade. O agente é um elo no meio da cadeia, com o mesmo peso dos demais: se qualquer outro elo falha, ele herda a falha e não consegue corrigi-la.

Por onde você entra? (perguntas ilustrativas)

Como ler esta página

2 minutos

Hero, estágios de maturidade e o bloco Em síntese. Você sai com o modelo de cinco estágios e a tese.

12 minutos

Acrescente arquitetura, fluxo, confiança e roadmap.

Cerca de 45 minutos

A página inteira, com os aprofundamentos recolhíveis e as trinta perguntas críticas.

Índice completo
  1. Resumo em vídeo
  2. O problema: o colaborador como integrador humano
  3. Cinco estágios, do link à intenção resolvida
  4. Arquitetura de referência em seis camadas
  5. Um pedido do começo ao fim
  6. Os oito pilares técnicos
  7. A cadeia do conhecimento
  8. Identidade, autonomia e governança
  9. O agente dentro do processo
  10. Doze lentes, um conselho de arquitetura
  11. Trade-offs, anti-patterns e matriz tecnológica
  12. Operar um agente
  13. Fases e trilhas
  14. Índice de prontidão para agentes
  15. Trinta perguntas críticas
  16. Trilhas de estudo por perfil

Resumo em vídeo RECOMENDAÇÃO

Antes das camadas técnicas: o estudo em vídeo

O vídeo apresenta a escada de evolução do portal e as fundações de governança que precedem o agente. Se já conhece o modelo, pule para o problema: nada do que vem depois depende de assistir.

Digital Workplace Agêntico: Como Evoluir do Portal Corporativo ao Agente de IA. O vídeo trata da arquitetura do conhecimento e do perigo da alucinação. Reforça que a autonomia máxima para ações sensíveis fica no nível 2, o que obriga a revisão formal por HITL (identidade, autonomia e governança).

Pular o vídeo e continuar a leitura ↓

Resumo textual do vídeo
  • Conhecimento: o agente só responde bem sobre o que a arquitetura do conhecimento governa; sem fonte canônica, vigência e permissões, a resposta fluente pode estar errada (alucinação). Ver a cadeia do conhecimento.
  • Identidade delegada: o agente age com a identidade do colaborador em escopo mínimo, e não no lugar dele. Ver identidade e governança.
  • MCP: é a ponte entre a intenção abstrata do pedido e a execução real nos sistemas de backend, pela camada de integração. Ver a arquitetura em seis camadas.
  • Autonomia: ações sensíveis ficam no nível 2, no máximo, com confirmação humana (HITL) antes do efeito.

Texto de apoio, não uma transcrição integral do vídeo.

O problema INFERÊNCIA

O colaborador como integrador humano

Em um portal corporativo de grande porte, o colaborador lida com dezenas de sistemas: RH, ponto, benefícios, acessos, chamados, aprendizagem. O portal tradicional organiza links para esses sistemas. Quem integra é a pessoa: ela precisa saber onde fica cada coisa, qual a regra vigente e em que estado está o próprio pedido.

A pergunta que organiza este estudo é outra: o que precisa existir para que “faça isso para mim” seja seguro, auditável e útil — e em que ordem construir?

INFERÊNCIA

1. O trabalho é digital e fragmentado

Cada domínio tem sua experiência, sua linguagem e sua fila. A soma desses mapas é o que o colaborador carrega na cabeça.

INFERÊNCIA

2. A expectativa mudou

Perguntar em linguagem natural e receber uma resposta com fonte tornou-se uma expectativa comum em ferramentas de consumo e tende a ser levada ao trabalho.

FATO INFERÊNCIA

3. Agentes ficaram tecnicamente viáveis

Protocolos abertos (MCP, A2A, AG-UI) e modelos com tool calling tornam possível agir, não só responder. A existência dos protocolos é fato; a viabilidade em escala corporativa é inferência.

O que este estudo não é
  • Não é a descrição de um portal específico: o sujeito é sempre “um portal corporativo de grande porte”.
  • Não é recomendação de fornecedor: a matriz tecnológica compara, não elege.
  • Não propõe uma arquitetura ideal única: há trade-offs explícitos e decisões que dependem do contexto.
  • Não traz datas: o roadmap tem fases e critérios de passagem, porque a duração depende do estado atual, que só a descoberta revela.
Como ler os selos

Todo bloco derivado do estudo carrega um selo. O rótulo é texto; a cor não é o único portador.

FATO
Verificável em fonte primária (especificação, RFC, documentação oficial, lei).
INFERÊNCIA
Conclusão derivada de fatos, com o raciocínio explícito.
HIPÓTESE
Suposição plausível, ainda não verificada.
RECOMENDAÇÃO
Posição de arquitetura proposta pelo estudo. Quando um bloco mistura rótulos, vale o mais fraco.
Siglas e termos usados nesta página
EXP (Employee Experience Platform)
Camada que organiza serviços e jornadas do colaborador sobre os sistemas de registro.
SoR (sistema de registro)
Onde fica o dado oficial e a regra de negócio: folha, ponto, benefícios, atendimento.
ECM e CSP
Gestão de conteúdo corporativo (enterprise content management) e plataforma de serviços de conteúdo (content services platform): o repositório governado e sua versão exposta como serviço.
Headless
Conteúdo estruturado em campos e entregue por API a qualquer canal, sem tela acoplada.
RAG (retrieval-augmented generation)
Resposta gerada por um modelo a partir de trechos de documentos recuperados por busca.
Groundedness
Quanto a resposta se sustenta nas fontes citadas.
ACL, IdP e SSO
Lista de permissões do documento; provedor de identidade; login único.
AG-UI, MCP, A2A, A2UI
Protocolos abertos: interação agente ↔ aplicação; agente ↔ ferramentas; agente ↔ agente; e um formato declarativo de interface gerada.
HITL (human-in-the-loop)
Confirmação ou decisão humana formal antes de uma ação com efeito.
BFF (backend for frontend)
Camada que adapta as APIs ao canal que as consome — aqui, o canal do agente.
ESB, CDC e outbox
Barramento central de integração; captura de mudanças no banco de um legado; padrão que grava o estado e o evento na mesma transação.
SLI, SLO e orçamento de erro
Indicador, objetivo sobre o indicador e quanto do objetivo pode ser descumprido antes de congelar mudanças.
DEX (digital employee experience) e ILM
Experiência digital do colaborador; gestão do ciclo de vida da informação (retenção e descarte).
LGPD
Lei Geral de Proteção de Dados (Lei nº 13.709/2018).

Maturidade RECOMENDAÇÃO

Cinco estágios, do link à intenção resolvida

O modelo descreve a evolução de um portal em cinco estágios. Cada estágio acumula os anteriores: um Agentic Workplace sem as fundações dos estágios 2 a 4 é um chatbot com credenciais perigosas INFERÊNCIA. O modelo é uma proposta para discussão; o posicionamento de um portal concreto só se sustenta com critérios e evidências.

  1. 1. Intranet tradicional

    Conteúdo + Links + Sistemas

    O colaborador pergunta
    “onde fica?”
    A plataforma responde
    “aqui está o link”
  2. 2. Digital Workplace

    Conteúdo + Serviços + Personalização

    O colaborador pergunta
    “como peço?”
    A plataforma responde
    “aqui está o serviço para você”
  3. 3. EXP componível

    APIs + Headless + Jornadas + Micro-frontends

    O colaborador pergunta
    “como resolvo de ponta a ponta?”
    A plataforma responde
    “siga esta jornada, sem trocar de sistema”
  4. 4. AI-Enhanced Workplace

    Search + RAG + Copilots + Automação

    O colaborador pergunta
    “qual é a regra?”
    A plataforma responde
    “esta é a resposta, com fonte”
  5. 5. Agentic Workplace

    Intenção → Agente → Conhecimento → Ferramentas → Processo → Experiência dinâmica

    O colaborador pede
    “faça isso para mim”
    A plataforma responde
    “entendi, preparei, confirme, está em andamento”
Figura 2 · Escada de maturidade. Com JavaScript, o botão de cada degrau destaca a coluna correspondente da matriz abaixo; sem JavaScript, escada e matriz aparecem inteiras.

Matriz comparativa por dimensão

Dimensões × estágios (E1 a E5). Cada coluna acumula as capacidades das anteriores.
Dimensão E1 · Intranet E2 · Digital Workplace E3 · EXP componível E4 · AI-Enhanced E5 · Agentic
Unidade de valorpáginaserviçojornadarespostaintenção resolvida
Integraçãolinksponto a pontocontratoscontratos + índicecontratos + ferramentas + delegação
Conteúdopáginaspáginas + catálogoheadlessgovernado e indexado com ACLgovernado, indexado e usado para ação
IdentidadeloginSSOSSO + perfilSSO + permissões no índicedelegação sujeito + ator
Processofora do portalformuláriosworkflowsworkflows com etapas de LLMagente como interface de processos
UXmenuscatálogojornadaslinguagem naturalintenção + UI adaptativa
OperaçãodisponibilidadedisponibilidadeSLOs por capacidade+ qualidade de respostas+ traces de agente, custo, error budget de qualidade
GovernançaeditorialcatálogocontratosIA e dadosautonomia e auditoria

Pular estágios tem custo INFERÊNCIA

E2 → E4, sem E3

O RAG funciona para perguntas, mas não há APIs para agir: o “agente” só responde.

E2 → E5, sem E3 e E4

Agente com integrações improvisadas, credenciais amplas e conhecimento não governado. Alto risco de incidente.

E3 → E5, sem E4

Ações bem integradas, mas respostas de conhecimento pouco confiáveis e sem permissões indexadas.

É possível avançar em paralelo por trilhas — iniciar a governança de conteúdo do E4 enquanto se constroem as APIs do E3 —, mas o estudo não recomenda operar o E5 sem as capacidades anteriores no escopo das intenções habilitadas. Por isso a maturidade se avalia por jornada, não pelo portal inteiro: uma organização pode estar no estágio 5 para “consultar saldo de férias” e no estágio 2 para “solicitar acesso” RECOMENDAÇÃO.

Critérios para considerar-se em cada estágio

Para estar em um estágio, a organização atende a todos os critérios dele. O estágio 1 não tem critério de entrada.

Estágio 2

  • SSO em todos os serviços do portal.
  • Catálogo de serviços com dono por serviço.
  • Ao menos três domínios com autosserviço transacional.

Estágio 3

  • Capacidades das jornadas prioritárias acessíveis por API com contrato versionado.
  • Conteúdo de experiência entregue por API a mais de um canal.
  • Ao menos uma jornada cross-domain com dono e workflow.
  • Design system usado por todos os times de experiência.

Estágio 4

  • Busca híbrida com permissões aplicadas no índice.
  • Conteúdo normativo com vigência e dono em 100% do escopo indexado.
  • Conjunto de avaliação com métricas de recuperação monitoradas.
  • Política de IA e inventário de casos de uso.

Estágio 5

  • Token delegado (sujeito + ator) em todas as ferramentas.
  • Autorização no ponto do dado para todas as ações.
  • HITL formal para ações com efeito.
  • UI generativa restrita a catálogo.
  • Registro de execução auditável.
  • SLOs de qualidade com error budget.
O que cada estágio exige: capacidades, riscos e mudança organizacional
Capacidades, riscos e organização por estágio.
EstágioCapacidadesRiscos principaisOrganização
1 · IntranetCMS de intranet, diretório de links, notícias, busca simplesconteúdo desatualizado; colaborador como “integrador humano”comunicação interna dona do portal
2 · Digital WorkplaceSSO, catálogo de serviços, audiências, autosserviço em alguns domínios, app mobile, abertura de chamadoscatálogo que é só uma lista de links; personalização superficialproduto digital do colaborador começa a existir; domínios fornecem serviços
3 · EXP componívelAPIs de domínio com contrato; conteúdo headless; jornadas cross-domain; design system multicanal; workflow para processos longosmicrosserviços e micro-frontends sem necessidade; BFF virando monólitodomínios como donos de capacidades; time de plataforma; dono de jornada
4 · AI-Enhancedbusca híbrida com permissões; RAG com citações; copilots em tarefas específicas; workflows com etapas de LLMRAG sobre conteúdo não governado; vazamento por oversharing; alucinaçãodonos de conteúdo com tempo de curadoria; comitê de IA; time de plataforma de IA
5 · Agenticagente com ferramentas de leitura e escrita; identidade delegada; HITL formal; UI generativa governada; protocolo de interação; registro de execuçãoexcesso de agência; agente-ESB; regras no prompt; incidentes silenciosos de qualidade; instabilidade de protocolosfórum de ferramentas e permissões; donos de processo recebendo feedback do agente; SRE de qualidade

“Micro-frontends” na fórmula do estágio 3 indica modularidade de experiência, não a obrigação de adotá-los em runtime.

Arquitetura de referência RECOMENDAÇÃO

Seis camadas e uma faixa transversal

O modelo abaixo não é uma arquitetura definitiva nem a descrição de um portal: é uma referência para posicionar decisões, achar dependências e conversar entre disciplinas. Cada camada tem uma responsabilidade e, tão importante quanto, aquilo que não é responsabilidade dela. As camadas de baixo (integração, conhecimento, identidade) são pré-requisito das de cima (agente, UI generativa).

Colaborador — intenção, navegação, confirmação

Experience Layer web, mobile, canais de colaboração, notificações, UI generativa, cliente AG-UI
Experience Layer
É responsável porNão é responsável por
renderizar componentes aprovados, em qualquer canaldecidir regras de negócio
capturar intenção, confirmações e ediçõeschamar sistemas de registro diretamente
acessibilidade e consistência visualguardar estado de processo
manter a conexão AG-UI e aplicar estado (snapshots, deltas)autorizar ações (apenas reflete o que o backend permite)

AG-UI (eventos, estado, interrupções)

Agent / Interaction Layer runtime de agente, instruções versionadas, estado da tarefa, guardrails, HITL, clientes MCP e A2A
Agent / Interaction Layer
É responsável porNão é responsável por
interpretar intenção e planejarser a fonte da verdade de qualquer dado
escolher ferramentas do catálogo permitidoconter regras de elegibilidade
conduzir confirmações e interrupçõesmanter processos de longa duração
explicar resultados com fontesdecidir permissões
registrar a execução (trace)integrar sistemas de registro ponto a ponto

consulta de serviços e jornadas · ferramentas (MCP)

Employee Experience Platform (EXP) catálogo de serviços, jornadas, perfil e contexto, personalização, estado de solicitações
Employee Experience Platform
É responsável porNão é responsável por
catálogo de serviços e suas regras de exibiçãoexecutar a regra de negócio do domínio
definição de jornadas, inclusive cross-domaininterpretar linguagem natural
perfil e contexto do colaborador, com base legalser o repositório de conteúdo normativo
estado agregado de solicitações e notificações

INFERÊNCIA A EXP permite que o agente e a navegação tradicional ofereçam os mesmos serviços, com as mesmas regras de exibição. Sem ela, o agente cria um catálogo paralelo.

Knowledge conteúdo canônico, taxonomia, índice híbrido com ACL, retrieval, RAG
Knowledge
É responsável porNão é responsável por
conteúdo canônico com metadados, vigência, dono e permissõesgerar respostas
índice híbrido com ACLs sincronizadasdecidir, na geração, o que o usuário pode ver
retrieval com filtros e reranking; grafo de entidades de alto valor
Integration servidores MCP por domínio, gateway, BFF do agente, APIs, workflow engine, eventos
Integration
É responsável porNão é responsável por
expor capacidades de domínio por contratoconter regras de negócio
BFF adaptado ao canal agente; processos duráveis (workflow)interpretar intenções
distribuir eventos e projeções de leitura; resiliência (timeouts, circuit breakers, idempotência)

APIs com contrato

Corporate Systems (SoR) RH e folha, ponto, benefícios, ITSM, IAM, atendimento, legados

Fonte da verdade e da regra. Mudam devagar; a arquitetura deve protegê-los dos padrões de carga e de chamada introduzidos por agentes (rate limit, cache, projeções de leitura).

Transversal (todas as camadas)

  • IAM e delegação
  • Motor de políticas
  • Segurança
  • LGPD
  • Governança de IA
  • Auditoria e lineage
  • Observabilidade (traces, métricas, avaliações)
  • SRE
  • DEX
Figura 3 · Camadas de referência. Cada faixa abre a tabela de responsabilidades; a ordem do documento é a ordem de leitura, de cima para baixo.

Nove princípios que atravessam as camadas RECOMENDAÇÃO

  1. A regra vive no domínio. Nenhuma camada acima dos sistemas de registro e dos serviços de domínio decide elegibilidade.
  2. Identidade se propaga, nunca se substitui. Toda chamada carrega quem pediu e quem está agindo.
  3. O agente é um canal. Usa a mesma EXP, as mesmas APIs e as mesmas políticas dos demais canais.
  4. UI generativa é composição de componentes aprovados.
  5. Estado de processo é durável e externo ao agente.
  6. Conhecimento é governado na origem. O índice reflete; não corrige.
  7. Toda execução é reconstruível: quem, o quê, com base em quê, com que autorização.
  8. Degradação graciosa. Se o agente falhar, a navegação tradicional continua.
  9. Protocolos atrás de adaptadores. AG-UI, MCP e A2A são encapsulados para absorver mudanças de especificação.
Decisões em aberto por camada
Cada decisão tem alternativas legítimas; a escolha depende do inventário de cada organização.
CamadaDecisãoAlternativas
Experienceshell próprio ou extensão da plataforma SaaSmonólito modular, micro-frontends, composição no servidor ou na borda
Experienceespecificação de UI generativaA2UI, MCP Apps, Open-JSON-UI, schema próprio
Agentagente da plataforma ou independentever paradoxo em Decisões
Agentum agente ou multi-agente; onde roda o modeloagente único com catálogo filtrado; gerenciado, nuvem privada ou local
EXPconstruir, comprar ou usar a suíte existentedepende do inventário
Knowledgemotor de buscaElasticsearch, OpenSearch, serviço gerenciado
IntegrationMCP direto aos domínios ou via BFFservidores MCP finos chamando BFF e APIs
Transversalmodelo de autorizaçãoRBAC, ABAC, ReBAC ou combinação

Fluxo ponta a ponta RECOMENDAÇÃO

Um pedido do começo ao fim: agente, AG-UI, ferramentas e processo

Cenário ilustrativo: uma colaboradora escreve “Minha filha nasceu ontem. Preciso incluir ela no plano de saúde.” O pedido é um bom teste porque reúne intenção com carga emocional, dado pessoal sensível, regra de elegibilidade com prazo, coleta de documento, ação com efeito, processo assíncrono com possível análise humana e uma jornada maior (licença, folha) que pode ser sugerida.

A sequência abaixo é ilustrativa: não é uma execução real nem a descrição de um sistema existente. Os nomes dos eventos seguem a especificação AG-UI 1.0.

  1. RunAgentInput Colaborador → Interface → Agente O pedido sai com o token da colaboradora. O runtime não usa esse token para chamar sistemas: troca-o, a cada ferramenta, por um token delegado.
  2. RUN_STARTED Agente → Interface Início da execução e criação do trace com ID de correlação.
  3. ACTIVITY_SNAPSHOT Agente → Interface Progresso transparente; o leitor de tela recebe um anúncio moderado.
  4. Contexto da EXP e do conhecimento Agente → Ferramentas Só entra no contexto o conteúdo vigente e permitido, com ID, versão e vigência.
  5. TOOL_CALL_START · elegibilidade Agente → Ferramentas (token delegado: sujeito + ator) O agente recebe “elegível, prazo, documentos exigidos”; não decide elegibilidade.
  6. TOOL_CALL_START · render_dependent_form Agente → Interface Ferramenta de frontend: quem define o catálogo é a aplicação, não o agente.
  7. STATE_DELTA Agente ↔ Interface Patch JSON atômico: aplica inteiro ou é rejeitado, com ressincronização por snapshot. O anexo vai a um repositório de documentos; o agente recebe só a referência.
  8. RUN_FINISHED · interrupção confirmacao_acao Agente → Interface “Uma execução interrompida é uma execução encerrada”: a resposta vem em uma nova execução.
  9. Confirmar Colaborador → Interface → Agente Confirmação explícita, com resumo legível e possibilidade de editar sem recomeçar.
  10. TOOL_CALL_START · iniciar_inclusao Agente → Ferramentas → Workflow Repetir a chamada não duplica a inclusão; o estado do processo vive no workflow engine.
  11. TEXT_MESSAGE_* · RUN_FINISHED Agente → Interface Conclusão assíncrona: dias depois, o workflow publica o evento e a EXP notifica. Se houver exceção, a tarefa humana nasce com contexto estruturado.

Todos os passos estão visíveis. Com JavaScript, você pode percorrê-los um a um.

Figura 4 · Sequência ilustrativa RECOMENDAÇÃO. Roxo marca a decisão humana; âmbar, a ação com efeito. Os nomes dos eventos são FATO conforme a especificação AG-UI 1.0.

O que o AG-UI é — e o que não é

FATO O AG-UI (Agent User Interaction Protocol) é um protocolo para conectar aplicações voltadas ao usuário a agentes, por fluxos de eventos. Cada pedido inicia uma execução (run) que devolve eventos à aplicação. Ele convive com outros dois protocolos: o MCP liga agente e ferramentas; o A2A liga agentes entre si; o AG-UI liga o agente ao usuário.

Por isso a resposta à pergunta “AG-UI é protocolo de UI, de integração ou de interação?” é: de interação. Ele não é uma especificação de UI generativa (isso é A2UI, MCP Apps, Open-JSON-UI), não é integração com sistemas corporativos, não é mecanismo de autorização e não é framework de agente. Transporta propostas de ação; quem autoriza são as ferramentas e os sistemas.

As oito famílias de eventos AG-UI
Especificação 1.0. FATO quanto aos eventos; a coluna de uso é INFERÊNCIA.
FamíliaEventosUso em um Digital Workplace
Runs e stepsRUN_STARTED, RUN_FINISHED, RUN_ERROR, STEP_STARTED, STEP_FINISHEDciclo de vida de uma solicitação; base para métricas de latência
Mensagens de textoTEXT_MESSAGE_*resposta conversacional em streaming
Tool callsTOOL_CALL_*proposta de ação; argumentos chegam em fragmentos
ReasoningREASONING_*visibilidade do raciocínio, com artefatos criptografados
EstadoSTATE_SNAPSHOT, STATE_DELTA, MESSAGES_SNAPSHOTestado compartilhado, como o rascunho de uma solicitação
AtividadeACTIVITY_SNAPSHOT, ACTIVITY_DELTAprogresso estruturado fora da transcrição (“verificando elegibilidade…”)
SubagentesSUBAGENT_STARTED, SUBAGENT_FINISHED, SUBAGENT_ERRORatribuição de saída a subagentes
PassthroughRAW, CUSTOMescape para eventos proprietários; em excesso, perde interoperabilidade
Estado, interrupções e transporte
  • FATO Snapshot substitui o estado inteiro (“não é um merge”). Delta aplica operações JSON Patch (RFC 6902) de forma atômica. Se um patch falhar, o consumidor rejeita o resultado parcial e o produtor deve ressincronizar com um snapshot.
  • FATO Uma execução que precisa de entrada externa termina com RUN_FINISHED carregando uma interrupção (id, motivo, mensagem legível, schema de resposta). O produtor não deve relatá-la como sucesso nem executar a ação se a interrupção não for coberta pela retomada.
  • INFERÊNCIA Com isso, a aprovação humana deixa de ser um “if” no código do agente e passa a ser um evento de protocolo, com schema de resposta, expiração e regra explícita de não execução — o que facilita a auditoria.
  • FATO O transporte obrigatório é HTTP com Server-Sent Events; Protobuf é opcional; WebSocket não é binding padrão, mas é permitido. Qualquer transporte deve entregar os eventos de uma execução de forma ordenada e completa.
  • INFERÊNCIA Proxies e CDNs não podem bufferizar SSE; o stream precisa de token válido durante toda a execução; em redes móveis instáveis, snapshots ressincronizam o estado.
O que muda se… (cinco variações do cenário)
Variações RECOMENDAÇÃO
VariaçãoImpacto
A colaboradora está em uma ferramenta de colaboraçãoo mesmo agente e estado; o componente renderiza como cartão; o anexo pode exigir link para o app
O sistema de benefícios está fora do arcircuit breaker aberto; o agente explica, salva o rascunho e oferece lembrete ou chamado
A política mudou ontemo índice reflete a nova versão por evento de ciclo de vida; as respostas citam a versão nova
Pergunta pela filha de outra pessoaa ferramenta resolve “dependente” pela identidade da solicitante e não aceita IDs arbitrários do texto
Um documento indexado contém instrução maliciosao conteúdo recuperado é tratado como dado; guardrails e a ausência de ferramentas perigosas limitam o impacto

Na vertical de agentes, o mesmo desenho — ciclo do agente, fail-closed, HITL — está detalhado em Engenharia de Agentes de IA.

Pilares técnicos

Os oito pilares sob a arquitetura

Cada pilar responde a uma pergunta que o agente, sozinho, não responde. Os cartões resumem o achado principal; o aprofundamento de cada um está recolhido. O mesmo critério vale para todos: o que existe, o que falta e o que não é responsabilidade dele.

INFERÊNCIA

1 · EXP e Digital Workplace

A intranet informa e encaminha; a EXP executa e acompanha. Ela organiza serviços e jornadas sobre os sistemas de registro, com identidade, contexto e entrega em vários canais.

Intranet moderna × EXP, composable e MACH
Diferenças operacionais
DimensãoIntranet modernaEXP
Unidadepágina e seçãojornada e serviço
Sistemaslink ou embedAPI; ação dentro da experiência
Contextoaudiência (área, local)perfil, momento de vida, estado de solicitações
Canalweb, principalmenteweb, mobile, colaboração, notificações
Sucessovisitas, alcanceresolução, tempo até a resolução, esforço
Donocomunicação internaproduto, com domínios como fornecedores de serviços

Uma EXP não precisa ser componível: para agentes, o requisito real é que as capacidades estejam expostas por contrato. MACH é uma estratégia possível, não um requisito; a MACH Alliance é uma associação de fornecedores, e seu material é posicionamento de mercado INFERÊNCIA. API-first e headless valem para agentes; microsserviços só onde há fronteira organizacional.

RECOMENDAÇÃO

2 · Front-end modular

Micro-frontends resolvem um problema organizacional (deploy independente de times), não técnico. Sem a necessidade medida, um monólito modular costuma bastar para o mesmo objetivo INFERÊNCIA.

Quando adotar micro-frontends em runtime

Só se as três condições forem verdadeiras:

  • há pelo menos três times entregando interfaces no mesmo shell, com ritmos diferentes;
  • o custo de coordenação de releases é um gargalo medido, não percebido;
  • existe uma plataforma (time e ferramentas) para cuidar do shell, das dependências compartilhadas e dos testes de integração.

As opções, do menor ao maior custo: monólito modular; micro-frontends em build time; em runtime (Module Federation); orquestrador como single-spa (para migração gradual); composição no servidor ou na borda; iframes (isolamento total, com UX e acessibilidade ruins). O design system é a plataforma comum; o cliente AG-UI vive no shell. Streaming por SSE exige que proxies e CDNs não bufferizem a resposta.

FATO RECOMENDAÇÃO

3 · UI generativa governada

O agente compõe a tela a partir de um catálogo de componentes aprovados; não gera HTML livre. O Component Registry é o contrato entre o agente e o design system.

Especificações, registry e regras de execução
  • A2UI (Google): formato declarativo, “não código executável”; o cliente mantém o catálogo e o agente só pede componentes dele. Versão 0.8 em dezembro de 2025.
  • MCP Apps: recursos ui:// pré-declarados, renderizados em iframes isolados; proposta de novembro de 2025.
  • Open-JSON-UI: padronização do schema declarativo citada na documentação do AG-UI. Ou um schema próprio sobre o design system.

O status atual de cada especificação pode ter mudado desde a data da fonte.

Uma entrada do registro descreve: quando usar e quando não usar (para o agente), JSON Schema das props, ações emitidas, efeito colateral, contexto exigido, auditoria de acessibilidade e dono. Regras: só componentes registrados são instanciados; props são validadas antes de renderizar; componentes com efeito colateral não executam nada no cliente — a ação passa pelo backend, que reaplica a autorização; texto vindo do modelo é dado não confiável.

FATO INFERÊNCIA

4 · Conteúdo governado: do ECM ao headless

O conteúdo precisa ter metadados utilizáveis por máquina: vigência, dono, permissão e aplicabilidade. Sem isso, busca e RAG herdam o problema e não conseguem corrigi-lo.

Três gerações e o que o agente exige do conteúdo

ECM guarda registros com controle, versão e retenção. CSP os expõe como serviços abertos; a Gartner formalizou a troca do termo em 2017. Headless estrutura o conteúdo de experiência em campos e o entrega por API a qualquer canal. As três coexistem: registros com retenção ficam em ECM/CSP; comunicados, FAQs e guias se beneficiam do modelo headless. O erro é tentar resolver tudo com uma só.

O que o agente exige do conteúdo INFERÊNCIA
Requisito do agenteCapacidade de conteúdo
citar a versão vigentevigência (início e fim) e status
não revelar conteúdo restritopermissões explícitas e exportáveis ao índice
responder para o público certometadados de aplicabilidade (cargo, área, região, vínculo)
entender sinônimostaxonomia controlada
saber quem corrige uma resposta erradadono e ciclo de revisão
recuperar o trecho certoconteúdo estruturado em seções, com títulos e hierarquia
apagar quando a lei mandaILM e retenção propagados até o índice e os logs
RECOMENDAÇÃO

5 · Integração: gateway, BFF, eventos e workflows

O agente precisa de contratos, não de microsserviços. O BFF molda as capacidades para o canal agente; o workflow engine guarda o estado do processo; nenhum deles contém regra de negócio.

API, evento ou workflow? E o papel do BFF
Quando usar cada um
CritérioAPI síncronaEventosWorkflow engine
Interaçãopergunta e resposta imediatafato já ocorridoetapas ao longo do tempo
Consumidoresumváriosum processo
Duraçãoms a segundoscontínuaminutos a meses
Sinal de uso erradotimeouts em operações longaseventos usados como pedido-respostamotor para uma chamada simples

O BFF do agente reduz payload e ruído (tokens custam e confundem), agrega consultas frequentes, normaliza erros em mensagens explicáveis, impõe paginação e aplica a política específica do canal agente. Legados sem eventos podem usar CDC; o outbox transacional evita “estado mudou, evento perdido”. O agente inicia o workflow com chave de idempotência, consulta o estado e responde a sinais humanos — nunca guarda o estado na própria memória.

FATO RECOMENDAÇÃO

6 · Busca, RAG e grafos de conhecimento

Busca lexical e semântica têm pontos cegos diferentes; a combinação híbrida com filtro de permissão no índice é a base. O RAG só entra depois, e avaliação vem antes de tecnologia.

Técnicas, RAG clássico × RAG com agente e avaliação
Pontos fortes e cegos
TécnicaForte emFraca em
Lexical (BM25)siglas, códigos de normativo, nomes, númerossinônimos e paráfrases
Semântica densaperguntas em linguagem naturaltermos raros, negação, números exatos
Híbridarobustezcalibração e avaliação
Rerankingprecisão nos primeiros resultadoslatência e custo
Grafo de conhecimentoperguntas relacionais e globaisconstrução e manutenção

A fusão de listas por RRF (Reciprocal Rank Fusion) combina resultados pelo posto, sem normalizar scores. O RAG foi formalizado por Lewis et al. (2020). O Agentic RAG ganha em perguntas compostas (política + dado pessoal) e perde em previsibilidade, latência e custo; para perguntas simples de política, o RAG clássico tende a ser mais adequado. Modelos aproveitam pior a informação no meio de contextos longos (Liu et al., 2023): menos trechos, mais relevantes. Avaliação por camada: recuperação (recall@k, nDCG), permissão (vazamento deve ser zero), grounding, correção e utilidade.

INFERÊNCIA

7 · Agentes, tool calling, MCP e A2A

O MCP é a interface padronizada entre o agente e o catálogo de ferramentas; não resolve regra de negócio, integração com sistemas nem processos longos. Comece com um agente de entrada e um catálogo filtrado por intenção.

Anatomia, MCP, A2A, guardrails e testes
  • FATO Servidores MCP, no transporte HTTP, são resource servers OAuth: validam a audiência do token e não repassam o token recebido às APIs. A revisão 2026-07-28 removeu sessões e o handshake de inicialização e documentou a propagação de contexto de trace — a especificação ainda muda de forma incompatível.
  • RECOMENDAÇÃO Servidores MCP finos, por domínio, mantidos pelo time do domínio e chamando BFF e APIs; não um “servidor MCP corporativo” central.
  • FATO O A2A é um padrão aberto de comunicação entre agentes, sob a Linux Foundation, com comitê técnico formado por grandes fornecedores de nuvem, ERP e atendimento. Use multi-agente quando houver fronteira de dono, de política ou de fornecedor — não como “organização de prompt”.
  • Guardrails em cada ponto: injeção na entrada; conteúdo recuperado tratado como dado não confiável; catálogo de ferramentas filtrado; argumentos validados por schema e resolvidos pela identidade, não pelo texto; política externa decide a ação; mascaramento na saída; limite de passos, tempo e custo.
  • Testes em camadas: ferramenta (contrato, idempotência, autorização), seleção de ferramenta, trajetória, resultado com sistemas simulados, segurança (red teaming), regressão em CI e avaliação amostral em produção. Instruções, catálogo e versão do modelo são artefatos versionados.
FATO

8 · AG-UI: protocolo de interação

Padroniza a conversa em tempo real entre o agente e a aplicação: o que o agente está fazendo, o que propõe, o que ambos sabem e quando precisa do humano. Não é protocolo de UI, de integração nem de autorização.

Dependências, riscos e maturidade
  • Dependências: runtime de agente compatível; design system com componentes registráveis como ferramentas de frontend; infraestrutura de streaming de longa duração; modelo de estado bem definido.
  • Riscos: instabilidade de especificação (adaptador interno e testes de contrato); vazamento por eventos de raciocínio; estado como canal de injeção (validar contra schema); ferramentas de frontend com efeito (sempre via backend); excesso de eventos CUSTOM.
  • INFERÊNCIA Maturidade emergente, em consolidação: adequado para pilotos com encapsulamento; prematuro como dependência não encapsulada de longo prazo.

Detalhe em Fluxo ponta a ponta.

Conhecimento INFERÊNCIA

Do repositório ao agente: a cadeia do conhecimento

Cada elo da cadeia herda a qualidade do anterior e não consegue corrigi-la. O RAG não corrige uma permissão errada no ECM; o agente não corrige uma vigência ausente no CMS. Por isso o RAG é o último elo, e não o primeiro: antes dele há fonte canônica, metadados, permissões e índice.

  1. 1 · ECMGuarda registros com controle, versão e retenção. “Qual é o documento oficial e por quanto tempo devo mantê-lo?”
  2. Portão A · fonte canônica, dono e classificação

    Cada tipo de conteúdo tem uma fonte canônica definida, um dono responsável pela correção e uma classificação da informação (público, interno, confidencial, restrito) com regra de uso por IA.

  3. 2 · CSPExpõe esse conteúdo como serviços para várias aplicações. “Como outras aplicações acessam o conteúdo governado?”
  4. 3 · HeadlessEstrutura o conteúdo de experiência em campos e o entrega por API. “Como reutilizo o mesmo conteúdo em web, app, colaboração e agente?”
  5. Portão B · vigência e permissão em 100% do escopo

    Status e vigência (vigente, revogado, início e fim) em todo conteúdo normativo; permissões explícitas e exportáveis, sincronizáveis com o índice.

  6. 4 · SearchEncontra o trecho relevante respeitando permissão e contexto. “Onde está a resposta, para esta pessoa?”
  7. Portão C · conjunto de avaliação e teste de vazamento

    Perguntas reais com respostas de referência, recall medido e teste de vazamento com identidades de baixo privilégio após cada carga do índice.

  8. 5 · RAGGera uma resposta fundamentada nos trechos encontrados. “Como responder em linguagem natural sem inventar?”
  9. 6 · AgenteUsa conhecimento e ferramentas para resolver a intenção. “O que fazer com essa informação?”
Figura 5 · Cadeia do conhecimento com portões de prontidão. Os portões são o critério de passagem entre as estações; cada um abre o checklist correspondente.
Checklist de prontidão para RAG RECOMENDAÇÃO

Bloqueantes (6)

Sem isso, não implementar RAG em produção.

  • Fonte canônica definida para cada tipo de conteúdo.
  • Permissões explícitas e exportáveis, sincronizáveis com o índice.
  • Status e vigência em todo conteúdo normativo.
  • Dono de cada conteúdo, com responsabilidade de correção.
  • Classificação da informação, com regra de uso por IA.
  • Conjunto de avaliação com perguntas reais e respostas de referência.

Fortemente recomendados (5)

  • Taxonomia controlada e tesauro de sinônimos.
  • Metadados de aplicabilidade (empresa, vínculo, cargo, região).
  • Estrutura de seções nos normativos.
  • Eventos de ciclo de vida (publicado, revogado, permissão alterada, descartado).
  • Deduplicação entre repositórios.

Desejáveis (3)

  • Grafo de entidades de alto valor.
  • Resumos curados para documentos longos.
  • Glossário de siglas.
Pipeline de ingestão e permission-aware retrieval
Oito etapas, cada uma com seu controle de qualidade RECOMENDAÇÃO
EtapaFunçãoControle de qualidade
Capturareceber eventos de publicação e alteraçãonenhum conteúdo entra sem evento rastreável
Extraçãotexto, estrutura, tabelas; OCR quando necessárioconfiança do OCR registrada
Normalizaçãolimpeza, idioma, padronização de títulos—
Segmentaçãochunks por estrutura, com título e caminho de seçõestamanho e coerência verificados
Enriquecimentometadados herdados, entidades, sinônimosmetadados obrigatórios presentes
Vetorizaçãoembeddings versionados pelo modeloversão do modelo registrada
Indexaçãoíndice híbrido com ACLs e metadadosteste de vazamento após cada carga
Remoçãorevogação e descarte propagadosSLO de propagação

Permission-aware retrieval em cinco passos: permissões como metadados de cada chunk, herdadas da origem; pré-filtro no índice, com a identidade resolvida pelo IdP e nunca depois de o modelo ver o conteúdo; sincronização orientada a eventos, com SLO; testes contínuos de vazamento com identidades de baixo privilégio; revisão de oversharing antes de indexar.

Como o agente usa o conhecimento — e uma regra que não se dobra
Três usos, três requisitos
UsoExemploRequisito
Responder“qual a regra de teletrabalho?”RAG com citação e vigência
Decidir o que fazer“minha filha nasceu” aciona a jornada de nascimentocatálogo de serviços e jornadas (EXP), não só documentos
Fundamentar uma açãoexplicar por que a inclusão tem prazoa regra vem do domínio (API); o documento só explica

RECOMENDAÇÃO Nunca usar o texto de um documento recuperado como fonte da regra para executar uma ação: o documento explica; a API decide. Dado transacional vai por ferramenta; conteúdo estruturado, pela Content API; conteúdo normativo, por RAG com filtros; relações, por grafo ou API de domínio; conhecimento tácito não se usa — explicita-se primeiro ou encaminha-se a uma pessoa.

Sequência sugerida de implementação (sete passos)
  1. Escolher um domínio de alto volume de perguntas (por exemplo, políticas de pessoas).
  2. Fazer o inventário e definir fontes canônicas, donos e vigências.
  3. Construir o conjunto de avaliação a partir dos logs reais.
  4. Implementar a busca híbrida com permissões e medir a recuperação.
  5. Só então adicionar RAG, com citações e avaliação de groundedness.
  6. Depois, conectar ao agente e às ferramentas.
  7. Expandir domínio a domínio.

Conhecimento como infraestrutura governada, e não como repositório passivo, é o tema de Knowledge OS Enterprise.

Identidade, autonomia e governança RECOMENDAÇÃO

Em nome de quem o agente age — e até onde ele vai sozinho

Em um portal tradicional há duas identidades: o usuário e o sistema. Com um agente há pelo menos quatro: o usuário (sujeito), o agente (ator), o runtime onde ele roda e cada recurso acessado. Se elas se misturam, a organização perde o menor privilégio e a capacidade de atribuir responsabilidade.

Atalho 1 · conta de serviço com acesso amplo

Simples e funciona com legados. Mas toda ação parece feita “pelo sistema”, o agente alcança dados de qualquer colaborador e o princípio do menor privilégio deixa de ser aplicável.

Atalho 2 · repassar o token do usuário

O sistema de registro já entende o token. Mas ele não distingue o usuário do agente, a audiência pode estar errada, e o MCP proíbe expressamente o token passthrough.

Delegação, nunca impersonação FATO

A RFC 8693 distingue os dois casos. Na impersonação, A “é indistinguível de B”. Na delegação, A mantém a própria identidade e fica explícito que age representando B: a claim act identifica o ator, e quem consome o token considera o sujeito e o ator ao aplicar a política. Um token delegado, ilustrativo:

{
  "iss": "https://idp.exemplo.corp",
  "sub": "colaborador:123456",
  "aud": "https://bff-agente.exemplo.corp",
  "scope": "beneficios.dependentes.read",
  "act": { "sub": "agente:assistente-pessoas:v3" },
  "exp": 1791000000
}

Valores fictícios. O “de quem” vem do token, nunca de parâmetros gerados pelo modelo: “meu saldo” vira o sub do token, não um ID informado no texto.

Escada de autonomia, de 0 a 4 RECOMENDAÇÃO

Autonomia é por classe de ação e sobe com evidência, não por decreto.
NívelExemploControleTeto para ações sensíveis
0 Informaresponde com fontesnenhumdentro do teto
1 Sugerepropõe a ação e prepara o formulárioo usuário executadentro do teto
2 Executa com confirmaçãoresume e pede “confirmar”interrupção HITLdentro do teto (limite)
Teto recomendado para ações sensíveis: efeito financeiro, legal ou sobre dados sensíveis em setor regulado ficam no nível 2, no máximo, até haver evidência acumulada de segurança.
3 Executa e notificaações reversíveis de baixo riscodesfazer disponível; auditoriaacima do teto
4 Executa sem humanorotinas de baixíssimo riscopolítica explícita; monitoramentoacima do teto
Figura 6 · A linha tracejada marca o teto; a última coluna repete o limite em texto para quem não distingue a cor.

As seis perguntas e suas respostas arquiteturais

Quem autorizou o agente?

Nível organizacional: fórum de ferramentas e permissões, com registro de quem aprovou, para qual caso de uso e com qual risco. Nível do usuário: autentica e, para ações de alto impacto, confirma por interrupção registrada.

Em nome de quem age?

Do usuário, por delegação (sujeito + ator), com audiência específica por ferramenta e escopo mínimo.

Que permissões possui?

A interseção entre o que o usuário pode, o que o agente está autorizado a fazer e o que a tarefa atual exige. Nunca mais do que o usuário, e geralmente menos.

Que dados pode consultar?

Conhecimento: só o que o usuário vê, filtrado no índice. Transacional: só por ferramentas que resolvem o “de quem” pelo token. Sensíveis: ferramentas classificadas e acesso registrado.

Que ações pode executar?

Depende da classe da ação (tabela abaixo): de leitura própria, permitida com token delegado, a ações que nem são expostas ao canal agente.

Como provar depois?

Com um registro de execução imutável por tarefa, correlacionado ao log dos sistemas de registro.

Classes de ação e regra sugerida
Regra por classe de ação RECOMENDAÇÃO
ClasseExemploRegra
Leitura de dados própriossaldo de horaspermitido com token delegado
Escrita reversívelrascunho de solicitaçãopermitido; notificar
Escrita com efeitosubmeter férias, incluir dependenteconfirmação explícita (interrupção)
Efeito financeiro, legal ou de acessoalterar conta bancária, conceder acessoconfirmação + reautenticação forte; possivelmente aprovação de terceiro
Em nome de outra pessoagestor aprovandosó com papel verificado e política específica
Proibidas ao canal agentedesligamento, alteração salarialnão expostas como ferramenta
Autorização: RBAC, ABAC, ReBAC, política como código e Zero Trust

Agentes empurram a autorização de RBAC puro para combinações com ABAC e ReBAC, porque a decisão passa a depender do ator, da ação (classe de risco) e do contexto (houve confirmação? qual o canal?) INFERÊNCIA.

  • RBAC: papéis; bom para permissões estáveis por função; sofre de explosão de papéis.
  • ABAC: atributos de sujeito, recurso, ação e ambiente; bom para regras contextuais; políticas complexas de auditar.
  • ReBAC: relações (“é gestor de”); exige grafo consistente; a referência é o paper do Zanzibar.
  • Política como código (OPA, Cedar): consistência entre camadas e testes de política; exige governança das políticas.

RECOMENDAÇÃO O ponto de aplicação (PEP) obrigatório é o mais próximo do dado — API de domínio ou sistema de registro. Os anteriores reduzem a superfície, mas nunca substituem o último. A OWASP recomenda aplicar a autorização nos sistemas downstream, e não depender da decisão do LLM FATO. Zero Trust (NIST SP 800-207) vira: cada tool call com token, audiência e escopo próprios; nenhuma confiança por estar “dentro da rede”; tokens curtos; identidade própria para o runtime; traces do agente no SIEM.

Ameaças específicas de agentes
Oito ameaças e suas mitigações
AmeaçaDescriçãoMitigações
Injeção de prompt diretao usuário tenta fazer o agente ignorar regrasguardrails; a autorização não depende do prompt
Injeção indiretadocumento indexado ou resposta de ferramenta contém instruçõesconteúdo tratado como dado; ferramentas limitadas; canais de instrução e de dados separados
Excesso de agênciafuncionalidade, permissão ou autonomia demais (OWASP LLM06)catálogo mínimo; escopos; HITL
Confused deputyo agente usa sua autoridade para o que o usuário não poderiadelegação com interseção de permissões
Token passthroughservidor repassa token sem validar audiênciaproibido pelo MCP; token exchange
Exfiltração por saídadados sensíveis na resposta ou em URLmascaramento; allowlist de domínios; sem links arbitrários
SSRF via descobertametadados OAuth apontando para endereços internosvalidação de URLs; bloqueio de faixas privadas; proxy de egresso
Segredos no contextochaves em prompts ou logscofre de segredos; tokens fora do contexto do modelo
Registro de execução, LGPD e governança de IA

O registro de execução por tarefa é um único artefato que serve à segurança (forense), ao compliance (revisão de decisões, art. 20 da LGPD) e ao SRE (diagnóstico). Campos: ID de correlação; sujeito; ator; canal; versão das instruções e do modelo; intenção interpretada; fontes consultadas (com versão); ferramentas chamadas (argumentos mascarados); decisões de política; interrupções e respostas; efeitos (protocolos no sistema de registro). A reconstrução exige que versões antigas de instruções e de conteúdo continuem disponíveis pelo prazo de auditoria INFERÊNCIA.

Classificação de dados aplicada a agentes RECOMENDAÇÃO
ClasseEntra no contexto do modelo?Aparece na resposta?Retenção em logs
Pública ou internasimsimpadrão
Pessoal comumsim, do próprio titularsim, ao próprio titularcurta
Pessoal sensível (LGPD, art. 5º, II)só o mínimo, com finalidade registradaresumida, ao próprio titularmínima ou mascarada
Confidencial de negócionão, salvo ferramenta autorizadanãoconforme política
Segredosnuncanuncanunca

Explicabilidade, aqui, não é explicar os pesos do modelo: é dizer ao colaborador e ao auditor quais fontes sustentam a resposta, quais regras foram aplicadas e por quem, quais dados do colaborador foram usados e o que o agente fez, com que autorização. Isso fica muito mais direto quando a regra está fora do modelo INFERÊNCIA. Em governança de IA, o NIST AI RMF dá a estrutura de riscos, a ISO/IEC 42001 serve a quem busca certificação e o OWASP Top 10 para LLMs é o checklist técnico FATO.

Governança sem travar a entrega RECOMENDAÇÃO: padrões verificáveis automaticamente (classificação de ferramentas validada em CI, testes de vazamento, suíte de avaliação com limiares, política como código); aprovação por classe de risco; revisão após a entrega, por amostragem, para respostas de conhecimento, e revisão antes para ações.

Autonomia proporcional à evidência é o mesmo princípio de A Engenharia da Confiança.

Processos RECOMENDAÇÃO

O agente dentro do processo, e as exceções humanas

O agente é uma interface inteligente sobre processos explícitos, não um substituto para eles. Processos corporativos acumulam três tipos de conhecimento: regra explícita (“dependente até 21 anos, ou 24 se estudante”), regra tácita (“na prática, o RH aceita a declaração escolar até o fim do mês”) e julgamento (“vou consultar o jurídico”). O agente tende a lidar bem com a primeira. Diante da segunda, pode produzir uma versão plausível, porém não verificada; na terceira, pode apresentar como decisão algo que exige um responsável INFERÊNCIA.

Por isso a arquitetura separa quatro responsabilidades, cada uma com dono e testes próprios: interação (o agente entende, coleta, explica, confirma e acompanha), orquestração (workflow: estado, etapas, timers, tarefas humanas, compensação), decisão (domínio: elegibilidade, cálculos, validações) e registro (sistema de registro). O agente pode trocar de modelo sem mudar a regra; a regra pode mudar sem reescrever o agente.

Exceções são estados de primeira classe

O que toda exceção previsível tem

  • tipo (documento ilegível, fora de prazo, conflito de segregação de funções, caso não previsto);
  • fila com dono e SLA;
  • contexto estruturado transferido (intenção, dados, tentativas, fontes, motivo);
  • caminho de retorno ao fluxo automatizado.

Gatilhos de handoff

  • a regra exige humano (acesso privilegiado);
  • baixa confiança na interpretação, após duas tentativas de esclarecer;
  • tema sensível (assédio, saúde mental, desligamento): oferecer a pessoa imediatamente;
  • pedido explícito: “quero falar com uma pessoa”;
  • falha técnica persistente;
  • caso fora das regras documentadas.

FATO Para a confirmação do próprio usuário, a interrupção do AG-UI é adequada: a execução termina e a resposta vem em nova execução. INFERÊNCIA Para a aprovação de terceiros (gestor, RH), o lugar certo é o workflow engine, com tarefa humana e timers: a interrupção é curta e voltada ao usuário presente, e uma aprovação pode levar dias. O SLA pertence ao processo, não ao agente — o agente informa o prazo, não o cria.

O agente também funciona como sensor do processo INFERÊNCIA: as perguntas que ele não resolve e as exceções que encaminha revelam regras ambíguas, lacunas de API e etapas desnecessárias. Esse feedback é um subproduto útil da camada agêntica — desde que exista dono para recebê-lo.

O que o agente faz e não faz em cada etapa
Nove etapas do processo
EtapaO agente fazO agente não fazMecanismo
Gatilhoreconhece a intenção e identifica o processoinventar um processo inexistentecatálogo de serviços da EXP
Pré-condiçõesconsulta elegibilidadedecidir elegibilidadeAPI de regras
Coletapré-preenche com dados do sistema; pede só o que faltainferir dados críticoscomponentes estruturados, estado AG-UI
Validaçãoapresenta erros de forma claraignorar validaçõesvalidação no domínio
Submissãoinicia o processo com idempotência, após confirmaçãosubmeter ações com efeito sem confirmaçãointerrupção AG-UI + ferramenta
Aprovaçãonotifica e resume o contexto para o aprovadoraprovar em nome do aprovadortarefa humana no workflow
Exceçãodetecta, explica e encaminha com contextoresolver a exceção sozinhofila de exceção
Acompanhamentoconsulta o estado e explicaprometer prazos fora do SLAAPI de estado do workflow
Encerramentoconfirma o resultado e oferece próximos passosdeclarar concluído o que só foi aceitoevento de conclusão
Quatro padrões de integração e o que automatizar
  • Agente como iniciador: coleta e inicia um processo existente — a maioria dos serviços transacionais.
  • Agente como assistente de etapa humana: resume, sugere e prepara para o humano decidir — aprovações, análises documentais.
  • Etapa de LLM dentro do workflow: o workflow chama o modelo para uma tarefa delimitada (classificar, extrair, resumir). Corresponde ao que a Anthropic chama de workflow (caminhos de código pré-definidos) e tende a ser a forma de menor risco para processos regulados INFERÊNCIA.
  • Agente como orquestrador: decide a sequência entre serviços — só para jornadas de baixo risco e alta variabilidade, com limites claros.
Exemplos universais de RH e TI RECOMENDAÇÃO
ProcessoVolumeVariabilidadeRiscoAbordagem sugerida
Consulta de saldo de férias ou horasaltobaixabaixoferramenta de leitura; resposta direta
Solicitação de fériasaltobaixamédioagente iniciador + confirmação
Abertura de chamado de TIaltoaltabaixoagente com triagem (etapa de LLM) e abertura
Inclusão de dependentemédiomédiaalto (dados sensíveis)agente iniciador + documento + workflow com validação
Solicitação de acessoaltomédiaaltoagente coleta e justifica; aprovação humana obrigatória
Onboardingmédiomédiamédioworkflow orquestrado; agente como guia
Alteração de cargobaixoaltaaltoworkflow sistêmico; agente apenas informa
Desligamentobaixoaltamuito altocanal humano; agente apenas orienta

Intenções que atravessam domínios (“vou me mudar de cidade” envolve RH, benefícios, instalações, TI e folha) são jornadas da EXP, com dono nomeado, implementadas como workflow de orquestração. O agente conduz a conversa e mostra o progresso; nunca improvisa a sequência a cada conversa.

Usar IA para compensar processo mal definido é pôr um agente na frente de uma regra tácita, sem dono ou inconsistente, esperando que o modelo “resolva”. O resultado é a regra tácita aplicada de forma inconsistente, agora em escala. A alternativa é usar a descoberta do projeto para explicitar regras, exceções e donos antes de automatizar; o agente pode até ajudar, analisando chamados e conversas.

Experiência orientada à intenção: modos, confirmação e acessibilidade

A experiência madura combina modos em vez de trocar tudo por chat: navegação, busca, conversa, componente estruturado e notificação proativa. A caixa de intenção é a entrada preferencial, mas navegação e busca permanecem; remover menus antes de o agente provar resolução reduz a confiança RECOMENDAÇÃO.

  • Confirmação antes de efeito: o componente de confirmação é fixo e não parametrizável na estrutura essencial — valores críticos destacados, linguagem simples, ação primária clara e possibilidade de editar sem recomeçar.
  • Confiança calibrada: citar fontes com nome, versão e data; admitir incerteza; não simular empatia excessiva em temas sensíveis.
  • Handoff: explicar por que o caso vai para uma pessoa, transferir contexto estruturado, informar fila e SLA, permitir retomar a conversa.
  • Acessibilidade: aria-live="polite" com moderação; streaming anunciado por etapa, não por token; gestão explícita de foco quando componentes são substituídos; só componentes certificados do catálogo; caminhos alternativos por navegação.
  • Riscos de UX: caixa de texto opaca; antropomorfização excessiva; respostas longas quando um botão bastaria; inconsistência entre canais; usuários avançados obrigados a conversar para o que faziam em dois cliques.

Papéis RECOMENDAÇÃO

Doze lentes, um conselho de arquitetura

Uma jornada agêntica atravessa disciplinas que raramente conversam. O conselho de arquitetura analisa a jornada por cada lente separadamente antes de consolidar; os conflitos se resolvem com os padrões de Decisões. A tabela mostra a pergunta que só cada papel faz e o que a jornada perde se ele for ignorado.

Papel, pergunta própria e consequência da omissão.
PapelPergunta que só ele fazSe ignorado
Enterprise ArchitectQuais capacidades de negócio a plataforma expõe e quem é dono de cada uma?agente vira integrador improvisado
Integration ArchitectAPI, evento ou workflow para cada interação?acoplamento e estados inconsistentes
Product StrategistQuais intenções valem mais e como medimos resolução?tecnologia procurando problema
Process / BPMA regra está explícita, com dono e fila de exceção?automação de inconsistência
UX ArchitectComo o colaborador confia, confirma e retoma?ações sem consentimento claro
Front-end ArchitectComo compor UI dinâmica sem quebrar o design system?UI arbitrária, inacessível
AI ArchitectQue agente, com que ferramentas e que avaliação?alucinação e excesso de agência
Content StrategistQual é a fonte canônica, a vigência e o dono?RAG sobre conteúdo sem governança
Search ArchitectA busca respeita permissões no índice?vazamento por oversharing
Security / IAMCom que identidade o agente age e com que escopo?conta de serviço genérica
Data & AI GovernanceBase legal, retenção, inventário de casos de uso?não conformidade com a LGPD
SRE / PlatformComo medimos qualidade, custo e latência por intenção?incidentes silenciosos de qualidade

Decisões RECOMENDAÇÃO

Trade-offs, anti-patterns e matriz tecnológica

Não existe arquitetura ideal única. Os conflitos abaixo são reais e não se eliminam; o que se escolhe é o mecanismo que os equilibra. Cada cartão diz o que está em jogo e como arquiteturas costumam lidar com isso.

Doze trade-offs

Flexibilidade × Governança

Quanto mais livre a plataforma, mais difícil manter verificáveis a segurança, o conteúdo e o compliance.

Equilíbrio: padrões verificáveis em vez de aprovação caso a caso; aprovação proporcional ao risco; “caminhos pavimentados”, em que fazer o certo é mais fácil que o errado.

Autonomia × Controle

A autonomia torna o agente útil; o controle o torna aceitável.

Equilíbrio: níveis de autonomia por classe de ação; interrupções formais; controles fora do modelo, com autorização nos sistemas downstream.

Personalização × Consistência

Cada colaborador vê algo diferente; a organização precisa de uma experiência reconhecível, suportável e auditável.

Equilíbrio: personalizar conteúdo e ordem, não estrutura e regras; templates fixos para intenções de alto volume e composição livre só na cauda longa.

UI generativa × Design system

A UI generativa promete tela sob medida; o design system existe para consistência, acessibilidade e marca.

Equilíbrio: composição sobre catálogo, não geração livre. O design system vira o vocabulário do agente.

Velocidade × Compliance

A IA evolui em semanas; ciclos de compliance formal levam meses.

Equilíbrio: compliance embutido na plataforma (classificação, mascaramento, retenção, registro de execução); escopo inicial de baixo risco; frameworks reconhecidos como NIST AI RMF e ISO/IEC 42001.

Automação × Human-in-the-loop

Cada confirmação reduz o ganho; cada automação sem humano aumenta o risco.

Equilíbrio: HITL onde o erro é caro ou irreversível; confirmação eficiente, com resumo claro; automação progressiva por evidência.

Descentralização × Governança

Domínios autônomos aceleram; a governança precisa de visão do todo.

Equilíbrio: catálogos centrais com propriedade distribuída; padrões mínimos obrigatórios (identidade, telemetria, idempotência, classificação) e liberdade no resto.

Micro-frontends × Complexidade operacional

Dão autonomia de deploy e cobram com dependências compartilhadas, testes de integração e consistência.

Equilíbrio: adoção condicionada a necessidade organizacional medida; monólito modular como padrão.

RAG × Confiabilidade

O RAG dá respostas fluentes; fluência não é exatidão.

Equilíbrio: governança na origem; citações verificáveis; contexto enxuto; avaliação contínua; a regra no domínio — o documento explica, a API decide.

Autonomia × Auditabilidade

Quanto mais o agente decide sozinho, mais difícil explicar depois por que algo aconteceu.

Equilíbrio: registro de execução completo; decisões de negócio fora do modelo, para que a explicação seja uma regra; delegação explícita (RFC 8693).

Personalização × Privacidade

Quanto mais profunda a personalização, mais dados ela usa; a LGPD exige finalidade, necessidade e transparência.

Equilíbrio: personalizar por contexto e estado antes de personalizar por inferência; minimizar o contexto do modelo; ser transparente; memória de longo prazo opcional e apagável.

Consistência eventual × Experiência

Arquiteturas distribuídas aceitam atrasos; o colaborador espera ver o resultado na hora.

Equilíbrio: estados intermediários honestos (“registrado, aguardando aprovação”, não “pronto”); atividades de progresso; leitura da própria escrita pelo BFF.

Três paradoxos adicionais

Agente da plataforma × agente independente

Quando a experiência roda sobre uma plataforma SaaS, o agente nativo integra-se rápido aos dados dela, mas fica acoplado ao fornecedor e enxerga pouco dos outros sistemas. O agente independente vê todo o ecossistema, mas exige construir integração, identidade e UI.

Na prática INFERÊNCIA: arquiteturas híbridas — agentes de plataforma para tarefas dentro dela e um agente de entrada independente que delega a esses agentes, via A2A.

Adoção de protocolos × Estabilidade

Adotar AG-UI, MCP e A2A cedo traz interoperabilidade; as especificações ainda mudam de forma incompatível. A revisão 2026-07-28 do MCP, por exemplo, removeu sessões e o handshake de inicialização FATO.

Na prática: adaptadores internos que isolam o protocolo, testes de contrato e acompanhamento das políticas de depreciação (o MCP passou a ter janela mínima de 12 meses).

Qualidade × Custo

Modelos maiores, mais contexto e mais passos aumentam a qualidade e o custo.

Na prática: roteamento por complexidade (modelo menor para classificação, maior para casos difíceis), cache de respostas de conhecimento por segmento, orçamento por intenção e alertas de custo.

Dezessete anti-patterns

Riscos genéricos de qualquer organização nessa trajetória, não atribuídos a nenhuma em particular; os trechos “como aparece” são ilustrativos. A gravidade é a do estudo.

01 Alta

Agente como novo ESB

Como aparece
um “agente corporativo” central com dezenas de ferramentas que transformam dados, decidem roteamentos e coordenam sistemas; um único time é dono de tudo.
Por que é problema
reproduz o gargalo do barramento central e acrescenta comportamento probabilístico.
Como detectar
ferramentas que chamam vários sistemas e decidem algo; regras em prompts.
Alternativa
o agente é um canal; ferramentas são adaptadores finos dos domínios; agregação no BFF; processos no workflow engine.
02 Alta

Lógica de negócio dentro do LLM

Como aparece
o prompt contém “colaboradores com mais de 12 meses têm direito a…”; o agente decide elegibilidade por raciocínio.
Por que é problema
inconsistência entre execuções, regras duplicadas que divergem do sistema, explicação não auditável.
Como detectar
números, prazos e condições de elegibilidade nas instruções de sistema.
Alternativa
regras em serviços de domínio ou motores de regras, consultados por ferramenta.
03 Crítica

Acesso irrestrito do agente às APIs

Como aparece
uma credencial com acesso amplo “para não travar o piloto”.
Por que é problema
excesso de funcionalidade, permissão e autonomia (OWASP LLM06); uma injeção indireta ganha o poder da credencial.
Como detectar
escopos curinga; ferramentas genéricas como executar_consulta; a mesma credencial para todos.
Alternativa
catálogo mínimo de ferramentas estreitas; token delegado por usuário; autorização no ponto do dado.
04 Alta

RAG como substituto de governança

Como aparece
“não precisamos organizar os normativos; a IA encontra”.
Por que é problema
o RAG recupera o mais similar, não o vigente nem o aplicável; a resposta é fluente e errada, e ninguém responde por ela.
Como detectar
índice alimentado por “todos os PDFs”; sem metadados de vigência; sem dono de conteúdo no projeto.
Alternativa
governar na origem; o RAG reflete essa governança.
05 Alta

Banco vetorial sem metadados

Como aparece
chunks e embeddings sem permissão, vigência, aplicabilidade ou origem.
Por que é problema
impossível filtrar por público ou permissão no índice; o filtro acaba aplicado depois — ou delegado ao modelo.
Como detectar
o schema do índice tem só id, texto e vetor.
Alternativa
índice híbrido com metadados e ACLs de primeira classe; pré-filtro por identidade.
06 Alta

Gerar UI arbitrária

Como aparece
o modelo gera HTML, CSS ou JavaScript renderizados diretamente.
Por que é problema
superfície de injeção, acessibilidade imprevisível, inconsistência, impossível certificar.
Como detectar
innerHTML com conteúdo do modelo; ausência de catálogo de componentes.
Alternativa
composição declarativa sobre catálogo aprovado, ou UI isolada em sandbox, com validação de props.
07 Média

Micro-frontends sem necessidade

Como aparece
adotados porque “é arquitetura moderna”, com um ou dois times.
Por que é problema
custos de dependências, testes de integração, desempenho e consistência sem o benefício de deploys independentes de vários times.
Como detectar
menos de três times no shell; gargalo de release não medido.
Alternativa
monólito modular com fronteiras claras.
08 Média

Transformar tudo em microsserviços

Como aparece
reescrever sistemas de registro estáveis em serviços menores como pré-requisito para IA.
Por que é problema
anos sem valor; complexidade distribuída. O agente precisa de contratos, não de microsserviços.
Como detectar
o plano de IA depende de uma reescrita.
Alternativa
expor as capacidades existentes por APIs; estrangulamento (strangler fig) só quando a substituição for necessária.
09 Média

Eventos onde uma API simples bastaria

Como aparece
consultas síncronas modeladas como pares de eventos de pedido e resposta.
Por que é problema
latência, correlação difícil, depuração penosa, sem ganho de desacoplamento.
Como detectar
eventos esperando resposta.
Alternativa
API síncrona para consultas e comandos imediatos; eventos para fatos com vários consumidores.
10 Média

Multi-agente sem necessidade

Como aparece
“agente orquestrador”, “agente de RH”, “agente revisor” para um escopo que um agente com ferramentas filtradas resolveria.
Por que é problema
multiplica latência, custo e pontos de falha; dificulta depuração e avaliação. A recomendação é começar pela solução mais simples.
Como detectar
mais de um agente sem fronteira clara de dono.
Alternativa
um agente com catálogo filtrado por intenção; separar só com fronteira real de dono, política ou fornecedor.
11 Média

Confundir chatbot com agente

Como aparece
um bot de perguntas e respostas vendido como “agente autônomo” — ou um agente com ferramentas de escrita governado como chatbot.
Por que é problema
expectativas erradas e, mais grave, controles insuficientes para quem executa ações.
Como detectar
o controle não acompanha o que o sistema consegue fazer.
Alternativa
usar a taxonomia (chatbot, copilot, RAG, agente, agente com ferramentas, workflow com agentes, multi-agente) e controles proporcionais.
12 Alta

Confundir busca vetorial com conhecimento

Como aparece
“temos um banco vetorial, então temos uma base de conhecimento”.
Por que é problema
conhecimento exige validade, aplicabilidade, autoria e relações; similaridade semântica não captura nenhuma.
Como detectar
sem metadados nem donos.
Alternativa
conhecimento = conteúdo governado + metadados + relações + busca híbrida + avaliação.
13 Média

MCP como solução universal de integração

Como aparece
“um servidor MCP na frente de cada sistema e pronto”.
Por que é problema
o MCP padroniza como o agente descobre e chama ferramentas; não resolve contrato de domínio, consistência, processos longos nem eventos — e a especificação ainda muda.
Como detectar
sem BFF, APIs ou workflows por trás.
Alternativa
MCP como interface agente ↔ ferramentas, sobre uma camada de integração convencional.
14 Alta

IA para compensar processo mal definido

Como aparece
um agente na frente de um processo com regra tácita, sem dono ou inconsistente.
Por que é problema
automatiza a inconsistência e esconde lacunas de governança atrás de uma interface fluente.
Como detectar
processos de vários dias que dependem do estado da conversa.
Alternativa
usar a descoberta do projeto para explicitar regras, exceções e donos.
15 Crítica

Token passthrough e conta de serviço genérica

Como aparece
o agente repassa o token do usuário a qualquer API, ou usa uma conta de serviço única para tudo.
Por que é problema
o MCP proíbe o passthrough: contorna controles, compromete a trilha de auditoria e quebra fronteiras de confiança. A conta genérica apaga o “em nome de quem”.
Como detectar
o agente repassa tokens ou compartilha credencial.
Alternativa
token exchange com delegação (sujeito + ator) e audiência por recurso.
16 Média

Remover a navegação antes de provar o agente

Como aparece
a home vira só uma caixa de conversa.
Por que é problema
quem sabe o que quer perde eficiência; falhas do agente ficam sem alternativa; a confiança cai.
Como detectar
sem caminho de navegação equivalente.
Alternativa
coexistência: agente como entrada preferencial, navegação sempre disponível; remoção gradual por evidência de uso.
17 Média

Medir sucesso por volume de conversas

Como aparece
a métrica do projeto é “número de interações com o assistente”.
Por que é problema
mais conversas podem significar mais confusão; incentiva o engajamento, não a resolução.
Como detectar
a métrica principal é volume de uso.
Alternativa
resolução por intenção, tempo até a resolução, recontato, esforço percebido.

Checklist rápido de detecção

  • Há regras de negócio em prompts?
  • Alguma ferramenta tem escopo curinga ou é genérica?
  • O índice tem metadados de permissão e vigência?
  • O modelo gera marcação renderizada diretamente?
  • Há mais de um agente sem fronteira clara de dono?
  • O agente repassa tokens ou usa conta de serviço compartilhada?
  • Processos de vários dias dependem do estado da conversa?
  • A métrica principal é volume de uso?

Qualquer “sim” indica um anti-pattern a tratar antes de ampliar o escopo.

Matriz tecnológica: o que é necessário e o que é alternativa INFERÊNCIA

A matriz compara, não elege: necessárias são capacidades; tecnologias são alternativas de implementação.

Capacidade necessária × alternativas de implementação
Necessário (capacidade)Alternativas de implementação
Identidade federada com delegaçãoqualquer IdP com OAuth 2.x e token exchange ou mecanismo equivalente
Autorização no ponto do dadoRBAC + ABAC, ReBAC, motores OPA ou Cedar, regras no próprio sistema de registro
APIs com contrato para as capacidades usadasREST, GraphQL, gRPC; via gateway e BFF ou diretamente
Processos duráveis com etapas humanasTemporal, motores BPMN, workflow nativo do sistema ou da plataforma SaaS
Conteúdo com metadados, vigência e permissõesECM/CSP, CMS headless, plataformas de produtividade
Busca híbrida com filtros de permissãoElasticsearch, OpenSearch, serviços gerenciados, combinações
Protocolo de interação agente ↔ UIAG-UI, protocolo próprio, recursos da plataforma SaaS
UI generativa governadaA2UI, MCP Apps, Open-JSON-UI, schema próprio sobre o design system
Interface padronizada de ferramentasMCP, chamadas de função nativas do framework, integração direta
Observabilidade ponta a pontaOpenTelemetry com qualquer backend compatível
Avaliação contínuaframeworks de avaliação diversos, ferramentas próprias

Não são requisitos: micro-frontends, Kafka, service mesh, banco vetorial dedicado, multi-agente, MACH completo. Cada um faz sentido em contextos específicos.

Operação RECOMENDAÇÃO

Operar um agente: traces, SLOs de qualidade e custo

Na operação tradicional, um sistema saudável é um sistema disponível e rápido. Em uma plataforma orientada a agentes ele pode estar disponível, rápido e errado: respondendo com uma política revogada, escolhendo a ferramenta errada, entrando em loops que multiplicam custo ou degradando devagar depois de uma troca de modelo. São incidentes silenciosos, invisíveis para os painéis de infraestrutura.

Três planos de observabilidade

Serviços

Está de pé e rápido? Métricas RED/USE, logs, traces distribuídos. Dono: SRE e times de serviço.

Agente

O que o agente fez e por quê? Spans de execução, passos, tool calls, tokens, latência do modelo, decisões de política. Dono: plataforma de IA.

Qualidade e experiência

O resultado foi bom? Avaliações, groundedness, feedback, resolução por intenção, DEX. Dono: produto, conteúdo e IA.

FATO O OpenTelemetry mantém convenções semânticas para GenAI (ainda em evolução), e a revisão 2026-07-28 do MCP documenta a propagação de traceparent entre agente e servidor de ferramentas. Os eventos RUN_* e STEP_* do AG-UI delimitam execuções e servem de âncora para spans do lado da experiência INFERÊNCIA. Dados pessoais em traces: prompts e respostas completos vão para armazenamento restrito e de retenção curta, ou são mascarados.

SLOs que incluem qualidade e custo

Exemplos de objetivo, a calibrar por intenção RECOMENDAÇÃO
FamíliaIndicador (SLI)Exemplo de objetivo
Disponibilidadeexecuções sem RUN_ERROR por falha de plataforma≥ 99,5%
Latênciatempo até o primeiro tokenp95 < 1,5 s
Latênciaturno com até 2 ferramentasp95 < 8 s
Qualidaderespostas de conhecimento sustentadas pelas fontes (amostral)≥ 95%
Qualidadevazamento de permissão nos testes contínuos0
Valorresolução sem humano nas intenções habilitadas≥ linha de base por intenção
Custocusto por intenção resolvida≤ orçamento por intenção

Quando o orçamento de erro de qualidade estoura — por exemplo, groundedness abaixo do objetivo por duas semanas —, mudanças de prompt, de modelo e do catálogo de ferramentas ficam congeladas até a correção. É a mesma disciplina que já existe para disponibilidade, aplicada à qualidade.

INFERÊNCIA Um agente que encadeia ferramentas herda a disponibilidade combinada das dependências: três sistemas com 99,5% cada deixam uma resposta que depende dos três perto de 98,5%. Daí a degradação graciosa por ferramenta, as projeções de leitura e os caches, o fallback de modelo avaliado previamente e, por último, a navegação tradicional.

Métricas específicas de agentes
Oito categorias
CategoriaMétricaPor que importa
Latênciatempo até o primeiro token; turno completo; por ferramenta; do modelopercepção do usuário e diagnóstico de gargalo
Custotokens por turno, conversa e intenção resolvida; custo por modeloorçamento e detecção de loops
Ferramentastaxa de erro, timeouts, retries, circuitos abertossaúde das dependências
Agentepassos por tarefa, replanejamento, tarefas que atingem o limite de passoseficiência e loops
Retrievalresultados vazios, score médio, distribuição de fontes, idade do conteúdo citadoqualidade do conhecimento
Segurançanegações de política, detecções de injeção, interrupções abandonadaspostura de risco
Qualidadegroundedness amostral, correção avaliada, feedback negativo por motivoqualidade percebida
Experiênciaresolução por intenção, escalonamento, recontato, abandonovalor entregue

Medir pela intenção, não pela tela: com a interface dinâmica, tempo na página e cliques perdem sentido. As métricas de experiência são taxa de resolução, tempo até a resolução, esforço percebido, turnos por resolução, taxa de edição em confirmações, abandono por etapa, escalonamento e recontato em 7 dias. Combinadas com a telemetria e o sentimento de ferramentas de DEX, formam uma visão independente da forma da interface RECOMENDAÇÃO.

Incidentes de agente e runbook específico
Seis tipos de incidente
TipoExemploDetecção
Disponibilidadeprovedor de modelo foramétricas de erro
Latênciasistema lento derruba os turnoslatência por ferramenta
Qualidadereindexação quebrou o chunking; respostas sem fonteavaliação contínua, feedback
Segurançavazamento de conteúdo restritotestes contínuos de permissão, relatos
Custoloop de ferramentas multiplica tokensalertas de custo por conversa
Comportamentoo agente passou a executar ação sem confirmação após mudar o prompttestes de regressão, auditoria
  1. Kill switches por ferramenta, por intenção e para o agente inteiro.
  2. Rollback de configuração: instruções, catálogo e versão do modelo são versionados e revertíveis.
  3. Reprodução: o registro de execução permite reexecutar o caso com o mesmo contexto em ambiente de teste.
  4. Comunicação: se houve resposta errada sobre uma política, avaliar notificar os afetados.
  5. Pós-incidente: classificar a causa por camada (conteúdo, busca, modelo, ferramenta, processo, política).
Avaliação contínua e plataforma interna
  • Avaliação em produção: amostragem com avaliação humana; avaliador automático calibrado por humanos; testes sintéticos periódicos; testes de permissão contínuos com identidades de baixo privilégio; análise de feedback; canary e A/B de configuração.
  • Plataforma interna: caminhos pavimentados (template de servidor de ferramentas com autenticação delegada, idempotência, telemetria e testes); catálogo de ferramentas e componentes com dono, versão, classificação e SLO; ambientes de avaliação com sistemas simulados; orçamentos de custo de modelo por domínio.
  • INFERÊNCIA Maturidade: SRE e observabilidade distribuída são maduros; observabilidade e avaliação de agentes estão em consolidação.

Para operação de serviço e SRE em outra escala, veja Service Operations 2.0.

Roadmap RECOMENDAÇÃO

Seis fases, sete trilhas e um caminho crítico

Fases têm critério de passagem; trilhas avançam em paralelo e em ritmos diferentes. Não há prazos: a duração depende do estado atual, que só a descoberta revela. Todo o roadmap é recomendação do estudo e não descreve o plano de nenhuma organização.

Identidade delegada (T2) e conteúdo governado com permissões (T3) costumam ser as dependências mais lentas, porque envolvem fornecedores de IdP, sistemas legados e donos de conteúdo de várias áreas INFERÊNCIA. Começá-las na fase 0 evita que bloqueiem as fases 3 e 4.

Sete trilhas × seis fases, com os critérios de passagem no rodapé. As linhas T2 e T3 são o caminho crítico.
Trilha Fase 0
Descoberta e linha de base
Fase 1
Fundações mínimas
Fase 2
AI-Enhanced no piloto
Fase 3
Agente com leitura
Fase 4
Ações com confirmação
Fase 5
Expansão e autonomia por evidência
T1 · Produto e jornadas
Product Strategist
ranking das 50 intenções principais; linha de base de resolução, tempo e esforço; 2 ou 3 jornadas piloto — medição de resolução e recontato contra a linha de base — taxa de edição nas confirmações; satisfação repete as fases 1–4 em novas jornadas; mede cobertura de intenções e resolução global
T2 · Identidade e autorizaçãocaminho críticoSecurity / IAM inventário de IdP e protocolos; viabilidade de token exchange; modelo de autorização atual padrão de token delegado; motor de políticas para as APIs piloto; registro de execução especificado — token delegado em produção; auditoria de leituras elevação incremental de escopo; reautenticação para ações sensíveis repete as fases 1–4 na nova jornada
T3 · Conteúdo e conhecimentocaminho críticoContent / Search inventário de conteúdo das jornadas piloto; diagnóstico de metadados e permissões fonte canônica, vigência, dono e permissões; eventos de ciclo de vida busca híbrida com ACLs no índice; testes contínuos de vazamento — — repete as fases 1–4 na nova jornada
T4 · Capacidades e integração
Enterprise / Integration
inventário de sistemas de registro e maturidade de API APIs com contrato; BFF do canal agente; workflow para processos longos — — início de workflows por ferramenta; estados intermediários honestos; notificações por evento repete as fases 1–4 na nova jornada
T5 · Experiência
UX / Front-end
avaliação do design system e da plataforma de experiência catálogo inicial de componentes de agente (confirmação, progresso, fontes, handoff) pergunta e resposta com fontes, feedback e navegação preservada protocolo de interação (ex.: AG-UI encapsulado); componentes de dados (cartões, tabelas) UI generativa restrita a catálogo; confirmação fixa; interrupções formais evolui o catálogo guiado por intenções não atendidas; canais adicionais
T6 · IA e agentes
AI Architect
análise de assistentes de IA já existentes, se houver (catálogo, tecnologia, handoff) conjunto de avaliação das jornadas piloto RAG com citações; avaliação de groundedness agente com ferramentas de leitura; limites de passos e custo ferramentas de escrita idempotentes autonomia por classe de ação (“executar e notificar”) com base em evidência; agentes de domínio (A2A) onde houver fronteira real
T7 · Governança e operação
Governance + SRE
política de IA vigente; classificação de dados; stack de observabilidade caso de uso no inventário de IA; OpenTelemetry nas APIs piloto SLOs de qualidade; painel por intenção; revisão amostral traces de agente correlacionados; alertas de custo revisão de auditoria por amostragem; kill switches testados; runbook de incidentes de agente repete as fases 1–4; mede custo por intenção resolvida
Critério de passagem jornadas piloto escolhidas por volume, valor e viabilidade; lacunas prioritárias conhecidas checklist de prontidão para RAG atendido no escopo piloto; APIs piloto com SLO groundedness e recuperação acima dos limiares; zero vazamentos nos testes; melhoria de resolução medida erro de ferramentas e latência dentro do SLO; auditoria validada por Segurança e Compliance taxa de erro de ação aceitável por um período definido; nenhuma ação sem confirmação registrada; exceções humanas com contexto cada ampliação de autonomia exige evidência de segurança e de qualidade
Figura 7 · Grade fases × trilhas. Com JavaScript, os botões esmaecem as outras linhas (continuam no documento e na árvore de acessibilidade); sem JavaScript, a tabela é completa.

Seis princípios do roadmap

  1. Problema antes de tecnologia: cada fase começa por intenções priorizadas com dados.
  2. Fundações antes de autonomia: identidade, contratos e conteúdo governado antecedem ações do agente.
  3. Escopo vertical: avançar jornada por jornada, e não camada por camada em toda a empresa.
  4. Valor visível cedo: cada fase entrega algo que o colaborador percebe.
  5. Reversibilidade: kill switches, coexistência com a navegação, protocolos encapsulados.
  6. Evidência para ampliar autonomia: um nível só sobe com métricas de segurança e qualidade.
Como escolher a jornada piloto
Critérios e peso sugerido RECOMENDAÇÃO
CritérioPesoPor quê
Volume de intençõesaltovalor perceptível
Baixo risco da açãoaltosegurança no aprendizado
APIs disponíveisaltoviabilidade
Conteúdo governávelmédioqualidade das respostas
Dono de processo engajadoaltorecebe feedback e resolve exceções
Baixa sensibilidade de dadosmédioreduz a carga de compliance inicial

HIPÓTESE “Férias” (alto volume, regra clara, risco moderado) e “chamado de TI” (alto volume, baixo risco) tendem a ser melhores pilotos do que “inclusão de dependente” (dados sensíveis) ou “solicitação de acesso” (risco de segurança).

Riscos do roadmap e métricas por fase
Riscos e mitigações
RiscoMitigação
Fundações “invisíveis” perdem patrocínioentregar cedo a busca melhorada (fase 2) como valor visível
Pressão por pular para açõescritérios de passagem explícitos e acordados com patrocinadores
Mudança de especificação de protocolosadaptadores internos; testes de contrato
Fornecedor de uma plataforma SaaS lança agente próprio durante o programadecisão explícita agente da plataforma × independente, revisitada a cada fase
Dependência de time centralcaminhos pavimentados e propriedade distribuída de ferramentas
Métricas principais por fase
FaseMétricas
0cobertura do inventário; linha de base definida
1% do conteúdo piloto com metadados obrigatórios; APIs com SLO
2recall@k, groundedness, vazamentos (zero), resolução
3latência por turno, erro de ferramentas, custo por conversa
4erros de ação, taxa de edição, exceções resolvidas no SLA, satisfação
5cobertura de intenções, resolução global, custo por intenção resolvida

Prontidão RECOMENDAÇÃO

Prontidão agêntica por jornada

Pontue uma jornada do seu contexto — não o portal inteiro — em dez critérios: 0 = ausente, 1 = parcial, 2 = completo. O total vai de 0 a 20 e sugere o que a jornada tende a suportar hoje. Os limiares são uma proposta do estudo, ainda não validados em campo HIPÓTESE. O cálculo acontece no seu navegador: nada é enviado e nada é guardado.

Critério sem resposta conta como ausente (0).

Intenção priorizada com linha de base
Processo explícito com dono
APIs com contrato
Identidade delegada
Conteúdo governado
Busca com permissões
Componentes no catálogo
Conjunto de avaliação
Observabilidade e auditoria
Aprovação de governança

O botão exige JavaScript. Sem ele, faça a soma dos pontos à mão e compare com a tabela de faixas ao lado.

Resultado

– / 20

Responda aos critérios para ver a faixa.

    A faixa é um indicador, não uma aprovação: lacuna em identidade delegada ou em conteúdo governado bloqueia as fases 3 e 4 do roadmap, seja qual for o total. Nada sai do navegador e nada é persistido.

    Faixas
    TotalLeitura
    0 a 9pouco pronta para IA: trabalhar fundações
    10 a 15pronta para RAG e ferramentas de leitura, se as lacunas listadas não forem bloqueantes
    16 a 20candidata a ações com confirmação, desde que identidade delegada, conteúdo governado e governança não estejam em 0
    Métricas de maturidade por dimensão e sinais de regressão
    Vinte métricas e o estágio em que passam a importar RECOMENDAÇÃO
    DimensãoMétricaComo medirEstágio
    Produtoresolução sem humano por intençãotelemetria + recontato2
    Produtotempo até a resoluçãodo pedido ao resultado no sistema de registro2
    Produtoesforço percebidopesquisa curta pós-interação2
    Integração% das capacidades prioritárias com API e contrato versionadocatálogo3
    Integração% das capacidades com SLO publicadocatálogo3
    Processo% dos processos prioritários com dono, regra explícita e fila de exceçãoinventário3
    Conteúdo% do conteúdo indexado com vigência, dono e permissãovalidação de metadados4
    Conteúdotempo de propagação de revogação ao índiceeventos4
    Buscarecall@k e nDCG no conjunto de avaliaçãoavaliação4
    Buscavazamentos em testes de permissão (meta: zero)testes contínuos4
    IAgroundedness amostralavaliação4
    IAacurácia de seleção de ferramentasavaliação5
    Segurança% das ferramentas com token delegado e escopo mínimocatálogo5
    Segurança% das ações com efeito com confirmação registradaauditoria5
    UX% das telas do agente compostas só por componentes do catálogotelemetria de renderização5
    UXtaxa de edição em confirmaçõestelemetria5
    Operação% das execuções com trace ponta a pontaobservabilidade4
    Operaçãocumprimento dos SLOs de qualidadepainel5
    Custocusto por intenção resolvidaobservabilidade4
    Governança% dos casos de uso de IA no inventário com avaliação aprovadainventário4

    Sinais de regressão: queda de groundedness após mudar de modelo ou de chunking; aumento da taxa de edição em confirmações (a coleta piorou); aumento de escalonamentos por “não entendi”; crescimento do custo por intenção sem ganho de resolução; idade média crescente do conteúdo citado (curadoria parada).

    A prontidão de um site para ser lido por agentes, em outra escala, é tema de Agent Ready.

    Perguntas críticas

    Trinta perguntas, em cinco grupos

    Cada resposta traz a conclusão e o selo que diz o quanto ela se sustenta. Abra a que interessa; o resto fica recolhido.

    1 · Experiência, protocolos e interface (1 a 8)

    1. O que diferencia uma intranet moderna de uma EXP?

    INFERÊNCIA

    A intranet informa e encaminha; a EXP executa e acompanha. A intranet organiza páginas e audiências e mede alcance; a EXP organiza serviços e jornadas sobre os sistemas de registro, mede resolução e esforço e mantém o contexto do colaborador em vários canais.

    2. Uma EXP precisa ser composable?

    INFERÊNCIA

    Não necessariamente. A componibilidade se paga com muitos domínios, muitos canais e estratégia de trocar fornecedores. Para agentes, o requisito real é que as capacidades estejam expostas por contrato: uma suíte com boas APIs atende melhor do que uma arquitetura componível sem contratos estáveis.

    3. MACH é requisito arquitetural ou estratégia possível?

    RECOMENDAÇÃO

    Estratégia possível. API-first e headless valem para agentes; microsserviços só onde há fronteira organizacional. Vale lembrar que a MACH Alliance é uma associação de fornecedores, e seu material é posicionamento de mercado.

    4. Onde o AG-UI realmente se encaixa?

    FATO

    Entre o runtime do agente e a aplicação que o usuário opera. O MCP conecta agente e ferramentas, o A2A conecta agentes, o AG-UI conecta o agente ao usuário. Ele não se encaixa na integração com sistemas de registro nem na autorização.

    5. AG-UI é protocolo de UI, de integração ou de interação?

    FATO

    De interação. A documentação o descreve como a conexão de runtime bidirecional entre agente e aplicação e o distingue das especificações de UI generativa. Não define componentes nem conecta sistemas.

    6. Qual a relação entre AG-UI e UI generativa?

    FATO INFERÊNCIA

    Canal e vocabulário. As especificações de UI generativa definem o que renderizar; o AG-UI transporta esses pedidos até o cliente e traz as ações de volta. Na prática, ferramentas de frontend do AG-UI podem pedir a renderização de componentes do catálogo.

    7. Como preservar determinismo em uma interface generativa?

    RECOMENDAÇÃO

    Determinismo onde importa, adaptação no restante. São determinísticos: a renderização de cada componente, a validação de props, a execução de ações e os componentes de confirmação e de aviso legal. São adaptativos e restritos: a escolha do componente dentro do catálogo, o texto explicativo e a composição dentro de templates. Intenções de alto volume usam templates fixos; a composição livre fica para a cauda longa.

    8. Como um design system se torna consumível por agentes?

    RECOMENDAÇÃO

    Transformando componentes em ferramentas tipadas e descritas, num Component Registry: descrição de quando usar e não usar; JSON Schema das props; ações emitidas e efeito colateral; contexto exigido; auditoria de acessibilidade por componente; tokens padronizados (o formato do W3C Design Tokens Community Group é estável desde outubro de 2025); e avaliações que verificam se o agente escolhe o componente certo.

    2 · Conhecimento e busca (9 a 11)

    9. Qual a relação entre ECM, CSP, headless, busca e RAG?

    INFERÊNCIA

    Uma cadeia em que cada elo herda a qualidade do anterior e não consegue corrigi-la. ECM guarda registros governados; CSP os expõe como serviços; headless estrutura conteúdo de experiência para vários canais; a busca encontra o trecho certo para a pessoa certa; o RAG gera a resposta fundamentada.

    10. O que precisa estar estruturado antes de implementar RAG?

    RECOMENDAÇÃO

    Seis bloqueantes: fonte canônica por tipo de conteúdo; permissões explícitas e exportáveis ao índice; status e vigência; dono de cada conteúdo; classificação da informação com regra de uso por IA; conjunto de avaliação com perguntas reais. Taxonomia, metadados de aplicabilidade, estrutura de seções, eventos de ciclo de vida e deduplicação são fortemente recomendados.

    11. Como implementar e verificar permission-aware retrieval?

    RECOMENDAÇÃO

    Com pré-filtro de permissão no índice, usando a identidade resolvida pelo IdP: permissões como metadados de cada chunk; filtro na consulta, nunca depois que o modelo viu o conteúdo; sincronização por eventos com SLO de propagação; testes contínuos de vazamento com identidades de baixo privilégio; revisão de oversharing antes de indexar.

    3 · Agentes e integração (12 a 18)

    12. Quando um chatbot deixa de ser chatbot e passa a ser agente?

    INFERÊNCIA

    Quando decide dinamicamente o próximo passo, usa ferramentas com efeito e itera até o objetivo. Um bot que só responde, mesmo com LLM, é chatbot ou RAG. A distinção importa porque os controles precisam acompanhar: quem executa ações precisa de identidade delegada, escopo e HITL.

    13. O que diferencia um agente de um workflow automatizado?

    FATO RECOMENDAÇÃO

    Quem define a sequência. Em workflows, LLMs e ferramentas são orquestrados por caminhos de código pré-definidos; em agentes, o LLM dirige dinamicamente o próprio processo e o uso de ferramentas. Workflows ganham em previsibilidade e testabilidade; agentes, em flexibilidade na cauda longa. Em processos regulados, prefira workflows com etapas de LLM.

    14. Qual o papel do MCP nessa arquitetura?

    INFERÊNCIA

    Interface padronizada entre o agente e o catálogo de ferramentas, com modelo de autorização especificado. Resolve descoberta, schema de chamada, autorização OAuth no acesso ao servidor e propagação de trace. Não resolve regra de negócio, integração com sistemas, processos longos nem eventos. Exige validação de audiência e proíbe o token passthrough. Recomenda-se encapsular o protocolo, dada a velocidade de mudança.

    15. Qual o papel do BFF quando agentes têm ferramentas?

    RECOMENDAÇÃO

    Moldar as capacidades para o canal agente: reduzir payload e ruído, agregar consultas frequentes, normalizar erros em mensagens explicáveis, impor paginação e limites, aplicar a política do canal. O BFF não contém regra de negócio; o MCP define como a ferramenta é chamada, e o BFF, o que ela devolve.

    16. Quando utilizar API?

    INFERÊNCIA

    Quando o canal precisa de resposta imediata sobre o estado atual ou quer comandar uma ação cuja aceitação pode ser decidida na hora. É o padrão para a maioria das ferramentas de leitura e para comandos que iniciam processos. Sinal de uso errado: operações longas resolvidas por chamada síncrona com timeouts altos.

    17. Quando utilizar eventos?

    INFERÊNCIA

    Quando vários consumidores reagem a um fato já ocorrido, o produtor não deve conhecê-los e a reação pode ser assíncrona: notificações proativas, projeções de leitura, sincronização entre sistemas, gatilhos de reindexação. Sinal de uso errado: eventos usados como pedido e resposta.

    18. Quando utilizar um workflow engine?

    RECOMENDAÇÃO

    Quando o processo tem estado durável, etapas humanas, timers, compensações ou longa duração. O agente inicia o workflow com idempotência, consulta o estado e responde a sinais do usuário; nunca guarda o estado do processo na própria memória.

    4 · Identidade, auditoria e exceções (19 a 21)

    19. Como preservar identidade e autorização durante a execução do agente?

    RECOMENDAÇÃO FATO

    Delegação explícita com identidade composta, verificada em cada recurso: o usuário autentica na experiência; para cada ferramenta, o runtime obtém um token por token exchange (sujeito = usuário, ator = agente, claim act, escopo mínimo, audiência específica, conforme a RFC 8693); os servidores de ferramentas validam a audiência e não repassam o token; a autorização final acontece no ponto do dado; e o “de quem” vem do token, nunca de parâmetros gerados pelo modelo.

    20. Como auditar uma decisão ou ação realizada por um agente?

    RECOMENDAÇÃO

    Com um registro de execução por tarefa, correlacionado ao sistema de registro. A auditoria localiza a execução pelo protocolo da transação, reconstrói o contexto vigente (instruções, fontes e versões), verifica se a regra veio do domínio e não foi inferida pelo modelo, confere sujeito, ator, escopo e decisão de política, verifica a confirmação explícita e permite a revisão humana prevista no art. 20 da LGPD.

    21. Como lidar com exceções humanas?

    RECOMENDAÇÃO

    Tratando exceções como estados de primeira classe do processo: cada uma tem tipo, fila com dono, SLA, contexto estruturado transferido e caminho de retorno ao fluxo. Confirmações do usuário presente usam a interrupção do AG-UI; aprovações de terceiros, uma tarefa humana no workflow engine.

    5 · Qualidade, operação e prontidão (22 a 30)

    22. Como medir DEX quando a interface é dinâmica?

    RECOMENDAÇÃO

    Medindo pela intenção, não pela tela: resolução por intenção, tempo até a resolução, esforço percebido, turnos por resolução, taxa de edição em confirmações, abandono por etapa, escalonamento e motivo, recontato em 7 dias — combinadas com a telemetria e o sentimento das ferramentas de DEX.

    23. Como testar uma interface que muda conforme o contexto?

    RECOMENDAÇÃO

    Testando componentes, contratos e comportamentos, em vez de telas fixas: componentes com testes unitários, property-based testing e regressão visual; toda saída do agente validada contra o schema do catálogo; avaliações com asserções sobre os eventos AG-UI emitidos para cada intenção; replay de fluxos gravados com um agente simulado determinístico; acessibilidade por componente e por template.

    24. Como testar agentes?

    RECOMENDAÇÃO

    Em camadas, com avaliações estatísticas e regressão em CI: ferramentas (contrato, idempotência, autorização); seleção de ferramenta; trajetória aceitável; resultado em ambiente com sistemas simulados; segurança (red teaming de injeção, escalada e vazamento); regressão com limiares a cada mudança de modelo, prompt ou catálogo; e avaliação amostral contínua em produção.

    25. Como verificar a acessibilidade em UI generativa?

    RECOMENDAÇÃO

    Certificando componentes, não telas, e controlando a dinâmica: só componentes auditados (WCAG 2.2 AA) entram no catálogo; gestão explícita de foco quando o agente insere ou substitui componentes; aria-live moderado, com streaming anunciado por etapa; representação textual equivalente de cada componente; caminhos alternativos por navegação.

    26. Como preservar observabilidade em sistemas agênticos?

    RECOMENDAÇÃO

    Observabilidade em três planos (serviços, agente, qualidade), com traces correlacionados de ponta a ponta: OpenTelemetry com as convenções de GenAI; propagação de traceparent entre agente e servidores MCP; eventos RUN_* e STEP_* como âncoras do lado da experiência; SLOs de qualidade e custo além de disponibilidade e latência; dados pessoais mascarados ou em armazenamento restrito.

    27. Quais componentes devem permanecer determinísticos?

    RECOMENDAÇÃO

    Regras de negócio e elegibilidade; autorização e decisões de política; execução de ações e seus efeitos, com idempotência; estado de processos; validação de entradas e de props de UI; renderização de cada componente; componentes de confirmação, consentimento e avisos legais; registros de auditoria; ciclo de vida do conteúdo (vigência, revogação, descarte).

    28. Quais componentes podem ser adaptativos?

    RECOMENDAÇÃO

    Interpretação da intenção; texto explicativo e tom, dentro de guardrails; escolha e ordem de componentes dentro do catálogo e de templates; sugestões de próximos passos; reformulação de consultas de busca; planejamento de sequência em tarefas de baixo risco; destaque e pré-preenchimento. A regra prática: adaptativo na interpretação e na apresentação, determinístico na decisão e na execução.

    29. Quais capacidades são pré-requisitos para agentes?

    RECOMENDAÇÃO

    Identidade federada com delegação (agir “em nome de” com rastreabilidade); autorização no ponto do dado (o agente não pode ser a última barreira); APIs com contrato (ferramentas sem API viram automação frágil); processos explícitos com dono e fila de exceção; conteúdo governado com permissões indexáveis; catálogo de serviços e jornadas (sem ele o agente cria um catálogo paralelo); observabilidade e registro de execução; conjunto de avaliação (sem ele, a qualidade não é mensurável); política de IA e classificação de dados.

    30. Quais tecnologias são realmente necessárias e quais são só alternativas?

    INFERÊNCIA

    Necessárias são capacidades: identidade com delegação, autorização, APIs com contrato, processos duráveis, conteúdo governado, busca com permissão, protocolo de interação agente-UI, UI generativa governada, interface de ferramentas, observabilidade e avaliação. AG-UI ou protocolo próprio, A2UI, MCP Apps ou schema próprio, MCP ou chamadas nativas, Elasticsearch ou OpenSearch, Temporal ou BPMN são alternativas. Micro-frontends, Kafka, service mesh, banco vetorial dedicado, multi-agente e MACH completo não são requisitos.

    Estudar RECOMENDAÇÃO

    Trilhas de estudo por perfil

    O núcleo comum, para todos, é: o problema, a escala de maturidade, o modelo de camadas e os anti-patterns. O objetivo de aprendizagem é conseguir explicar a diferença entre portal que apresenta e plataforma que resolve — e por que agentes dependem de fundações. Depois, cada perfil segue por onde a sua pergunta mora.

    Arquiteta corporativa ou de solução

    Leia: arquitetura, integração, fluxo, decisões.

    Exercício: escolher uma intenção real e desenhar o fluxo pelas camadas, marcando onde ficam regra, estado, autorização e auditoria.

    Product manager

    Leia: EXP, experiência por intenção, roadmap.

    Exercício: montar o ranking das 20 intenções mais frequentes (a fase 0 do roadmap amplia para 50) e classificar cada uma por volume, risco e viabilidade.

    Exercício integrador para um grupo multidisciplinar
    1. Escolher uma jornada (por exemplo, férias).
    2. Cada perfil analisa a jornada pela própria lente, isoladamente — como no conselho de arquitetura.
    3. Consolidar numa matriz de responsabilidades entre papéis (a tabela de doze lentes serve de ponto de partida).
    4. Identificar conflitos e resolvê-los com os padrões de trade-offs.
    5. Posicionar a jornada no modelo de maturidade e definir a próxima fase do roadmap.

    Em síntese

    Digital Workplace agêntico, em poucas linhas

    É um portal corporativo que deixa de organizar links e passa a resolver intenções: o colaborador pede, o agente prepara, a pessoa confirma e o processo corre no sistema de registro. O agente é um elo de uma cadeia — intenção, agente, conhecimento, ferramentas, processo, experiência — e depende das fundações que atravessa: se um elo falta, ele herda a falha e não a corrige. Sem elas, passa a executar ações com credenciais amplas demais e sem trilha de auditoria.

    • Cinco estágios que se acumulam — da intranet à plataforma agêntica; o modelo descreve o custo de cada salto de estágio, e a maturidade se avalia por jornada, não pelo portal inteiro.
    • Seis camadas e uma faixa transversal — o estudo recomenda que a regra viva no domínio, que a identidade se propague e nunca se substitua, que o agente seja um canal e que a UI generativa componha componentes aprovados.
    • Autonomia sobe com evidência — níveis de 0 a 4 por classe de ação; o estudo recomenda manter ações financeiras, legais ou sobre dados sensíveis no nível 2 (execução com confirmação) até haver evidência de segurança.
    • Caminho crítico — identidade delegada e conteúdo governado com permissões costumam ser as dependências mais lentas (inferência do estudo); por isso o roadmap as começa na fase 0.

    É o mesmo princípio de autonomia proporcional à evidência da Engenharia da Confiança, aplicado ao portal corporativo.

    Perguntas frequentes

    Perguntas frequentes

    O que é um Digital Workplace orientado a agentes?

    É um portal corporativo orientado a intenção e agentes: em vez de organizar links para sistemas, ele recebe o pedido do colaborador, prepara a ação com um agente, pede confirmação e acompanha o processo até o fim. O estudo o descreve como o quinto estágio de um modelo de maturidade que acumula os anteriores: sem identidade delegada, contratos de API, conteúdo governado e processos explícitos, o agente executa ações com credenciais amplas demais e sem trilha de auditoria.

    O que é uma EXP e como ela difere de uma intranet?

    A Employee Experience Platform (EXP) organiza serviços e jornadas do colaborador sobre os sistemas de registro, com identidade, contexto e entrega em vários canais. A intranet informa e encaminha; a EXP executa e acompanha. A intranet organiza páginas e mede alcance; a EXP organiza jornadas, mede resolução e esforço e mantém o estado das solicitações. Uma EXP não precisa ser componível: o que o agente exige é que as capacidades estejam expostas por contrato.

    O que é o protocolo AG-UI?

    O AG-UI (Agent User Interaction Protocol) é um protocolo de interação entre um agente e a aplicação que o usuário opera, baseado em fluxos de eventos: execuções, mensagens, chamadas de ferramenta, estado compartilhado, atividade e interrupções para confirmação humana. Não é uma especificação de UI generativa, não integra sistemas corporativos e não autoriza ações. Complementa o MCP, que liga agente e ferramentas, e o A2A, que liga agentes entre si.

    Por que RAG não substitui a governança de conteúdo?

    Porque cada elo da cadeia do conhecimento herda a qualidade do anterior e não consegue corrigi-la. O RAG recupera o trecho mais similar, não o vigente nem o aplicável: sem fonte canônica, vigência, dono e permissões no índice, a resposta pode sair fluente e errada. O estudo recomenda seis requisitos bloqueantes antes do RAG e, para ações, a regra de que o documento explica, mas a API decide.

    Com que identidade um agente corporativo deve agir?

    Com delegação, não impersonação: um token obtido por token exchange (RFC 8693) em que o sujeito é o colaborador e o ator é o agente, com escopo mínimo e audiência específica por ferramenta. O servidor de ferramentas valida a audiência e não repassa o token recebido; a autorização final deve acontecer no ponto do dado, e o “de quem” vem do token, nunca de parâmetros gerados pelo modelo.

    Por onde começar a evolução de um portal para esse modelo?

    O estudo recomenda começar por uma jornada piloto de alto volume e baixo risco, e não pela empresa inteira; férias e chamado de TI são hipóteses de bons pilotos, não regra. O roadmap tem seis fases com critério de passagem — descoberta, fundações mínimas, respostas com fonte, agente com ferramentas de leitura, ações com confirmação, expansão por evidência — e sete trilhas paralelas. Identidade delegada e conteúdo governado começam na fase 0, por costumarem ser o caminho crítico.