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.
Digital Workplace agêntico
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
Por onde você entra? (perguntas ilustrativas)
Fases com critério de passagem e trilhas paralelas; identidade e conteúdo são o caminho crítico.
Ir ao roadmap → “Nosso RAG responde errado ou mostra o que não devia.”O RAG é o último elo de uma cadeia; antes dele há fonte canônica, metadados e permissões.
Ver a cadeia do conhecimento → “Com que identidade o agente vai agir?”Delegação, não impersonação: sujeito, ator, escopo mínimo e autorização no ponto do dado.
Ver identidade e autonomia → “Em que estágio está o nosso portal?”Dez critérios, pontuação de 0 a 20 por jornada, calculada no seu navegador.
Calcular a prontidão →Hero, estágios de maturidade e o bloco Em síntese. Você sai com o modelo de cinco estágios e a tese.
Acrescente arquitetura, fluxo, confiança e roadmap.
A página inteira, com os aprofundamentos recolhíveis e as trinta perguntas críticas.
Resumo em vídeo RECOMENDAÇÃO
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.
Pular o vídeo e continuar a leitura ↓
Texto de apoio, não uma transcrição integral do vídeo.
O problema INFERÊNCIA
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?
Cada domínio tem sua experiência, sua linguagem e sua fila. A soma desses mapas é o que o colaborador carrega na cabeça.
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.
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.
Todo bloco derivado do estudo carrega um selo. O rótulo é texto; a cor não é o único portador.
Maturidade RECOMENDAÇÃO
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.
Conteúdo + Links + Sistemas
Conteúdo + Serviços + Personalização
APIs + Headless + Jornadas + Micro-frontends
Search + RAG + Copilots + Automação
Intenção → Agente → Conhecimento → Ferramentas → Processo → Experiência dinâmica
| Dimensão | E1 · Intranet | E2 · Digital Workplace | E3 · EXP componível | E4 · AI-Enhanced | E5 · Agentic |
|---|---|---|---|---|---|
| Unidade de valor | página | serviço | jornada | resposta | intenção resolvida |
| Integração | links | ponto a ponto | contratos | contratos + índice | contratos + ferramentas + delegação |
| Conteúdo | páginas | páginas + catálogo | headless | governado e indexado com ACL | governado, indexado e usado para ação |
| Identidade | login | SSO | SSO + perfil | SSO + permissões no índice | delegação sujeito + ator |
| Processo | fora do portal | formulários | workflows | workflows com etapas de LLM | agente como interface de processos |
| UX | menus | catálogo | jornadas | linguagem natural | intenção + UI adaptativa |
| Operação | disponibilidade | disponibilidade | SLOs por capacidade | + qualidade de respostas | + traces de agente, custo, error budget de qualidade |
| Governança | editorial | catálogo | contratos | IA e dados | autonomia e auditoria |
O RAG funciona para perguntas, mas não há APIs para agir: o “agente” só responde.
Agente com integrações improvisadas, credenciais amplas e conhecimento não governado. Alto risco de incidente.
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.
Para estar em um estágio, a organização atende a todos os critérios dele. O estágio 1 não tem critério de entrada.
| Estágio | Capacidades | Riscos principais | Organização |
|---|---|---|---|
| 1 · Intranet | CMS de intranet, diretório de links, notícias, busca simples | conteúdo desatualizado; colaborador como “integrador humano” | comunicação interna dona do portal |
| 2 · Digital Workplace | SSO, catálogo de serviços, audiências, autosserviço em alguns domínios, app mobile, abertura de chamados | catálogo que é só uma lista de links; personalização superficial | produto digital do colaborador começa a existir; domínios fornecem serviços |
| 3 · EXP componível | APIs de domínio com contrato; conteúdo headless; jornadas cross-domain; design system multicanal; workflow para processos longos | microsserviços e micro-frontends sem necessidade; BFF virando monólito | domínios como donos de capacidades; time de plataforma; dono de jornada |
| 4 · AI-Enhanced | busca híbrida com permissões; RAG com citações; copilots em tarefas específicas; workflows com etapas de LLM | RAG sobre conteúdo não governado; vazamento por oversharing; alucinação | donos de conteúdo com tempo de curadoria; comitê de IA; time de plataforma de IA |
| 5 · Agentic | agente com ferramentas de leitura e escrita; identidade delegada; HITL formal; UI generativa governada; protocolo de interação; registro de execução | excesso de agência; agente-ESB; regras no prompt; incidentes silenciosos de qualidade; instabilidade de protocolos | fórum 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
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
| É responsável por | Não é responsável por |
|---|---|
| renderizar componentes aprovados, em qualquer canal | decidir regras de negócio |
| capturar intenção, confirmações e edições | chamar sistemas de registro diretamente |
| acessibilidade e consistência visual | guardar 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)
| É responsável por | Não é responsável por |
|---|---|
| interpretar intenção e planejar | ser a fonte da verdade de qualquer dado |
| escolher ferramentas do catálogo permitido | conter regras de elegibilidade |
| conduzir confirmações e interrupções | manter processos de longa duração |
| explicar resultados com fontes | decidir permissões |
| registrar a execução (trace) | integrar sistemas de registro ponto a ponto |
consulta de serviços e jornadas · ferramentas (MCP)
| É responsável por | Não é responsável por |
|---|---|
| catálogo de serviços e suas regras de exibição | executar a regra de negócio do domínio |
| definição de jornadas, inclusive cross-domain | interpretar linguagem natural |
| perfil e contexto do colaborador, com base legal | ser 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.
| É responsável por | Não é responsável por |
|---|---|
| conteúdo canônico com metadados, vigência, dono e permissões | gerar respostas |
| índice híbrido com ACLs sincronizadas | decidir, na geração, o que o usuário pode ver |
| retrieval com filtros e reranking; grafo de entidades de alto valor |
| É responsável por | Não é responsável por |
|---|---|
| expor capacidades de domínio por contrato | conter 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
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).
| Camada | Decisão | Alternativas |
|---|---|---|
| Experience | shell próprio ou extensão da plataforma SaaS | monólito modular, micro-frontends, composição no servidor ou na borda |
| Experience | especificação de UI generativa | A2UI, MCP Apps, Open-JSON-UI, schema próprio |
| Agent | agente da plataforma ou independente | ver paradoxo em Decisões |
| Agent | um agente ou multi-agente; onde roda o modelo | agente único com catálogo filtrado; gerenciado, nuvem privada ou local |
| EXP | construir, comprar ou usar a suíte existente | depende do inventário |
| Knowledge | motor de busca | Elasticsearch, OpenSearch, serviço gerenciado |
| Integration | MCP direto aos domínios ou via BFF | servidores MCP finos chamando BFF e APIs |
| Transversal | modelo de autorização | RBAC, ABAC, ReBAC ou combinação |
Fluxo ponta a ponta RECOMENDAÇÃO
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.
RUN_STARTED
Agente → Interface
Início da execução e criação do trace com ID de correlação.
ACTIVITY_SNAPSHOT
Agente → Interface
Progresso transparente; o leitor de tela recebe um anúncio moderado.
TOOL_CALL_START · elegibilidade
Agente → Ferramentas (token delegado: sujeito + ator)
O agente recebe “elegível, prazo, documentos exigidos”; não decide elegibilidade.
TOOL_CALL_START · render_dependent_form
Agente → Interface
Ferramenta de frontend: quem define o catálogo é a aplicação, não o agente.
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.
RUN_FINISHED · interrupção confirmacao_acao
Agente → Interface
“Uma execução interrompida é uma execução encerrada”: a resposta vem em uma nova execução.
TOOL_CALL_START · iniciar_inclusao
Agente → Ferramentas → Workflow
Repetir a chamada não duplica a inclusão; o estado do processo vive no workflow engine.
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.
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.
| Família | Eventos | Uso em um Digital Workplace |
|---|---|---|
| Runs e steps | RUN_STARTED, RUN_FINISHED, RUN_ERROR, STEP_STARTED, STEP_FINISHED | ciclo de vida de uma solicitação; base para métricas de latência |
| Mensagens de texto | TEXT_MESSAGE_* | resposta conversacional em streaming |
| Tool calls | TOOL_CALL_* | proposta de ação; argumentos chegam em fragmentos |
| Reasoning | REASONING_* | visibilidade do raciocínio, com artefatos criptografados |
| Estado | STATE_SNAPSHOT, STATE_DELTA, MESSAGES_SNAPSHOT | estado compartilhado, como o rascunho de uma solicitação |
| Atividade | ACTIVITY_SNAPSHOT, ACTIVITY_DELTA | progresso estruturado fora da transcrição (“verificando elegibilidade…”) |
| Subagentes | SUBAGENT_STARTED, SUBAGENT_FINISHED, SUBAGENT_ERROR | atribuição de saída a subagentes |
| Passthrough | RAW, CUSTOM | escape para eventos proprietários; em excesso, perde interoperabilidade |
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.| Variação | Impacto |
|---|---|
| A colaboradora está em uma ferramenta de colaboração | o mesmo agente e estado; o componente renderiza como cartão; o anexo pode exigir link para o app |
| O sistema de benefícios está fora do ar | circuit breaker aberto; o agente explica, salva o rascunho e oferece lembrete ou chamado |
| A política mudou ontem | o índice reflete a nova versão por evento de ciclo de vida; as respostas citam a versão nova |
| Pergunta pela filha de outra pessoa | a ferramenta resolve “dependente” pela identidade da solicitante e não aceita IDs arbitrários do texto |
| Um documento indexado contém instrução maliciosa | o 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
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.
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.
| Dimensão | Intranet moderna | EXP |
|---|---|---|
| Unidade | página e seção | jornada e serviço |
| Sistemas | link ou embed | API; ação dentro da experiência |
| Contexto | audiência (área, local) | perfil, momento de vida, estado de solicitações |
| Canal | web, principalmente | web, mobile, colaboração, notificações |
| Sucesso | visitas, alcance | resolução, tempo até a resolução, esforço |
| Dono | comunicação interna | produto, 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.
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.
Só se as três condições forem verdadeiras:
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.
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.
ui:// pré-declarados, renderizados em iframes isolados; proposta de novembro de 2025.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.
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.
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.
| Requisito do agente | Capacidade de conteúdo |
|---|---|
| citar a versão vigente | vigência (início e fim) e status |
| não revelar conteúdo restrito | permissões explícitas e exportáveis ao índice |
| responder para o público certo | metadados de aplicabilidade (cargo, área, região, vínculo) |
| entender sinônimos | taxonomia controlada |
| saber quem corrige uma resposta errada | dono e ciclo de revisão |
| recuperar o trecho certo | conteúdo estruturado em seções, com títulos e hierarquia |
| apagar quando a lei manda | ILM e retenção propagados até o índice e os logs |
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.
| Critério | API síncrona | Eventos | Workflow engine |
|---|---|---|---|
| Interação | pergunta e resposta imediata | fato já ocorrido | etapas ao longo do tempo |
| Consumidores | um | vários | um processo |
| Duração | ms a segundos | contínua | minutos a meses |
| Sinal de uso errado | timeouts em operações longas | eventos usados como pedido-resposta | motor 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.
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.
| Técnica | Forte em | Fraca em |
|---|---|---|
| Lexical (BM25) | siglas, códigos de normativo, nomes, números | sinônimos e paráfrases |
| Semântica densa | perguntas em linguagem natural | termos raros, negação, números exatos |
| Híbrida | robustez | calibração e avaliação |
| Reranking | precisão nos primeiros resultados | latência e custo |
| Grafo de conhecimento | perguntas relacionais e globais | construção 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.
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.
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.
CUSTOM.Detalhe em Fluxo ponta a ponta.
Conhecimento INFERÊNCIA
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.
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.
Status e vigência (vigente, revogado, início e fim) em todo conteúdo normativo; permissões explícitas e exportáveis, sincronizáveis com o índice.
Perguntas reais com respostas de referência, recall medido e teste de vazamento com identidades de baixo privilégio após cada carga do índice.
Sem isso, não implementar RAG em produção.
| Etapa | Função | Controle de qualidade |
|---|---|---|
| Captura | receber eventos de publicação e alteração | nenhum conteúdo entra sem evento rastreável |
| Extração | texto, estrutura, tabelas; OCR quando necessário | confiança do OCR registrada |
| Normalização | limpeza, idioma, padronização de títulos | — |
| Segmentação | chunks por estrutura, com título e caminho de seções | tamanho e coerência verificados |
| Enriquecimento | metadados herdados, entidades, sinônimos | metadados obrigatórios presentes |
| Vetorização | embeddings versionados pelo modelo | versão do modelo registrada |
| Indexação | índice híbrido com ACLs e metadados | teste de vazamento após cada carga |
| Remoção | revogação e descarte propagados | SLO 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.
| Uso | Exemplo | Requisito |
|---|---|---|
| Responder | “qual a regra de teletrabalho?” | RAG com citação e vigência |
| Decidir o que fazer | “minha filha nasceu” aciona a jornada de nascimento | catálogo de serviços e jornadas (EXP), não só documentos |
| Fundamentar uma ação | explicar por que a inclusão tem prazo | a 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.
Conhecimento como infraestrutura governada, e não como repositório passivo, é o tema de Knowledge OS Enterprise.
Identidade, autonomia e governança RECOMENDAÇÃO
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.
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.
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.
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.
| Nível | Exemplo | Controle | Teto para ações sensíveis |
|---|---|---|---|
| 0 Informa | responde com fontes | nenhum | dentro do teto |
| 1 Sugere | propõe a ação e prepara o formulário | o usuário executa | dentro do teto |
| 2 Executa com confirmação | resume e pede “confirmar” | interrupção HITL | dentro 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 notifica | ações reversíveis de baixo risco | desfazer disponível; auditoria | acima do teto |
| 4 Executa sem humano | rotinas de baixíssimo risco | política explícita; monitoramento | acima do teto |
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.
Do usuário, por delegação (sujeito + ator), com audiência específica por ferramenta e escopo mínimo.
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.
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.
Depende da classe da ação (tabela abaixo): de leitura própria, permitida com token delegado, a ações que nem são expostas ao canal agente.
Com um registro de execução imutável por tarefa, correlacionado ao log dos sistemas de registro.
| Classe | Exemplo | Regra |
|---|---|---|
| Leitura de dados próprios | saldo de horas | permitido com token delegado |
| Escrita reversível | rascunho de solicitação | permitido; notificar |
| Escrita com efeito | submeter férias, incluir dependente | confirmação explícita (interrupção) |
| Efeito financeiro, legal ou de acesso | alterar conta bancária, conceder acesso | confirmação + reautenticação forte; possivelmente aprovação de terceiro |
| Em nome de outra pessoa | gestor aprovando | só com papel verificado e política específica |
| Proibidas ao canal agente | desligamento, alteração salarial | não expostas como ferramenta |
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.
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.
| Ameaça | Descrição | Mitigações |
|---|---|---|
| Injeção de prompt direta | o usuário tenta fazer o agente ignorar regras | guardrails; a autorização não depende do prompt |
| Injeção indireta | documento indexado ou resposta de ferramenta contém instruções | conteúdo tratado como dado; ferramentas limitadas; canais de instrução e de dados separados |
| Excesso de agência | funcionalidade, permissão ou autonomia demais (OWASP LLM06) | catálogo mínimo; escopos; HITL |
| Confused deputy | o agente usa sua autoridade para o que o usuário não poderia | delegação com interseção de permissões |
| Token passthrough | servidor repassa token sem validar audiência | proibido pelo MCP; token exchange |
| Exfiltração por saída | dados sensíveis na resposta ou em URL | mascaramento; allowlist de domínios; sem links arbitrários |
| SSRF via descoberta | metadados OAuth apontando para endereços internos | validação de URLs; bloqueio de faixas privadas; proxy de egresso |
| Segredos no contexto | chaves em prompts ou logs | cofre de segredos; tokens fora do contexto do modelo |
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.
| Classe | Entra no contexto do modelo? | Aparece na resposta? | Retenção em logs |
|---|---|---|---|
| Pública ou interna | sim | sim | padrão |
| Pessoal comum | sim, do próprio titular | sim, ao próprio titular | curta |
| Pessoal sensível (LGPD, art. 5º, II) | só o mínimo, com finalidade registrada | resumida, ao próprio titular | mínima ou mascarada |
| Confidencial de negócio | não, salvo ferramenta autorizada | não | conforme política |
| Segredos | nunca | nunca | nunca |
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 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.
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.
| Etapa | O agente faz | O agente não faz | Mecanismo |
|---|---|---|---|
| Gatilho | reconhece a intenção e identifica o processo | inventar um processo inexistente | catálogo de serviços da EXP |
| Pré-condições | consulta elegibilidade | decidir elegibilidade | API de regras |
| Coleta | pré-preenche com dados do sistema; pede só o que falta | inferir dados críticos | componentes estruturados, estado AG-UI |
| Validação | apresenta erros de forma clara | ignorar validações | validação no domínio |
| Submissão | inicia o processo com idempotência, após confirmação | submeter ações com efeito sem confirmação | interrupção AG-UI + ferramenta |
| Aprovação | notifica e resume o contexto para o aprovador | aprovar em nome do aprovador | tarefa humana no workflow |
| Exceção | detecta, explica e encaminha com contexto | resolver a exceção sozinho | fila de exceção |
| Acompanhamento | consulta o estado e explica | prometer prazos fora do SLA | API de estado do workflow |
| Encerramento | confirma o resultado e oferece próximos passos | declarar concluído o que só foi aceito | evento de conclusão |
| Processo | Volume | Variabilidade | Risco | Abordagem sugerida |
|---|---|---|---|---|
| Consulta de saldo de férias ou horas | alto | baixa | baixo | ferramenta de leitura; resposta direta |
| Solicitação de férias | alto | baixa | médio | agente iniciador + confirmação |
| Abertura de chamado de TI | alto | alta | baixo | agente com triagem (etapa de LLM) e abertura |
| Inclusão de dependente | médio | média | alto (dados sensíveis) | agente iniciador + documento + workflow com validação |
| Solicitação de acesso | alto | média | alto | agente coleta e justifica; aprovação humana obrigatória |
| Onboarding | médio | média | médio | workflow orquestrado; agente como guia |
| Alteração de cargo | baixo | alta | alto | workflow sistêmico; agente apenas informa |
| Desligamento | baixo | alta | muito alto | canal 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.
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.
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.Papéis RECOMENDAÇÃO
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 que só ele faz | Se ignorado |
|---|---|---|
| Enterprise Architect | Quais capacidades de negócio a plataforma expõe e quem é dono de cada uma? | agente vira integrador improvisado |
| Integration Architect | API, evento ou workflow para cada interação? | acoplamento e estados inconsistentes |
| Product Strategist | Quais intenções valem mais e como medimos resolução? | tecnologia procurando problema |
| Process / BPM | A regra está explícita, com dono e fila de exceção? | automação de inconsistência |
| UX Architect | Como o colaborador confia, confirma e retoma? | ações sem consentimento claro |
| Front-end Architect | Como compor UI dinâmica sem quebrar o design system? | UI arbitrária, inacessível |
| AI Architect | Que agente, com que ferramentas e que avaliação? | alucinação e excesso de agência |
| Content Strategist | Qual é a fonte canônica, a vigência e o dono? | RAG sobre conteúdo sem governança |
| Search Architect | A busca respeita permissões no índice? | vazamento por oversharing |
| Security / IAM | Com que identidade o agente age e com que escopo? | conta de serviço genérica |
| Data & AI Governance | Base legal, retenção, inventário de casos de uso? | não conformidade com a LGPD |
| SRE / Platform | Como medimos qualidade, custo e latência por intenção? | incidentes silenciosos de qualidade |
Decisões RECOMENDAÇÃO
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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).
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.
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.
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.
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).
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.
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.
executar_consulta; a mesma credencial para todos.id, texto e vetor.innerHTML com conteúdo do modelo; ausência de catálogo de componentes.Qualquer “sim” indica um anti-pattern a tratar antes de ampliar o escopo.
A matriz compara, não elege: necessárias são capacidades; tecnologias são alternativas de implementação.
| Necessário (capacidade) | Alternativas de implementação |
|---|---|
| Identidade federada com delegação | qualquer IdP com OAuth 2.x e token exchange ou mecanismo equivalente |
| Autorização no ponto do dado | RBAC + ABAC, ReBAC, motores OPA ou Cedar, regras no próprio sistema de registro |
| APIs com contrato para as capacidades usadas | REST, GraphQL, gRPC; via gateway e BFF ou diretamente |
| Processos duráveis com etapas humanas | Temporal, motores BPMN, workflow nativo do sistema ou da plataforma SaaS |
| Conteúdo com metadados, vigência e permissões | ECM/CSP, CMS headless, plataformas de produtividade |
| Busca híbrida com filtros de permissão | Elasticsearch, OpenSearch, serviços gerenciados, combinações |
| Protocolo de interação agente ↔ UI | AG-UI, protocolo próprio, recursos da plataforma SaaS |
| UI generativa governada | A2UI, MCP Apps, Open-JSON-UI, schema próprio sobre o design system |
| Interface padronizada de ferramentas | MCP, chamadas de função nativas do framework, integração direta |
| Observabilidade ponta a ponta | OpenTelemetry com qualquer backend compatível |
| Avaliação contínua | frameworks 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
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.
Está de pé e rápido? Métricas RED/USE, logs, traces distribuídos. Dono: SRE e times de serviço.
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.
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.
| Família | Indicador (SLI) | Exemplo de objetivo |
|---|---|---|
| Disponibilidade | execuções sem RUN_ERROR por falha de plataforma | ≥ 99,5% |
| Latência | tempo até o primeiro token | p95 < 1,5 s |
| Latência | turno com até 2 ferramentas | p95 < 8 s |
| Qualidade | respostas de conhecimento sustentadas pelas fontes (amostral) | ≥ 95% |
| Qualidade | vazamento de permissão nos testes contínuos | 0 |
| Valor | resolução sem humano nas intenções habilitadas | ≥ linha de base por intenção |
| Custo | custo 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.
| Categoria | Métrica | Por que importa |
|---|---|---|
| Latência | tempo até o primeiro token; turno completo; por ferramenta; do modelo | percepção do usuário e diagnóstico de gargalo |
| Custo | tokens por turno, conversa e intenção resolvida; custo por modelo | orçamento e detecção de loops |
| Ferramentas | taxa de erro, timeouts, retries, circuitos abertos | saúde das dependências |
| Agente | passos por tarefa, replanejamento, tarefas que atingem o limite de passos | eficiência e loops |
| Retrieval | resultados vazios, score médio, distribuição de fontes, idade do conteúdo citado | qualidade do conhecimento |
| Segurança | negações de política, detecções de injeção, interrupções abandonadas | postura de risco |
| Qualidade | groundedness amostral, correção avaliada, feedback negativo por motivo | qualidade percebida |
| Experiência | resolução por intenção, escalonamento, recontato, abandono | valor 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.
| Tipo | Exemplo | Detecção |
|---|---|---|
| Disponibilidade | provedor de modelo fora | métricas de erro |
| Latência | sistema lento derruba os turnos | latência por ferramenta |
| Qualidade | reindexação quebrou o chunking; respostas sem fonte | avaliação contínua, feedback |
| Segurança | vazamento de conteúdo restrito | testes contínuos de permissão, relatos |
| Custo | loop de ferramentas multiplica tokens | alertas de custo por conversa |
| Comportamento | o agente passou a executar ação sem confirmação após mudar o prompt | testes de regressão, auditoria |
Para operação de serviço e SRE em outra escala, veja Service Operations 2.0.
Roadmap RECOMENDAÇÃO
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.
| 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 |
| Critério | Peso | Por quê |
|---|---|---|
| Volume de intenções | alto | valor perceptível |
| Baixo risco da ação | alto | segurança no aprendizado |
| APIs disponíveis | alto | viabilidade |
| Conteúdo governável | médio | qualidade das respostas |
| Dono de processo engajado | alto | recebe feedback e resolve exceções |
| Baixa sensibilidade de dados | médio | reduz 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).
| Risco | Mitigação |
|---|---|
| Fundações “invisíveis” perdem patrocínio | entregar cedo a busca melhorada (fase 2) como valor visível |
| Pressão por pular para ações | critérios de passagem explícitos e acordados com patrocinadores |
| Mudança de especificação de protocolos | adaptadores internos; testes de contrato |
| Fornecedor de uma plataforma SaaS lança agente próprio durante o programa | decisão explícita agente da plataforma × independente, revisitada a cada fase |
| Dependência de time central | caminhos pavimentados e propriedade distribuída de ferramentas |
| Fase | Métricas |
|---|---|
| 0 | cobertura do inventário; linha de base definida |
| 1 | % do conteúdo piloto com metadados obrigatórios; APIs com SLO |
| 2 | recall@k, groundedness, vazamentos (zero), resolução |
| 3 | latência por turno, erro de ferramentas, custo por conversa |
| 4 | erros de ação, taxa de edição, exceções resolvidas no SLA, satisfação |
| 5 | cobertura de intenções, resolução global, custo por intenção resolvida |
Prontidão RECOMENDAÇÃO
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.
Resultado
– / 20
Responda aos critérios para ver a faixa.
Lacunas (critérios com 0):
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.
| Total | Leitura |
|---|---|
| 0 a 9 | pouco pronta para IA: trabalhar fundações |
| 10 a 15 | pronta para RAG e ferramentas de leitura, se as lacunas listadas não forem bloqueantes |
| 16 a 20 | candidata a ações com confirmação, desde que identidade delegada, conteúdo governado e governança não estejam em 0 |
| Dimensão | Métrica | Como medir | Estágio |
|---|---|---|---|
| Produto | resolução sem humano por intenção | telemetria + recontato | 2 |
| Produto | tempo até a resolução | do pedido ao resultado no sistema de registro | 2 |
| Produto | esforço percebido | pesquisa curta pós-interação | 2 |
| Integração | % das capacidades prioritárias com API e contrato versionado | catálogo | 3 |
| Integração | % das capacidades com SLO publicado | catálogo | 3 |
| Processo | % dos processos prioritários com dono, regra explícita e fila de exceção | inventário | 3 |
| Conteúdo | % do conteúdo indexado com vigência, dono e permissão | validação de metadados | 4 |
| Conteúdo | tempo de propagação de revogação ao índice | eventos | 4 |
| Busca | recall@k e nDCG no conjunto de avaliação | avaliação | 4 |
| Busca | vazamentos em testes de permissão (meta: zero) | testes contínuos | 4 |
| IA | groundedness amostral | avaliação | 4 |
| IA | acurácia de seleção de ferramentas | avaliação | 5 |
| Segurança | % das ferramentas com token delegado e escopo mínimo | catálogo | 5 |
| Segurança | % das ações com efeito com confirmação registrada | auditoria | 5 |
| UX | % das telas do agente compostas só por componentes do catálogo | telemetria de renderização | 5 |
| UX | taxa de edição em confirmações | telemetria | 5 |
| Operação | % das execuções com trace ponta a ponta | observabilidade | 4 |
| Operação | cumprimento dos SLOs de qualidade | painel | 5 |
| Custo | custo por intenção resolvida | observabilidade | 4 |
| Governança | % dos casos de uso de IA no inventário com avaliação aprovada | inventário | 4 |
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
Cada resposta traz a conclusão e o selo que diz o quanto ela se sustenta. Abra a que interessa; o resto fica recolhido.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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).
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.
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.
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
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.
Leia: arquitetura, integração, fluxo, decisões.
Exercício: escolher uma intenção real e desenhar o fluxo pelas camadas, marcando onde ficam regra, estado, autorização e auditoria.
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.
Leia: experiência por intenção, UI generativa, AG-UI.
Exercício: especificar três componentes de agente (confirmação, progresso, fontes) com quando usar, props e requisitos de acessibilidade.
Leia: agentes e MCP, busca e RAG, conhecimento, AG-UI.
Exercício: construir um conjunto de avaliação com 30 perguntas reais, documentos de referência e critérios de groundedness.
Leia: operação, front-end e streaming, integração e resiliência.
Exercício: definir SLIs e SLOs para uma intenção, incluindo um SLO de qualidade com orçamento de erro e o runbook de violação.
Leia: conteúdo governado, cadeia do conhecimento, busca.
Exercício: aplicar o conjunto mínimo de metadados a dez normativos e identificar lacunas de vigência, dono e permissão.
Leia: identidade e governança, agentes e MCP, perguntas 19 a 30.
Exercício: classificar dez ferramentas hipotéticas por risco e definir, para cada uma, escopo, nível de autonomia e regra de HITL.
Em síntese
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.
É o mesmo princípio de autonomia proporcional à evidência da Engenharia da Confiança, aplicado ao portal corporativo.
Perguntas frequentes
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.
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 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.
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 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.
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.