ÚLTIMA DISCUSSÃO
Quando o negócio muda, sua IA sabe?
O próximo teste para a IA empresarial é se ela pode funcionar dentro das obrigações, exceções e decisões que fazem de uma empresa o que ela é.
Imagine uma seguradora que adquiriu uma carteira de apólices de seguro de vida fechada a novos negócios. A aquisição está concluída. Os registros foram migrados. Os funcionários podem encontrar os documentos. Um assistente de IA está pronto para responder a perguntas de atendimento ao cliente.
Um segurado solicita uma estimativa do valor de resgate da apólice. O assistente recupera um documento autêntico, cita-o corretamente e produz uma explicação convincente. No entanto, seleccionou os termos de um produto mais recente em vez daqueles que regem o contrato do tomador do seguro.
Nada precisou ser inventado para que a resposta estivesse errada.
Este caso hipotético expõe um desafio mais profundo do que manter um modelo de IA atualizado. Um negócio estabelecido contém decisões tomadas em momentos diferentes, para clientes diferentes, sob condições diferentes. Funcionários experientes passam parte de suas vidas profissionais conciliando essas diferenças. Eles sabem qual exceção pertence a uma carteira adquirida, quando uma alteração na apólice de seguro altera a redação padrão e quando uma solicitação aparentemente rotineira precisa de um especialista.
À medida que automatizamos esse trabalho, temos que tornar esses julgamentos explícitos, testáveis e sustentáveis. Caso contrário, a IA pode transformar uma ambiguidade organizacional não resolvida num erro operacional consistente.
Essa é a questão da liderança que quero examinar: como preservamos o significado de um negócio e ao mesmo tempo mudamos a forma como ele opera?
A resposta pode precisar do passado e do presente ao mesmo tempo
Voltemos ao segurado do nosso exemplo. A apólice foi emitida em 2008 e posteriormente recebeu um endosso. Mais tarde, a carteira mudou de proprietário e a seguradora introduziu este ano um novo procedimento de gestão. O cálculo do valor também deve utilizar o saldo atual pertinente da conta e a data de avaliação.
Não existe uma única “versão mais recente” que responda a tudo isso.
| Parte da decisão | A questão que estabelece sua autoridade |
|---|---|
| Direito contratual | Quais termos da política e alterações aplicáveis regem a solicitação deste cliente? |
| Procedimento operacional | Qual processo aprovado se aplica a esta carteira de seguros e a este tipo de transação agora? |
| Cálculo financeiro | Qual serviço autorizado, premissas, saldos e data de avaliação determinam o valor? |
| Permissão para agir | Quem pode aprovar a ação e quais condições ainda devem ser satisfeitas na execução? |
Não se pode simplesmente presumir que uma instrução atual de atendimento ao cliente altere um direito contratual mais antigo. Da mesma forma, um contrato antigo não significa que os funcionários devam utilizar um procedimento operacional descontinuado. A interpretação legal e contratual aplicável cabe a especialistas qualificados; a tecnologia deve preservar e aplicar as regras aprovadas por esses especialistas qualificados.
Para este caso, o sistema de administração da apólice ou serviço de cálculo validado deverá produzir a cotação. A IA pode reunir as evidências relevantes, explicar os dados do cálculo e destacar um conflito. Não deve improvisar um valor financeiro a partir da prosa recuperada.
Essa distinção é especialmente importante em seguros de longa duração. Um portfólio pode parar de aceitar novos negócios enquanto suas responsabilidades de atendimento ao cliente, reclamações e relatórios continuam. A modernização deve levar adiante as obrigações dessa carteira de seguros, incluindo as distinções que a tornam diferente dos produtos mais recentes da seguradora. Uma migração tecnicamente bem-sucedida ainda pode deixar o significado do negócio representado de forma incompleta.
O trabalho que pessoas experientes fazem entre os documentos
Quando dois documentos discordam, um funcionário capaz faz mais do que escolher o mais recente. Eles investigam a relação: uma é uma regra geral e a outra uma exceção autorizada? Alguém diz respeito a uma jurisdição diferente? Uma mudança foi aprovada, mas nunca implementada? A inconsistência é um defeito genuíno que requer uma decisão de negócios?
Um sistema que combina essas fontes em um parágrafo suave pode ocultar a própria discordância que um revisor autorizado precisa ver. A fluência pode remover os sinais visíveis de incerteza sem resolver a sua causa.
É por isso que eu examinaria o trabalho de funcionários experientes antes de planejar o processo de recuperação. Peça a um especialista para explicar vários casos difíceis, incluindo um caso em que a fonte aparentemente óbvia estava errada. Registre as distinções que usaram e as evidências que as apoiaram. Desafie também as soluções alternativas informais: a prática de longa data não é automaticamente uma regra aprovada.
O ativo resultante é mais útil que uma pasta de documentos. É um relato mantido de quais informações se aplicam a quais decisões, juntamente com a pessoa autorizada a resolver incertezas. Esse conhecimento pode melhorar o treinamento da equipe, a conversão do sistema e a consistência operacional, bem como a IA.
O objetivo não é codificar todo julgamento profissional como regra. Alguns casos permanecem genuinamente ambíguos. Um bom design reconhece esses casos precocemente, explica o que não está resolvido e dá a um especialista devidamente qualificado a evidência e a autoridade para decidir.
Uma fusão torna o problema visível; AI agentic torna isso urgente
Um banco que integra um negócio adquirido enfrenta um desafio relacionado. Dois clientes podem parecer ter o mesmo tipo de conta, embora tenham acordos, acordos de preços ou exceções de atendimento ao cliente diferentes. Um registo consolidado de clientes não estabelece que o seu tratamento deva ser idêntico.
Numa hipotética consulta de taxas, um assistente pode localizar a tarifa atual do banco adquirente, ignorando um acordo válido retido para um grupo de clientes adquiridos. A solução é estabelecer o acordo aplicável e o tratamento autorizado, e não apenas atualizar a tarifa com mais frequência. Quando os registos entram em conflito, o caso necessita de resolução antes de uma resposta ou ajuste ser aprovado.
Isto tem implicações estratégicas para os planos de aquisição. Um caso de negócio que orçamente a movimentação de registos, mas deixe a reconciliação de significados para o pessoal da linha da frente, pode deixar por resolver um fardo substancial de integração. O investimento em IA deve expor esse fardo e ajudar a reduzi-lo, em vez de torná-lo menos visível por trás de uma interface unificada.
O boletim informativo de janeiro de 2026 do Comitê da Basileia sobre BCBS 239 identifica fusões, novos produtos, conjuntos de dados fragmentados e linhagem de dados como desafios contínuos de implementação. É uma discussão informativa sobre práticas de dados de risco, não um novo requisito de IA. A sua relevância aqui é a ligação entre a mudança empresarial, o significado dos dados e a propriedade sustentada da gestão.
Comitê de Basileia, janeiro de 2026
A IA Agentic aumenta os riscos porque uma interpretação equivocada pode ir além de uma resposta. Um agente de recuperação fornece evidências, um segundo agente prepara uma recomendação e um terceiro inicia um fluxo de trabalho permitido. O acordo entre esses agentes é uma garantia fraca se todos dependerem da mesma fonte inaplicável. O sistema necessita de uma base comum e controlada para decidir quais as provas elegíveis e quais as ações autorizadas.
A arquitetura deve preservar a base da decisão
A geração de recuperação aumentada, ou RAG, traz as informações recuperadas para a resposta de um modelo. Pode facilitar o rastreio de uma resposta, mas a relevância por si só não estabelece a aplicabilidade. Um parágrafo altamente relevante ainda pode dizer respeito ao contrato ou à população de clientes errada.
Nosso design proposto separa quatro responsabilidades: estabelecer o caso, selecionar evidências aplicáveis, produzir a explicação e autorizar qualquer ação. O modelo pode contribuir nesse processo; não deve ser responsável por conceder-se acesso ou decidir os limites da sua própria autoridade.
Diagrama Genellipse original. As etiquetas estão em inglês; a explicação anexa está disponível no idioma selecionado.
Leia a explicação e suposições
Contexto de caso confiável, fontes aprovadas e sistemas financeiros autorizados fornecem informações distintas.
Uma verificação de elegibilidade independente estabelece fontes aplicáveis, permissões de acesso e datas efetivas antes que a IA limitada prepare uma explicação.
Um revisor qualificado e autorizado lida com exceções. Antes da execução, o fluxo de trabalho verifica novamente as permissões, a validade da fonte e o estado atual. As evidências são retidas em todas as etapas.
No início, os sistemas confiáveis fornecem a política ou identidade da conta, produto, mercado e datas relevantes. As regras aprovadas determinam quais fontes o usuário e o fluxo de trabalho podem acessar e quais versões se aplicam. Apenas o material elegível entra na fase de geração de respostas. Os filtros de metadados são um mecanismo técnico disponível; A documentação de pesquisa da Microsoft descreve a filtragem de conteúdo por critérios definidos. O difícil trabalho empresarial continua sendo concordar e manter esses critérios.
Microsoft: filtros de pesquisa
Os saldos atuais e os cálculos financeiros seguem suas próprias conexões de sistema autorizadas. O registro de evidências deve conectar a explicação à versão do contrato, material recuperado, resultado do cálculo, exceções não resolvidas e aprovação. Isto dá ao revisor autorizado algo mais útil do que uma transcrição: uma base para compreender como a decisão foi tomada.
Antes de uma ação com consequências significativas, o sistema verifica novamente. Uma recomendação pode esperar em uma fila enquanto uma fonte é retirada, uma conta muda ou uma aprovação expira. A permissão e o estado ainda devem ser válidos quando a ação for executada. Uma API convencional e uma ferramenta Model Context Protocol (MCP) precisam dessa disciplina; nenhum tipo de conexão cria autoridade comercial por si só.
Mudar a fonte significa gerenciar as consequências
A manutenção do conhecimento torna-se uma responsabilidade operacional uma vez que as respostas influenciam o trabalho. Suponha que um procedimento seja retirado ao meio-dia. O material afetado pode já existir num índice, numa cópia traduzida, numa resposta em cache e em vários casos inacabados. A substituição do arquivo mestre resolve apenas uma parte do problema.
A organização precisa identificar essas dependências, evitar o uso posterior inadequado, verificar se a mudança foi propagada e determinar quais casos pendentes precisam de reavaliação. Se uma decisão já tiver sido executada, a alteração da base de conhecimento não a corrigirá. Uma equipe autorizada deverá avaliar as consequências e quaisquer ações corretivas.
As evidências históricas devem permanecer disponíveis sob acordos apropriados de retenção e acesso. Há duas questões diferentes a preservar: o que deveria governar uma decisão agora e que informação estava disponível quando uma decisão anterior foi tomada. O registro das datas efetivas e das alterações nas datas inseridas no sistema ajuda a manter essas questões separadas.
Alguém deve ser o proprietário de todo o processo. O proprietário da empresa aprova a aplicabilidade; a engenharia verifica a propagação; as operações tratam dos casos afetados; especialistas em risco, conformidade e jurídicos avaliam as consequências dentro de sua competência. O proprietário do serviço deve resolver as lacunas entre essas responsabilidades. A orientação de gerenciamento do NIST inclui monitoramento pós-implantação e gerenciamento de mudanças; o arranjo operacional descrito aqui é a nossa aplicação proposta.
O nível de supervisão deve refletir as consequências do erro. O parecer de agosto de 2025 de EIOPA adota uma abordagem proporcional e baseada no risco para a governança de IA em seguros. A minha interpretação prática é que uma resposta informativa geral e uma acção que afecte o dinheiro de um tomador de seguro necessitam de diferentes níveis de evidência, aprovação e controlo. O parecer é dirigido às autoridades de supervisão nacionais; não é uma certificação de nenhuma plataforma.
Meça o custo de toda a decisão
Uma afirmação de produtividade está incompleta se contar com uma preparação mais rápida e ignorando as pessoas que reconciliam, corrigem e explicam o resultado. Há também o risco de transferência de trabalho: um assistente atende mais solicitações, mas os especialistas herdam uma fila crescente de exceções difíceis.
O business case deve, portanto, medir a jornada completa, incluindo o custo de manter o conhecimento utilizável. O exemplo mensal a seguir é hipotético; suas entradas são suposições de discussão, não resultados ou previsões Genellipse.
| Medir | Suposição inicial | Alvo de avaliação |
|---|---|---|
| Solicitações de serviço | 12,000 | 12,000 |
| Solicitações que exigem retrabalho relacionado ao conhecimento | 1,800 (15%) | 720 (6%) |
| Média de retrabalho por solicitação afetada | 18 minutos | 18 minutos |
| Esforço total de retrabalho | 540 horas | 216 horas |
A diferença é de 324 horas de capacidade bruta. Se a manutenção de fontes e a realização de revisões adicionais exigirem 60 horas incrementais, restam 264 horas. Essas horas só se tornam economias financeiras se uma despesa real mudar. Em vez disso, poderão suportar volumes mais elevados, tempos de espera mais curtos ou um serviço melhor. Os custos de implementação, plataforma e outros custos operacionais ainda pertencem ao cálculo do investimento.
O alvo também precisa de evidências de que a intervenção causou a melhoria. Compare grupos de produtos e tipos de casos equivalentes; levar em conta mudanças em volumes, pessoal e complexidade. Verifique se o contato repetido não foi simplesmente movido para outro canal. Uma média em melhoria pode ocultar a deterioração numa pequena carteira herdada.
A qualidade não pode ser avaliada usando apenas uma única taxa de precisão. Os erros diferem em consequência: uma explicação mal colocada e uma instrução de pagamento incorreta não devem ter o mesmo peso. Teste casos difíceis por geração de contratos de seguro, jurisdição, tipo de exceção e gravidade da ação. Rastreie exceções não resolvidas e sua idade, porque um assistente que adia tudo pode ser cauteloso e ao mesmo tempo entregar pouco valor operacional. Uma avaliação útil mostra onde o sistema tem sucesso e onde as pessoas ainda precisam de capacidade para intervir.
O que eu pediria à liderança para financiar — e como Genellipse pode ajudar
O primeiro investimento é o tempo de quem entende do negócio. A sua participação deverá ter um orçamento, um mandato e um lugar na aceitação da entrega. Tratar a expertise do domínio como suporte ocasional para um projeto tecnológico deixa as decisões mais importantes sem solução.
Em Genellipse, podemos começar com um processo de negócios com consequências significativas: atendimento ao cliente de uma carteira de seguros de vida adquirida, resolução de uma exceção bancária ou preparação de uma revisão de seguro. Mapeamos as decisões antes de selecionar a automação. Isso inclui identificar os sistemas de autoridade, as variações legítimas de tratamento, os cálculos e os pontos onde alguém deve exercer julgamento.
GeneData pode fornecer a base de informações governadas, conectando dados e conhecimento de negócios com propriedade e linhagem. Cortex AI OS fornece o ambiente para coordenação de agentes, permissões, revisão e registros de atividades. Em uma jornada de seguros, AegisNow traz administração de apólices, seguros e contexto atuarial para o projeto, juntamente com os sistemas existentes relevantes e cálculos validados.
GeneSecure e GeneComply suportam o trabalho de segurança e evidências de controle, enquanto GeneAnalytics pode tornar visíveis exceções, retrabalho e resultados de serviço. O valor está na configuração desses recursos em torno de um processo de decisão compartilhado. Confirmamos a adequação do produto, as integrações e os requisitos de controle com o parceiro, em vez de presumirmos que todas as conexões já estão disponíveis.
Para um escopo adequadamente delimitado, visamos um MVP dentro de seis semanas, uma vez que o acesso, os dados representativos e os tomadores de decisão estejam disponíveis. Sua aceitação deveria demonstrar três coisas: um caso rotineiro tratado corretamente; um caso difícil encaminhado a um especialista qualificado com evidências suficientes; e uma alteração de origem que atinge o fluxo de trabalho afetado e o trabalho pendente. Um MVP de seis semanas estabelece evidências para o próximo investimento; uma migração mais ampla de uma carteira de seguros para outro sistema ou implementação empresarial requer um plano próprio.
Essa também é a necessidade comercial por trás da nossa introdução planejada do Cortex Blueprint no final de outubro de 2026: ajudar as organizações a conectar o resultado comercial, pessoas responsáveis, informações, agentes e controles ao evoluir seu modelo operacional. Continua sendo uma introdução planejada e não uma afirmação de que os recursos descritos neste artigo já estejam configurados para cada organização.
A oportunidade duradoura é tornar o conhecimento mais fácil de aplicar de forma consistente, preservá-lo através de mudanças organizacionais e reduzir o esforço necessário para explicar uma decisão. Isso deixa as pessoas com mais capacidade para os casos em que o julgamento é mais importante.
Antes de aprovar a próxima expansão da IA, eu pediria à equipe que demonstrasse uma decisão do contrato à ação — e depois mudasse uma regra no meio do caminho. A organização consegue identificar o que muda, o que deve permanecer inalterado e quem é responsável pelo resultado?
Essa demonstração diz à equipe de liderança muito mais sobre prontidão do que outra resposta perfeitamente preparada.
DA REFLEXÃO À PRÁTICA
