EP13 - Por que agentes de IA precisam de conhecimento, não só dados

Ouvir em: Spotify | Apple Podcasts | RSS Feed

Sobre este episódio

É comum investir semanas organizando tabelas e padronizando campos para um agente de IA, mas ele ainda tomar decisões que não fazem sentido na prática. O problema raramente é falta de dado; é falta de contexto, regras de negócio e exceções que ficam apenas na cabeça do time. Quando a empresa não transforma essa experiência em conhecimento estruturado, o agente executa do jeito errado sem perceber, gerando erros que só aparecem no cliente insatisfeito ou no estorno indevido.

Neste episódio do TheAgent Podcast, Mark, Lily e Raquel explicam de forma simples o que é governança de conhecimento, como ela difere da governança de dados tradicional e por que agentes autônomos precisam de regras claras para decidir sozinhos. Você vai ouvir exemplos do dia a dia de trabalho, o que são ontologias na prática e três passos aplicáveis para começar a mapear o conhecimento essencial da sua operação ainda nesta semana.

O que fazer na prática

1. Escolha um único processo pequeno da sua operação, como a aprovação de estorno ou liberação de desconto, e liste as decisões que hoje só acontecem porque alguém experiente avalia o caso.
2. Converse com a pessoa que decide hoje e registre em um documento estruturado não só as regras formais, mas também as exceções e os critérios reais que ela usa na prática.
3. Coloque o agente para rodar em ambiente controlado começando com sugestões, anote cada erro, entenda o motivo e atualize a regra imediatamente para criar um ciclo de aprendizado.

Capítulos

• 00:00 Quando dados organizados não bastam
• 01:00 Governança de dados: o que é hoje
• 02:15 Por que o agente erra sem contexto
• 03:30 Governança de conhecimento: a diferença real
• 04:45 Ontologias: organizando regras e exceções
• 06:00 O ponto de Raquel sobre custo e risco
• 07:30 Passo a passo para testar na próxima semana
• 09:15 Como começar sem ter um agente
• 10:15 A pergunta que você deve fazer hoje

Fontes e referências

• Pesquisa e experiência prática da equipe do TheAgent Podcast
• Briefing editorial e roteiro interno de desenvolvimento do episódio #13

Perguntas frequentes

Qual é a diferença entre governança de dados e governança de conhecimento?
Governança de dados cuida da organização, padronização e acesso às informações, garantindo que os campos estejam corretos e as tabelas estejam alinhadas. Governança de conhecimento vai além: ela transforma a experiência do time em regras claras, exceções documentadas e contexto de negócio que permitem ao agente decidir sozinho sem depender de supervisão constante. Enquanto a primeira responde perguntas do tipo quantos clientes atrasaram, a segunda ensina o que fazer quando um cliente antigo liga prometendo pagar na segunda-feira.

O que é conhecimento tácito e por que ele atrapalha o agente de IA?
Conhecimento tácito é tudo aquilo que o time sabe fazer, mas nunca escreveu em lugar nenhum, como uma exceção de cliente que ficou numa conversa informal. O agente de IA não tem acesso a essas informações, então ele segue apenas o que está no sistema e pode tomar decisões que qualquer pessoa experiente perceberia como erradas. Isso gera erros que não aparecem no log, mas sim no cliente insatisfeito ou no estorno feito de forma inadequada.

O que é uma ontologia na prática do dia a dia?
Ontologia é um termo técnico para um mapa de conhecimento que conecta informações e mostra como elas se relacionam, como definir que um cliente VIP depende de faturamento, histórico e região, e não só de um campo marcado como sim. Na prática, ela imita o raciocínio de um profissional experiente para que o agente navegue entre regras e exceções ao invés de consultar uma única tabela. Com esse mapa, a máquina entende o contexto do negócio e aplica o critério certo em cada situação específica.

Como posso começar a mapear o conhecimento se ainda não tenho um agente?
Você pode começar agora escolhendo um único processo pequeno da sua operação e conversando com a pessoa que toma as decisões para registrar as regras e exceções. O passo seguinte é documentar tudo de forma estruturada, com lógica clara e critérios reais, em um texto que a máquina consiga ler no futuro. Quando o agente for implementado, essa base já estará pronta e você terá reduzido o risco de erros desde o primeiro dia.

Edições da newsletter que inspiraram este episódio

• Briefing: FCamara corta 60% do tempo de atendimento com agentes e arquitetura de múltiplos modelos
• Dossiê: Governança de dados está ficando obsoleta: agentes exigem governança de conhecimento

Assine a newsletter TheAgent em theagent.bz para análises sobre agentes de IA duas vezes por semana.