Topologia da Informação da IA

Descubra como a IA utiliza informação com a MarkSaint.

Prévia do projeto

Contexto Computável
Cenário
Modo
Capítulo 1 de 9
Como a IA usa informação
Como a IA usa informação

A IA não consulta documentos. Ela constrói contexto.

Sistemas de IA não “compreendem” uma base de conhecimento como um humano. Eles operam sobre representações estruturadas e vetoriais da informação e combinam metadados, entidades, relações, relevância lexical, similaridade semântica, regras de acesso, histórico e modelos probabilísticos para selecionar contexto e decidir como responder ou agir.

Conteúdo estruturado→ Entidades e relações→ Embeddings→ Índices e recuperação→ Contexto para LLM→ Resposta, decisão ou ação
estado: repositório passivo · arquivos soltos
9etapas da nota à resposta
4sinais de recuperação
7pilares de GEO
90dias até o piloto

Modelo inadequado · repositório documental passivo

  1. Arquivos soltos
  2. Pastas
  3. Busca por palavra
  4. Leitura manual
  5. Decisão humana isolada

O conhecimento existe, mas não é localizável por significado, não carrega proveniência e não pode ser filtrado por permissão ou validade.

Modelo orientado por IA

  1. Conteúdo estruturado
  2. Entidades e relações
  3. Embeddings semânticos
  4. Recuperação híbrida
  5. Contexto selecionado
  6. LLM, agente ou workflow
  7. Resposta rastreável

A base inteira não vai para o modelo

Um LLM não precisa receber toda a base de conhecimento. Precisa do trecho certo, na hora certa.

Localizar, filtrar, ranquear, compactar

O sistema precisa encontrar, filtrar por permissão e validade, ordenar e reduzir o contexto ao mais relevante.

Estrutura vale mais que volume

A qualidade da resposta depende menos do tamanho bruto da base e mais de estrutura, recuperação, proveniência e governança.

Contexto irrelevante custa caro

Aumenta custo, latência, risco de erro e a chance de instruções conflitantes. Modelos usam pior a informação perdida no meio de contextos longos.

Componente · Da nota à resposta

Da nota à resposta

Acompanhe uma única nota de conhecimento atravessar as nove etapas até virar uma resposta com fontes. Use Reproduzir, as setas ou clique em qualquer etapa.

    Capítulo 2 de 9
    Topologia da informação
    Distinções essenciais

    Graph View não é Knowledge Graph

    As mesmas notas, lidas de dois jeitos. Alterne a visualização: no Graph View a posição vem de forças físicas; no grafo de conhecimento, o significado está no tipo do nó e na direção da relação.

    !
    A posição visual de uma nota no Graph View nunca deve ser lida como prioridade, autoridade, causalidade ou confiança. Esses atributos precisam estar codificados em propriedades, relações e políticas.
    AbordagemUnidade principalVantagemLimitaçãoPapel proposto
    Topologia da informação

    Oito tipos de nó, nove relações

    Relações tipadas tornam dependências explícitas. Cada tipo tem uma finalidade computável e um conteúdo mínimo obrigatório.

    Regras ontológicas

    1. R1Todo decision possui ao menos uma relação derived_from com evidence.
    2. R2Todo process executável é governs por uma ou mais policy.
    3. R3Todo agent possui requires ou referência explícita às capability que satisfaz.
    4. R4Toda relação writes aponta para um system ou artefato autorizado.
    5. R5Toda goal possui ao menos uma relação measured_by.
    6. R6Evidência expirada pode ser recuperada para histórico, mas não sustenta automaticamente uma recomendação atual.
    7. R7Contradições não são apagadas: permanecem explícitas e vão para o avaliador.

    Validador de aresta

    Monte uma relação e veja se ela respeita o domínio e o destino do catálogo.

    Arestas inversas são geradas pelo indexador, não duplicadas manualmente. Ex.: policy governs process gera a projeção consultável process governed_by policy.

    RelaçãoDomínio recomendadoDestino recomendadoSemânticaInversa gerada
    Frontmatter mínimo

    A nota torna-se entidade computável

    Clique em qualquer linha do frontmatter para ver o que ela significa e quem a consome. relations e provenance ficam como listas de valores atômicos porque a interface de Propriedades do Obsidian não suporta bem propriedades aninhadas.

    Campos complementares recomendados

    schema_versionversão do contrato semântico
    statusdraft · review · approved · deprecated · quarantined
    supersedesID do registro substituído
    retention_classpolítica de retenção
    jurisdictionrestrições geográficas ou regulatórias
    approved_byidentidade do aprovador
    approved_atdata da aprovação
    source_languageidioma original da evidência
    Capítulo 3 de 9
    Embeddings semânticos
    Chunking e representação

    Antes do embedding: como o conteúdo é preparado

    O sistema não precisa gerar um embedding por página inteira. A unidade recuperável costuma ser um trecho (chunk) com sentido próprio, enriquecido com metadados e um ID persistente.

    Documento original→Limpeza e normalização→ Estrutura semântica→Chunking→ Metadados→Embedding por unidade→Indexação
    220 caracteres

    Blocos de sentido

    Dividir por blocos semânticos, não apenas por contagem arbitrária de caracteres. Evitar frases isoladas e assuntos misturados.

    Contexto preservado

    Preservar título, subtítulo, entidades, fonte, data e URL canônica. Acrescentar ao trecho o contexto do documento reduz falhas de recuperação.

    Sobreposição controlada

    Usar sobreposição só quando ela preserva continuidade de sentido. Sobreposição demais duplica contexto e custo.

    Estruturas especiais

    Tabelas, listas, FAQs, citações, definições e procedimentos têm comportamento próprio e não devem ser cortados no meio.

    IDs persistentes

    Documento, seção, chunk e versão recebem IDs estáveis, para citar, auditar e invalidar embeddings quando a fonte muda.

    Metadados filtráveis

    Intenção, idioma, sensibilidade, status e validade acompanham o chunk e permitem filtrar antes de ranquear.

    Embeddings semânticos

    Embeddings: como a IA transforma significado em proximidade

    Embeddings são representações numéricas densas de textos, imagens, produtos, usuários ou outros objetos em um espaço vetorial. Objetos de significado parecido tendem a ficar próximos.

    texto, imagem ou entidade → modelo de embedding → vetor em ℝd d ≈ centenas a milhares de dimensões

    Consulta

    contexto final lexical, mas semanticamente fraco próximo, mas bloqueado ★ consulta

    Projeção 2D ilustrativa de vetores de 9 dimensões (uma por conceito). Os scores de cosseno são calculados de fato sobre esses vetores; modelos reais usam centenas ou milhares de dimensões aprendidas.

    Similaridade de cosseno

    sim(q, d) = q · d‖q‖ ‖d‖
    • q é o vetor da consulta; d, o vetor de um documento ou chunk.
    • Valores maiores indicam maior alinhamento semântico (o ângulo entre os vetores é menor).
    • O score vetorial isolado não deve ser a única regra de decisão.

    O que o vetor é, e o que ele não é

    • Cada conteúdo vira um vetor de números. Não é uma lista de palavras-chave.
    • A distância entre vetores estima similaridade de significado.
    !
    Similaridade não significa verdade, autoridade, segurança, atualidade ou permissão de acesso. Por isso embeddings se combinam com filtros, busca lexical, metadados, relações e reranking.
    Capítulo 4 de 9
    Busca híbrida e RAG
    Busca híbrida e RAG

    Por que a melhor recuperação não depende só de vetores

    Cada sinal acerta onde o outro falha. Em avaliações fora do domínio de treino, o BM25 continua um baseline difícil de superar, enquanto modelos densos capturam paráfrases.

    Sinal de recuperaçãoResolve melhorLimitações
    Busca lexical / BM25Termos exatos, códigos, marcas, URLs, nomes próprios, erros e siglasNão entende bem paráfrases e sinônimos
    Busca vetorialIntenção, contexto, sinônimos, paráfrases e proximidade semânticaPode recuperar conteúdo semanticamente parecido, mas factualmente inadequado
    Grafo / topologiaRelações explícitas, dependências, hierarquias, políticas e proveniênciaExige modelagem e manutenção
    Metadados / filtrosData, autor, domínio, idioma, sigilo, status, jurisdição e acessoNão resolve relevância por si só
    RerankerReordenação mais precisa do conjunto candidatoOpera após a primeira recuperação e adiciona custo e latência

    Comparador de recuperação ·

    Corpus de 30 documentos e gabarito de relevância definidos para esta demonstração. As métricas são calculadas sobre esse conjunto; não são benchmarks de mercado.

    Simulador de busca híbrida

    60
    5

    Reciprocal Rank Fusion

    RRF(d) = ∑r∈R 1k + rankr(d)

    A RRF combina posições nos rankings, não scores brutos, porque o score do BM25 e a similaridade de cosseno estão em escalas diferentes e não são comparáveis. O valor k = 60 vem do artigo original.

    Embeddings aumentam recall semântico. Busca lexical preserva precisão literal. Topologia protege contexto relacional. Reranking melhora a decisão final.

    Auditoria de contexto

    O que exatamente o modelo recebeu, e por quê

    O pacote de contexto entregue ao modelo para a consulta selecionada, com fonte, data, scores, permissão, tipo de relação e justificativa de inclusão. Os itens excluídos também ficam registrados.

    #Trecho / fonteDataBM25CossenoRRFRerankPermissãoRelaçãoDecisão e justificativa
    Capítulo 5 de 9
    GEO e visibilidade em mecanismos generativos
    Motores de busca generativos

    Como cada motor generativo busca, escolhe e cita

    Google, Gemini, Copilot, ChatGPT, Claude, Perplexity, Grok, Meta AI e DeepSeek seguem o mesmo esqueleto (decidir se busca, decompor a pergunta, recuperar, selecionar, sintetizar e citar), mas diferem na fonte dos dados, em quem decide buscar e nos rastreadores que o publisher controla. O Manus entra como contraponto: é um agente que navega a web como um usuário, sem índice de busca próprio.

    i
    Nenhum desses fornecedores publica seu algoritmo de ranking completo. O que segue vem da documentação oficial de cada um; quando a informação é de terceiros ou não existe, isso aparece marcado na etapa e no nível de confiança.
    documentado oficialmenteparcial ou por terceirosnão documentado

    Rastreadores e controles do publisher

    MotorTreino de modelosÍndice / buscaAcesso acionado pelo usuárioObservação

    Bloquear o rastreador de treino não tira o site das respostas com busca, e bloquear o de busca não impede o uso para treino. São decisões separadas no robots.txt.

    Ser rastreável pelo bot certo

    Cada motor tem um rastreador próprio para busca. Bloqueá-lo remove o site das respostas daquele motor.

    Responder subperguntas

    Com fan-out e buscas sucessivas, uma página pode ser recuperada por uma subconsulta, não pela pergunta original. Cobertura de subtemas importa.

    Trechos autocontidos e citáveis

    Os motores citam trechos. Afirmação clara, fonte e data no mesmo bloco facilitam a citação.

    Fontes de terceiros

    Mídia conquistada e comparativos independentes pesam mais que o conteúdo da própria marca.

    Tempo real muda o jogo

    Grok usa posts do X; Perplexity e motores com busca privilegiam conteúdo atual. Sem busca, vale a memória do modelo, com data de corte.

    Agentes navegam como pessoas

    Agentes como o Manus abrem páginas num navegador real. Site rápido, HTML acessível e informação legível sem login viram requisito.

    Controle por página no Bing

    NOARCHIVE e NOCACHE ajustam o uso no Copilot sem tirar a página da busca clássica.

    Medir por motor

    Fontes, rastreadores e modelos diferem. A visibilidade precisa ser medida em cada plataforma, com repetição.

    GEO · visibilidade em mecanismos generativos

    GEO: otimização para ser recuperado, compreendido e citado por IA

    GEO (Generative Engine Optimization) é uma disciplina complementar ao SEO técnico e editorial, voltada a aumentar a probabilidade de uma marca, fonte ou conteúdo ser recuperado e citado em respostas geradas por mecanismos de IA. Não substitui SEO.

    SEO técnico+conteúdo útil+autoridade temática+dados estruturados+entidades claras+fontes verificáveis+arquitetura de informação+distribuição e reputação externa =maior elegibilidade para descoberta, recuperação e citação em experiências de busca com IA
    i
    Mecanismos generativos fazem síntese de múltiplas fontes: recuperam candidatos, selecionam trechos e redigem uma resposta. Não reproduzem simplesmente uma SERP tradicional de dez links.

    Matriz de GEO · 7 pilares

    Teste de elegibilidade para citação

    ⚖
    GEO melhora os sinais de elegibilidade, compreensão e confiança. A seleção final depende do mecanismo, da consulta, das fontes concorrentes, da atualização do índice, das políticas da plataforma e do comportamento do usuário.

    Clique em cada critério para alternar entre ausente, parcial e presente. O índice é heurístico e serve para priorizar trabalho editorial; não é uma probabilidade de citação.

    Recomendação de marca

    Como a IA decide recomendar uma marca

    Uma recomendação de marca é uma síntese probabilística de duas fontes: o que o modelo aprendeu no treino e o que ele recupera no momento da pergunta. Nenhuma das duas é um ranking fixo, e a resposta varia entre execuções, plataformas e formulações.

    Anatomia de uma recomendação

    pergunta do usuário“Qual a melhor plataforma de automação de marketing para uma empresa B2B de médio porte?”

    Marcas, fontes e resposta são fictícias e servem só para ilustrar o mecanismo.

    Quatro fatores que moldam a recomendação

    01

    Presença

    A marca aparece nas fontes que o modelo aprendeu ou recuperou para essa categoria? Sem presença, não há candidato.

    02

    Associação

    Com qual categoria, segmento e atributos a marca é descrita, de forma consistente, em fontes diferentes?

    03

    Consenso

    Fontes independentes concordam? Mídia conquistada e comparativos de terceiros pesam mais que o discurso da própria marca.

    04

    Adequação

    A marca atende às restrições da pergunta (porte, preço, integração, região)? Pequenas diferenças de avaliação podem mudar a escolha.

    !
    Vieses documentados. Estudos encontraram viés a favor de marcas grandes e já estabelecidas, e mostraram que linguagem de autoridade, inclusive com alegações falsas, consegue deslocar recomendações em testes controlados. Quando todas as marcas usam a mesma tática, o ganho individual desaparece.

    Recomendação é distribuição, não posição

    A mesma pergunta, feita 20 vezes, produz respostas diferentes. Uma medição isolada não diz nada; o indicador útil é a taxa de menção com sua margem de erro.

    Simulação com probabilidades fixas definidas para a demonstração. Margem aproximada de 95%: ±1,96·√(p(1−p)/n).

    GEO, entidades e topologia editorial

    Topical authority como topologia editorial

    Autoridade temática não é volume de conteúdo nem repetição de palavras-chave. É cobertura organizada de uma entidade, com relações úteis entre as páginas. Exemplo: o cluster “GEO e IA para empresas”.

    Entidade principal→Subentidades→Problemas→Soluções→Atributos→Casos de uso→Comparações→Objeções→Evidências→Conversões
    publicadolacuna editorialdesatualizado

    Página pilar

    Define a entidade e distribui para o aprofundamento.

    Aprofundamento

    Responde perguntas informacionais específicas.

    Consideração

    Comparativos e objeções (GEO vs SEO, GEO vs AEO).

    Decisão

    Casos, evidências proprietárias e conversão.

    ↔
    Links internos devem expressar relações úteis (explica, compara, aprofunda, evidencia, mede), contextuais e bidirecionais quando fizer sentido. Não servem só para distribuir autoridade.
    Capítulo 6 de 9
    Ativação de agentes e automação empresarial
    Aplicação empresarial · Obsidian

    O Obsidian como ambiente de autoria da topologia

    O Obsidian pode funcionar como ambiente de autoria, curadoria e versionamento de uma topologia de conhecimento. Entretanto, indexação vetorial, retrieval, permissões, orquestração, execução e observabilidade devem ser implementados por uma camada operacional externa.

    O que essa estrutura permite

    • Melhor descoberta interna.
    • Recuperação contextual para agentes.
    • Reutilização do conhecimento em conteúdo, vendas, atendimento e produto.
    • Geração de briefings, FAQs, páginas pilar e clusters.
    • Auditoria da origem de afirmações.
    • Atualização controlada de informações desatualizadas.
    • Separação entre conhecimento público, interno, confidencial e restrito.
    !
    Duas ressalvas técnicas: o frontmatter precisa ser delimitado por --- (com *** o Obsidian não o reconhece como propriedades); e relations e provenance aninhados são YAML válido para o pipeline, mas a interface de Propriedades do Obsidian não os edita plenamente.

    Resumo da arquitetura empresarial

    O Obsidian não executa modelos, agentes, ferramentas nem fluxos transacionais. Um pipeline externo valida o schema, resolve entidades, constrói índices lexicais, vetoriais e topológicos e publica uma representação adequada para recuperação e controle. Quando surge uma demanda, o Context Router identifica entidades, aplica permissões, seleciona evidências e políticas vigentes, percorre só relações permitidas e monta um pacote compacto de contexto, que define agentes, ferramentas, modelo e pontos de aprovação humana.

    Regra central
    A topologia recomenda o contexto; o Control Plane autoriza; o orquestrador executa; o humano decide quando o risco exige.
    Veredito arquitetural

    Três níveis para o board

    A proposta cria contexto preciso sem transformar o Obsidian em runtime. A tese é válida, mas vem com um limite obrigatório e um princípio de controle que não se negocia.

    ● Tese válida

    A topologia direciona a operação

    Uma topologia semântica governada pode direcionar recuperação, seleção de agentes, exposição de ferramentas e pontos de aprovação.

    ◐ Limite obrigatório

    Links são sinais, não garantias

    Links e propriedades do Obsidian não impõem segurança nem garantem verdade. São sinais semânticos consumidos por serviços externos.

    ■ Princípio de controle

    Relação não é autoridade

    Nenhuma relação presente no cofre concede autoridade operacional sem IAM, Policy Decision Point e credenciais de curta duração.

    i
    O Graph View oficial do Obsidian representa notas como nós e links internos como arestas, com layout controlado por forças de atração, repulsão, distância e centralização. É uma visualização de conectividade, não uma ontologia formal nem um mecanismo de inferência.
    Princípio de ativação

    Cinco decisões computáveis

    A topologia não serve para olhar. Ela precisa produzir cinco decisões que um sistema consegue executar e auditar.

    D1Escopo de conhecimento

    Quais metas, processos, decisões, evidências e políticas estão relacionadas à solicitação.

    D2Composição da equipe

    Quais agentes possuem as capacidades exigidas pelos processos ativados.

    D3Exposição de ferramentas

    Quais sistemas cada agente pode ler ou alterar.

    D4Nível de autonomia

    Quais ações são automáticas e quais exigem aprovação.

    D5Memória e retenção

    Quais resultados podem ser persistidos, por quanto tempo e com qual classificação.

    Modelo causal recomendado

    1. Demanda empresarialobjetivo, prazo, formato de saída
    2. Entidades resolvidasaliases → IDs canônicos
    3. Subgrafo autorizadoACL projetada antes da recuperação
    4. Políticas + capacidades + sistemas
    5. Equipe hierárquica de IA
    6. Plano e ferramentas permitidas
    7. Crítica independente
    8. Execução automática ou decisão humanaconforme classe de autonomia A0–A4
    Arquitetura em camadas

    Seis camadas separam autoria, inteligência e execução

    O Control Plane atravessa todas as camadas: identidade, política e auditoria valem para cada chamada, não só para o início da sessão. Selecione uma camada para ver suas responsabilidades.

    Roteamento de contexto

    Simulador de ativação: o Context Router entrega só o necessário

    Simulação do pipeline JIT sobre o subgrafo de cada cenário. Ajuste a profundidade, compare a projeção de permissões e aperte o orçamento de tokens. Clique em qualquer nó para ver owner, validade, confiança e proveniência.

    Topologia de informação→Entidades e relações→Documentos e chunks→Embeddings e índices→Busca híbrida→Pacote de contexto→Router de tarefa→Modelo, agente ou ferramenta→Avaliação→Resposta ou ação↺Feedback no grafo
    context-router · req-2026-10442
    2 hops
    18.000
    Projeção de ACLdepois
    semente incluído no contexto cortado pelo orçamento removido pela ACL ≠ contradição ⌛ evidência expirada

    Consumo do orçamento

    042.000 tokens

    Pipeline JIT · 13 etapas

    pronto

    Recuperação e evidências

    Contexto p/ raciocínio

    Contrato de autoridade

    Equipe ativada

    Ferramentas expostas

    Aprovações obrigatórias

    Ficha de execução · 10 perguntas respondidas a cada demanda

      Pacote de contexto gerado

      
    
      O Context Router produz dois resultados distintos: contexto para raciocínio e contrato de autoridade. Conteúdo relevante não implica permissão para agir.
      
  
      

      

      
  
      Função de ranking
      
  
      Pontuar relevância, confiança e risco
      
  
      Mova os pesos e veja o reranqueamento do cenário ativo. O mesmo score decide quem sobrevive ao corte de orçamento no console acima.
      
  
      
    S(n) = αL(n) + βV(n) + γR(n) + δC(n) + εF(n) − λD(n) − μP(n)
  
      
  
      
    
      
      
      Pesos
      
      
      
    
      
    
      
      
      Ranking · 
      nós autorizados
      
      
      
    
      
  
      
  
      
    
      ⚖
      
    
      Os pesos não devem ser definidos por preferência arquitetural. Devem ser calibrados com um conjunto de perguntas reais, respostas esperadas e avaliações de especialistas. Os valores aqui são ilustrativos.
      
  
      

      

      
  
      Protocolos de integração
      
  
      MCP, A2A e APIs resolvem problemas diferentes
      
  
      MCP equipa agentes com ferramentas, APIs e recursos. A2A permite descoberta, delegação e troca de resultados entre agentes independentes. Nenhum dos dois é protocolo universal.
      
  
      
  
      
    
    
      
  
      
  
      
    
      
      
      Qual usar? Assistente rápido
      
      
      
        
        
        
        
        
      
      
      
      
    
      
    
      
      
      Regra executiva
      
      
      
        
      MCPagente → ferramenta, recurso ou prompt
      
        
      A2Aagente independente → agente independente
      
        
      REST / gRPCserviço → serviço, quando a abstração agentic não agrega valor
      
        
      Event buspropagação de eventos, não raciocínio
      
      
      
      
      O MCP é camada de integração e troca de contexto, não orquestrador corporativo. O host da aplicação continua responsável por composição de contexto, escolha de modelo, política de execução e experiência de aprovação. Em março de 2026 o A2A v1.0 foi anunciado como estável, com múltiplos bindings (JSON sobre HTTP, gRPC, JSON-RPC), negociação de versão, multi-tenancy e Agent Cards assinados.
      
    
      
  
      

      

      
  
      Hierarquia de agentes
      
  
      A topologia seleciona a equipe
      
  
      Cada nível tem modelo, ferramentas e limites próprios. O crítico fica isolado do executor; o gateway humano tem a palavra final sobre ações materiais. Os papéis ativos no cenário atual aparecem destacados.
      
  
      
  
      
    
      Regras de isolamento
      
    
      
      
      O crítico não recebe a cadeia de raciocínio privada do executor.
      
      
      O crítico recebe demanda, evidências, políticas, resultado e manifest de proveniência.
      
      
      Agentes não compartilham credenciais.
      
      
      Cada executor recebe somente as ferramentas necessárias para sua tarefa.
      
      
      Alterações externas usam credenciais efêmeras vinculadas à aprovação.
      
      
      Falha ou recusa de um subagente nunca é reinterpretada como autorização.
      
    
      
  
      

      

      
  
      Model routing
      
  
      Qualidade, custo e soberania na mesma conta
      
  
      A regra FinOps não é usar sempre o modelo mais barato. É usar o modelo de menor custo que satisfaça o nível de risco e qualidade exigido, e escalar por incerteza, conflito, baixa confiança ou falha de avaliação.
      
  
      
    
      
    
      
      
      Decisão do roteador
      
      
      
      
      
    
      
  
      
  
      
    
      Critérios considerados pelo roteador
      
    
        
      
      1. Complexidade cognitiva
      2. Quantidade e sensibilidade do contexto
      3. Necessidade de tool use
        4. 
      
      4. Latência máxima
      5. Custo estimado
      6. Capacidade multilíngue ou multimodal
        7. 
      
      7. Residência e soberania dos dados
      8. Taxa histórica de aprovação do modelo naquela tarefa
      9. Disponibilidade de modelos privados ou locais
        10. 
    
      
  
      

      

      
  
      Matriz operacional
      
  
      Quatro cenários, quatro perfis de risco
      
  
      O mesmo mecanismo ativa nós, equipes e controles diferentes conforme a demanda. Selecione o cenário para ver o fluxo e os controles.
      
  
      
  
      
    
      
    
      
  
      
  
      
    
      
      
      Tipo de demandaNós ativadosEquipe de IAAutonomiaDecisão humana
      
      
    
      
  
      

      

      
  
      Classes de autonomia
      
  
      Autonomia cresce só com controles comprovados
      
  
      Escolha o nível concedido e veja o que acontece com cada ação do cenário ativo. A4 sempre exige aprovação humana. A3 só é habilitada após testes adversariais, observabilidade e rollback comprovado.
      
  
      
    
      
      
      
      
      
        
      Pré-requisitos para A3
      
        
        
        
      
      
    
      
    
      
      
      Ações do cenário · 
      
      
      
    
      
  
      

      


      Capítulo 7 de 9
      Governança, qualidade e avaliação
      

      
  
      Validação externa
      
  
      O Obsidian facilita; o pipeline garante
      
  
      A integridade não fica a cargo do editor. Rode o pipeline sobre um cofre de amostra e veja o que bloqueia o merge e o que vira alerta.
      
  
      
    
      
      
      Verificações do pipeline
      
      
        
    
        
    
        
      
        Cofre de amostra · 9 notas
        aguardando execução
        
      
        
      
        ⎇Merge no Git: aguardando validação
        
    
        
  
        
  
        
    
        B
        
    
        Obsidian Bases funciona como projeção operacional sobre notas e propriedades: listas de revisão, evidências expiradas, decisões pendentes, políticas por domínio. Serve à curadoria (stewardship). Não substitui banco transacional, mecanismo de autorização nem engine de workflow.
        
  
        

        

        
  
        Segurança e governança
        
  
        Segurança precede recuperação
        
  
        O NIST AI RMF organiza o risco em Govern, Map, Measure e Manage; o perfil de IA generativa amplia a atenção para confabulação, privacidade e ataques. A taxonomia OWASP para aplicações agentic aponta onde o Control Plane precisa conter.
        
  
        
    
        Govern
        Owners, alçadas, políticas, taxonomia, comitê e accountability.
        
    
        Map
        Finalidade, usuários, sistemas, dados, riscos e impactos de cada workflow.
        
    
        Measure
        Precisão, groundedness, segurança, custo, latência e taxa de intervenção.
        
    
        Manage
        Mitigação, aprovação, resposta a incidentes, rollback e melhoria contínua.
        
  
        
  
        
    
        Categorias OWASP agentic em foco
        
    
        Goal hijackingUso indevido de ferramentasAbuso de identidade e privilégiosExecução inesperada de códigoEnvenenamento de memória ou contexto
        
  
        
  
        
    
        Matriz de riscos · clique para ver a contenção
        
    
        
    
        
  
        

        

        
  
        Riscos e não-objetivos
        
  
        O sistema tem limites deliberados
        
  
        O que esta arquitetura explicitamente não fará.
        
  
        
    
        Transformar o Obsidian em banco transacional.
        
    
        Inferir verdade pela quantidade de links.
        
    
        Permitir que links concedam acesso a sistemas.
        
    
        Substituir IAM, DLP, SIEM, secrets manager ou workflow engine.
        
    
        Carregar o cofre inteiro na janela de contexto.
        
    
        Tornar todos os workflows autônomos.
        
    
        Usar MCP ou A2A quando uma API direta for suficiente.
        
    
        Persistir toda conversa como memória corporativa.
        
    
        Automatizar parecer jurídico, decisão financeira ou produção crítica sem responsável humano.
        
    
        Implementar GraphRAG antes de provar que consultas multi-hop ou holísticas justificam seu custo.
        
  
        
  
        Falhas de concepção · vire o cartão
        
  
        
    
    
    
    
  
        

        

        
  
        Métricas e KPIs
        
  
        Medir recuperação, geração, eficiência e visibilidade
        
  
        Quatro grupos de indicadores. Cada métrica indica de onde vem o dado: observável nos logs próprios, dependente de avaliação (gabarito, revisão humana ou juiz automatizado) ou dependente de dados de terceiros. Não há benchmarks inventados.
        
  
        Observável logs e sistemas próprios Requer avaliação gabarito, amostragem humana ou LLM-juiz Dados de terceiros plataformas externas, amostragem de prompts
        
  
        
  
        
    
        Definições de recuperação  
        
    
        
      
        Recall@Krelevantes recuperados no top-K ÷ total de relevantes
        
      
        Precision@Krelevantes no top-K ÷ K
        
      
        MRRmédia de 1 ÷ posição do primeiro relevante
        
      
        nDCG@Kganho descontado pela posição, normalizado pelo ranking ideal
        
      
        Groundednessproporção de afirmações sustentadas pelo contexto recuperado
        
    
        
  
        

        

        
  
        Fontes e rigor
        
  
        De onde vem cada afirmação
        
  
        Prioridade: documentação oficial, artigos revisados e preprints reconhecidos, documentação técnica, fontes primárias de empresas e, só como complemento, fontes secundárias. Cada item informa data, tipo de evidência, limitação e nível de confiança. Os marcadores [n] ao longo da página abrem a ficha da fonte.
        
  
        
  
        
    
        
      
        #AfirmaçãoFonteDataTipoLimitaçãoConfiança
        
      
    
        
  
        
  
        
    
        Afirmações que esta aplicação evita
        
    
        
      
        Que embeddings “entendem” fatos.
        
      
        Que similaridade semântica comprova verdade.
        
      
        Que GEO garante citações ou rankings.
        
      
        Que schema markup gera visibilidade automaticamente.
        
      
        Que o Obsidian é um grafo de conhecimento completo por padrão.
        
      
        Que um agente autônomo é sempre melhor que um workflow explícito.
        
    
        
  
        

        


        Capítulo 8 de 9
        Roadmap de implementação
        

        
  
        Roadmap de 90 dias
        
  
        O piloto evolui por gates, não por promessa
        
  
        Arraste o cursor de dias ou selecione uma fase. Marque os critérios de cada gate; o progresso fica salvo neste navegador.
        
  
        
    
        dia 1
        
    
  
        
  
        
    
        ▼ dia 1
        
    
        
  
        
  
        

        

        
  
        Retorno do piloto
        
  
        ROI contra baseline real
        
  
        Fórmula de ROI sem projeções fabricadas. Os valores são ilustrativos: substitua pelo baseline do piloto (horas humanas, custo de modelos, infraestrutura, governança, retrabalho e incidentes).
        
  
        
    
        
      
        
        
        Calculadora de ROI valores ilustrativos
        
        
        ROI = economia operacional + perdas evitadas + ganho de capacidade − custo totalcusto total
        
        
        
          
          
          
          
        
        
      
        
      
        
        
        ROI do piloto
        
        
        0%
        
        
        
        
        
      
        
    
        
  
        

        

        
  
        Especificação da apresentação
        
  
        Roteiro em 20 slides
        
  
        Clique em um slide para abrir o modo apresentação (setas navegam, Esc fecha).
        
  
        

        

        
  
        Tela decisória
        
  
        Cinco decisões objetivas ao board
        
  
        Sponsor, equipe, escopo, gates e critérios Go/No-Go. Registre cada decisão.
        
  
        
  
        
    
        Mensagem final
        
    
        A topologia recomenda o contexto.O Control Plane autoriza.O orquestrador executa.O humano decide quando o risco exige.
        
    
        0 de 5 decisões registradas · Gate 1 aguardando
        
  
        

        


        Capítulo 9 de 9
        Questionário
        

        
  
        Verifique o aprendizado
        
  
        Questionário: o que você levou desta jornada
        
  
        Dezessete perguntas cobrindo os capítulos. Cada resposta mostra a explicação e o link para a seção correspondente. O progresso fica salvo neste navegador.
        
  
        
    
        
    
    
  
        
  
          
  
          

          
  
          

          


          




          
        
          Atualizado em .
          
      
          
    
          
  
          
    
          
      
          MarkSaint
          
      
          MARKSAINT · SISTEMA EM SINCRONIA
          Preparando a experiência MarkSaint…