Autoridade antes do ato

Quem fez e com quê

O agente foi o Claude Opus 5.5, da Anthropic, um dos modelos mais capazes do mercado. Ele foi operado pelo Claude Code no terminal, junto com o Jev, modelo de decisão tipada da TypeSafe AI, e com acesso direto ao navegador pela extensão Claude in Chrome, dentro do console do Snowflake já autenticado com o papel de administrador. O dono da área acompanhou e autorizou pela conversa.

É a configuração que muitas equipes já usam hoje: modelos de mercado excelentes, com as mãos no console e o poder de quem o abriu. Os modelos deram conta de tudo. É justamente por isso que o problema não está nos modelos.

1. Acesso. O trabalho rodou com o papel de administrador da conta, o mais amplo que existe. Ninguém registrou por que esse acesso, para quê e até quando.
2. Estrutura e carga. Mais de 170 instruções em uma tarde: criar banco, papéis e áreas de carga, subir arquivos, carregar 152 tabelas.
3. Desvios no caminho. Um arquivo passou do limite de envio e foi dividido em dois. A carga do DW foi feita por um bloco equivalente aos 124 comandos do pacote. As decisões foram certas, mas ficaram no histórico da conversa.
4. Dois defeitos achados e corrigidos. Um comando do pacote não roda na plataforma. O script de conferência somava como número inteiro, porque NUMERIC sem precisão vira inteiro no Snowflake, e gerou 96 falhas falsas. As correções ficaram no repositório do projeto.
5. Prova. Contagens idênticas nas 152 tabelas e 707 controles de soma batendo com o Postgres. Uma boa prova, guardada num arquivo que a organização não enxerga.

Tudo funcionou. A velocidade era do agente, não da organização

Tecnicamente, a carga deu certo. Rastrear seria possível, mas como investigação: juntando histórico de consultas, conversa e commits. Ao fim da tarde, a Acme não teria como responder a perguntas simples:

O EDAVEN Organização e Agentes é o sistema operacional da organização de pessoas e agentes. É o hub onde a empresa aloca times de pessoas e agentes, concede modelos, define mandatos e mantém a relação fiduciária, isto é, quem responde por quê. Dados e Decisões são os motores que ligam o hub ao ecossistema, para consumir e para entregar.

Os modelos são os mesmos do laboratório. O que muda é que entram pelo hub. O Jev, por exemplo, é ligado pela tela como provedor de decisão: chave da própria organização guardada no cofre, consentimento de saída de dados gravado e habilitação aprovada por uma segunda pessoa. Pode rodar em sombra, só para calibrar, com a calibração registrada por caso de uso.

O hub trata o ecossistema por classe de ferramenta, sempre com o mesmo contrato: descrever o que pode fazer, simular, executar com recibo, verificar pelo gabarito e reverter quando dá. Plataformas SQL, código versionado e servidores MCP têm portas no produto. Orquestradores e ferramentas de BI, semântica e catálogo são ligados pelo serviço de implantação, pela API ou pelo MCP da própria ferramenta, sob a mesma governança.

1. Caso. O pedido entra como caso, com dono, propósito e prazo.
2. Time. Uma engenheira de dados e um agente de engenharia de dados, com os modelos concedidos pela organização: o de linguagem do agente e, se ela quiser, o Jev como provedor de decisão.
3. Mandato. Escopo (banco e schemas), verbos permitidos e validade, aceito pelo nome por quem responde. Nunca a conta inteira.
4. Plano com envelope. O agente propõe o plano. A pessoa aprova uma vez o envelope inteiro: escopo, origem dos dados, verbos, limite de custo, janela e gabarito de prova. A segunda pessoa entra onde o risco pede.
5. Credencial arrendada. Um papel de entrega com escopo e prazo, ativado para aquela execução e desativado no fim; se passar da janela, o hub alerta e registra. Sem administrador.
6. Execução com recibo. Cada passo gera recibo com o SQL exato e o identificador devolvido pela plataforma. Desvio, como dividir um arquivo, vira nova versão do plano com motivo.
7. Prova pelo gabarito. As 152 contagens e os 707 controles entram como evidência no livro da organização, evidente à adulteração.
8. Aprendizado e custo. O defeito do NUMERIC vira candidato a memória da organização, com curadoria humana. O custo fecha por plano: o dos agentes que rodam no EDAVEN é medido; o da plataforma, medido quando ela informa ou estimado com a base declarada; o tempo das pessoas, declarado. E se liga ao valor da decisão que usa esse dado.

As telas abaixo são do EDAVEN em operação sintética: o produto real, num tenant de demonstração com pessoas, agentes e dados sintéticos da Acme.

O Gartner coloca dado pronto, governança e valor no caminho crítico da IA. As previsões abaixo vêm do relatório de previsões de dados, analytics e IA até 2031 e do estudo sobre prontidão de dados.

“Without AI-ready data, the promise of AI will fail to materialize.”
Gartner, Over 100 Data, Analytics and AI Predictions Through 2031

O laboratório tem uma engenheira e um agente. Uma organização tem dezenas de pessoas, centenas de agentes, vários domínios e mais de uma unidade de negócio. A pergunta certa não é se dá para rastrear tudo. Rastrear tudo é fácil. O difícil é decidir, a cada ato, se ele precisa de uma pessoa.

O EDAVEN foi desenhado para que a atenção humana cresça com o risco, não com o volume.

Escala de pessoas e agentes não se prova com o número de agentes. Prova-se com estes indicadores:

• horas de revisão por pessoa por semana;
• parcela dos atos que fica dentro da autonomia e parcela que sobe para uma pessoa;
• tempo até a pendência chegar a quem decide;
• atos fora do envelope e rebaixamentos de autonomia;
• tempo de verificação da cadeia de prova.

São esses os números que uma operação governada acompanha, por domínio e por unidade.