Arthur Guttilla Head of Product Marketing, Strattum Com passagens na Amazon Web Services e no Google, Guttilla trabalhou diretamente com fundadores de startups e empresas de capital de risco, compreendendo as necessidades de empresas tecnológicas em estágio inicial na interseção entre tecnologia e negócios.
Um profissional recém-contratado leva meses para trabalhar com a segurança de um colega experiente. Nesse período, consulta manuais, recorre a quem está há mais tempo na empresa e aprende, caso a caso, quais regras valem para quais clientes. Um agente de IA recém-implantado enfrenta a mesma situação, com uma diferença importante: ele não acumula aprendizado entre uma conversa e outra e recomeça a cada nova sessão. O Company Brain, a camada que conhece a empresa (quais dados existem, onde vivem, como se relacionam e quem pode ver o quê), encurta esse período para pessoas e para agentes.
A integração de uma pessoa costuma seguir uma ordem previsível. Primeiro, ela conhece as políticas e os processos documentados. Depois, aprende onde ficam as informações de cada cliente e em qual sistema procurá-las. Com o tempo, passa a entender como essas informações se relacionam, por exemplo, que um cliente com renovação próxima e chamado crítico aberto exige tratamento diferente.
As duas primeiras camadas podem ser transmitidas por documentação e treinamento. A terceira raramente está escrita e depende da convivência com colegas mais experientes.
Bases de conhecimento com busca em linguagem natural atendem bem à primeira camada. Uma pessoa ou um agente pergunta sobre a política de reembolso e recebe o trecho correspondente, com a indicação do documento de origem. Para empresas em que os processos estão espalhados em pastas e versões, esse já é um avanço relevante.
O limite aparece na pergunta seguinte. Conhecer a política de reembolso não responde se aquele cliente específico tem direito ao reembolso fora do prazo, porque a resposta depende do contrato, do plano contratado e de eventuais exceções aprovadas. A busca sobre documentos não alcança nenhuma dessas informações: o registro do cliente continua em outro sistema.
O Company Brain organiza justamente o conhecimento que o funcionário novo leva mais tempo para adquirir. O grafo de conhecimento modela clientes, contratos, pedidos, chamados e pessoas, e as relações entre eles. A ontologia do negócio registra o que cada termo significa na empresa, inclusive os critérios que só os profissionais mais antigos conheciam. A camada semântica traduz a pergunta para a consulta correta, com a permissão de quem perguntou.
Com essa estrutura, o analista recém-contratado e o agente de IA partem do mesmo ponto: acesso às relações que antes dependiam de anos de convivência. A pergunta sobre o reembolso passa a considerar o contrato daquele cliente, o histórico de chamados e a exceção registrada no ano anterior.
Para o agente de IA, essa diferença é ainda mais relevante. Uma pessoa acumula experiência ao longo dos meses, enquanto o agente depende inteiramente do contexto que recebe em cada consulta. Sem um Company Brain, cada sessão começa com o mesmo desconhecimento da anterior. Com ele, cada consulta recebe as relações já modeladas, e o agente responde com o repertório que a empresa levou anos para construir.
Quando cada projeto de IA monta a própria base de consulta, a empresa passa a manter várias versões do mesmo conhecimento. O assistente do atendimento, o agente de vendas e o material de integração de novos funcionários descrevem os mesmos processos de formas diferentes, e as divergências aparecem no momento menos oportuno.
No Company Brain, a conexão com as fontes é feita uma vez e atende a todos os consumidores. O contexto chega aos modelos por meio do MCP, um protocolo aberto que conecta modelos a fontes de dados. O mesmo grafo que orienta um agente de atendimento responde às dúvidas de um analista em integração, e cada novo caso de uso parte do que já existe.
Esse compartilhamento também reduz o esforço de manutenção. Quando uma política muda, a atualização acontece na fonte e se reflete no Company Brain, que passa a servir a versão vigente ao agente de atendimento, ao agente de vendas e ao material consultado pelos novos funcionários. A revisão, antes repetida em cada ferramenta, concentra-se em um único ponto de referência para cada informação.
A saída de um profissional experiente costuma levar consigo o contexto de relacionamento que ele acumulou. As exceções negociadas, os motivos de cada decisão e o histórico de cada conta ficam na memória de quem saiu, e o sucessor reconstrói esse contexto aos poucos.
O Company Brain reduz essa perda na medida em que o conhecimento esteja registrado em algum sistema. Uma exceção aprovada por e-mail e vinculada ao contrato continua acessível depois da saída de quem a negociou. Uma exceção combinada apenas por telefone continua dependente da memória de uma pessoa.
O Company Brain não substitui a formação do julgamento profissional. Decidir quando uma exceção faz sentido, conduzir uma negociação delicada ou interpretar a reação de um cliente continua sendo trabalho das pessoas. O que diminui é o tempo gasto procurando informação antes de exercer esse julgamento.
A camada de contexto também não supre a ausência de registro. Parte do trabalho inicial consiste em identificar quais decisões recorrentes dependem apenas da memória de profissionais e levá-las para um sistema de origem.
Como ponto de partida, recomenda-se listar as perguntas que os funcionários novos mais fazem aos colegas nos primeiros meses e separar as que dependem de um registro específico. Essas perguntas indicam as entidades e as fontes que devem compor o primeiro recorte do Company Brain.
Fale com um especialista da Strattum sobre Company Brain, ontologia do negócio e o contexto que seus agentes consomem a cada pergunta.