Agentes de IA corporativos
que você pode controlar e auditar

O Primo Epic é uma plataforma de agentes de IA corporativos auto-hospedada da Primo. Os agentes executam tarefas de ponta a ponta — da coleta de dados à atualização de registros no ERP — e vêm prontos para revisão de contratos, verificação de faturas, análise de planilhas e perguntas sobre políticas. Um construtor de agentes de IA sem código permite montar os seus. Em torno do modelo de linguagem, a plataforma acrescenta permissões do seu diretório, salvaguardas aplicadas pelo código da plataforma, aprovação humana configurável e trilha de auditoria. Roda nos seus servidores e funciona com qualquer modelo compatível com OpenAI.

Um agente de IA usa um modelo de linguagem para concluir uma tarefa de ponta a ponta: planeja as etapas, chama ferramentas, age nos sistemas de negócio dentro das suas permissões e registra o que fez. Um modelo sabe responder; um agente sabe concluir o trabalho.

A empresa não paga por um texto bem escrito. Paga por trabalho concluído: um contrato revisado conforme a política, uma fatura conciliada e pronta para lançamento, um caso controverso entregue à pessoa certa já com a justificativa pronta.

Um modelo economiza tempo em uma solicitação. Um agente tira o trabalho manual do fluxo: por exemplo, 25.000 documentos por mês podem passar quase sem intervenção humana, e as pessoas tratam apenas as exceções.

Diferente de um modelo, um agente pode receber trabalho nos sistemas de registro: ele tem permissões, limites, trilha de auditoria e um colaborador que confirma as ações irreversíveis. Um modelo fica no chat; um agente entra no processo.

• —Sem ações. Um modelo responde com texto. Um agente age.
• —Sem ferramentas. Um modelo não consegue abrir um registro no ERP, procurar uma cláusula da política ou acionar um robô RPA.
• —Sem memória do processo. Ele não sabe que a tarefa está na etapa 3 de 7, que um colaborador já decidiu ou que o regulamento mudou ontem.
• —Sem pausa. Um agente para ao encontrar uma divergência, espera a decisão de uma pessoa e continua. Um modelo apenas devolve uma resposta.
• —Sem permissões. Um modelo não sabe nada sobre o Active Directory nem que um colaborador não pode ver salários. Um agente trabalha estritamente dentro das permissões da conta com que é executado.
• —Sem responsabilidade. A resposta de um modelo não pode ser assinada nem auditada depois. Um agente deixa um registro: quem decidiu o quê, qual regra foi aplicada e qual versão foi executada.
• —Sem especialização. Um agente é criado para uma função específica, como jurídico, contabilidade ou compras, com seus próprios regulamentos, etapas e ferramentas permitidas.
• —Sem fluxo. Um modelo responde uma vez. Um agente processa milhares de documentos por mês em um mesmo cenário, com métricas e relatórios.

Resumindo: o LLM é o cérebro. O agente é o cérebro mais as mãos, as ferramentas, a memória, as permissões e as regras. A plataforma oferece tudo, exceto o cérebro.

O LLM é o motor, e um motor sem carro não sai do lugar. O Primo Epic é todo o resto: o que transforma o modelo em um colaborador que a sua equipe de segurança vai liberar para os sistemas contábeis e os contratos.

• —Permissões. Login pelo Keycloak, pelo Active Directory ou pelo seu provedor OIDC. O agente não pode ter mais permissões do que a conta com que é executado — o colaborador que o iniciou ou uma conta de serviço atribuída por um administrador — e as permissões são verificadas em cada ação.
• —Guardrails. Limites de etapas, lista de ferramentas permitidas, filtros de entrada e saída e mascaramento de dados pessoais. Funcionam independentemente do modelo: mesmo que o modelo erre, os guardrails o impedem.
• —Autonomia e aprovações. Cada etapa roda sozinha ou aguarda um colaborador: você decide. Por padrão, gravar em um sistema contábil, lançar um pagamento ou recusar uma contraparte só acontece depois da confirmação de um colaborador, em um cartão que mostra o que era, o que será e por quê.
• —Trilha de auditoria. Quem decidiu o quê, qual regra foi aplicada e qual versão do agente foi usada.
• —Políticas versionadas. Um metodologista atualiza as regras sem desenvolvedores. As tarefas em andamento continuam na versão em que começaram.
• —Construtor e agentes prontos. Cenários prontos para finanças, jurídico, RH, compras, logística e gestão de documentos; seus próprios agentes em um canvas sem código.
• —Conectores e execução. Servidores MCP, robôs Primo RPA para sistemas sem API e Primo AI Server para reconhecimento de documentos. Filas, workers, checkpoints e uma fila de confirmações, pensados para milhares de documentos por mês.

Sem uma plataforma, cada equipe precisa programar aprovações, permissões, logs e versionamento para cada agente.

Sim: por padrão com a confirmação de um colaborador, ou de forma autônoma onde você permitir.

O agente lê, analisa e grava apenas dentro das permissões da conta com que é executado. Por padrão, qualquer ação que grave dados, lance um documento ou dispare um pagamento aguarda a decisão de um colaborador: um cartão com o valor original, a alteração proposta, a regra aplicada e o raciocínio. Para as etapas em que você confia, a confirmação pode ser desativada na publicação do agente. Sistemas com API são conectados por servidores MCP; sistemas sem API, por robôs Primo RPA.

Um agente como um todo não pode ser aprovado, mas quatro decisões específicas podem. A responsabilidade é dividida entre quatro funções:

• —Autor do agente — publica a versão do agente.
• —Administrador — define os guardrails após a revisão de segurança e atribui a conta para as execuções agendadas e via API.
• —Metodologista — mantém a política versionada.
• —Colaborador — decide sobre cada alteração que exige aprovação.

Todas as aprovações, o log de etapas e o log de acesso ficam dentro do seu ambiente.

As tarefas em andamento não são afetadas.

• —As políticas são versionadas. Uma nova redação não afeta as tarefas já iniciadas: elas terminam na versão em que começaram.
• —O modelo é uma entrada do catálogo. Trocá-lo não exige reconstruir os agentes.
• —A qualidade é verificada novamente em uma amostra de controle antes da troca.

• —O agente lê, analisa e grava apenas dentro das permissões da conta com que é executado.
• —Cada etapa tem um modo de confirmação: cada chamada de ferramenta, apenas as alterações ou nenhuma.
• —Onde a aprovação é exigida, o colaborador vê um cartão de decisão: texto ou valor original, alteração proposta, cláusula do regulamento e raciocínio do modelo. Cada alteração é aceita ou recusada separadamente.
• —As regras de confirmação são fixadas na publicação do agente e, durante a execução, só podem ficar mais rígidas.
• —Por padrão, nenhuma ação que altere dados é executada sem aprovação.

Sim.

Os agentes podem ser iniciados por agendamento ou chamados pelos seus sistemas pela API REST, e levar um fluxo da entrada até a alteração no sistema de destino sem ninguém no circuito. Você decide quais etapas rodam de forma autônoma e quais continuam aguardando um colaborador; a escolha é fixada na publicação do agente.

Os limites de execução, a lista de ferramentas permitidas, os filtros de entrada e saída e o mascaramento de dados se aplicam em todos os modos, e cada etapa fica registrada. As execuções autônomas usam uma conta atribuída por um administrador, como uma conta de serviço dedicada, para que o log de auditoria sempre mostre em nome de quem uma ação foi executada.

Sim. O Primo Epic inclui um construtor de agentes de IA sem código: os agentes são montados com blocos prontos — modelo, conhecimento, ferramentas, políticas, cenário e auditoria. Você pode:

• —usar agentes prontos para tarefas comuns: revisão de contratos, verificação de faturas, análise de planilhas, perguntas sobre políticas;
• —criar seus próprios agentes com a sua equipe;
• —criá-los junto com a Primo ou com um parceiro.

Não. Dá para começar pequeno.

• —A plataforma roda em servidores com CPU, com Docker Compose ou Kubernetes.
• —Para o modelo, você pode usar seu servidor de inferência atual, um gateway corporativo ou um modelo em nuvem aprovado pela sua equipe de segurança. Qualquer modelo compatível com OpenAI funciona.
• —GPUs só são necessárias se você hospedar o modelo, e a capacidade é ampliada conforme o volume cresce.
• —Um início típico são dois servidores: um para a plataforma e outro para o modelo. O hardware é ampliado conforme crescem os usuários e os agentes.

Segundo o relatório 2026 State of Agentic Orchestration & Automation da Camunda, uma pesquisa com 1.150 líderes de TI e de negócio de grandes empresas, apenas 11% dos casos de uso de IA agêntica chegaram à produção no último ano.

O risco está entre os principais obstáculos apontados pelo relatório. Enquanto ninguém puder assinar as ações do agente — com permissões, trilha de auditoria e aprovação humana das alterações —, segurança e auditoria não vão liberá-lo para os sistemas reais. O Primo Epic oferece essa camada de controle, e o primeiro agente aprovado vira o modelo para os próximos: a revisão de segurança se concentra no que cada novo agente acrescenta.

Agentes decidem; robôs executam.

Um robô repete etapas que estão escritas. Quando uma exceção sai do script, o agente assume: reúne os documentos e os dados, confere tudo com as suas regras e prepara o resultado para aprovação ou passa a decisão a um colaborador com o seu raciocínio. Quando um sistema não tem API, o agente aciona um robô Primo RPA por meio do Orchestrator. O robô continua determinístico e controlado, e ambos funcionam com as mesmas permissões e a mesma auditoria.

Não.

A plataforma, os dados, os arquivos e os logs ficam nos seus servidores, assim como o modelo, se você o hospedar. Nenhuma telemetria é enviada. As conexões de saída vão apenas para o modelo, os sistemas e as ferramentas que você aprovar explicitamente. Com um modelo hospedado localmente, a plataforma funciona sem acesso à internet.

A economia depende do processo. Em fluxos de documentos de alto volume, como contratos, faturas e sinistros, os padrões típicos são:

• —milhares de horas de trabalho por mês que passam da revisão manual para o tratamento de exceções;
• —o equivalente a dezenas de colaboradores em tempo integral liberados para trabalho de maior valor nos maiores fluxos;
• —menos tempo de processamento e menos erros em relação às suas regras.

Como ilustração, 1.000 documentos por mês a 12 minutos cada somam 200 horas de trabalho, ou US$ 60.000–120.000 por ano a um custo total de US$ 25–50 por hora. Os números exatos são calculados na avaliação e no piloto, com base nos seus volumes e no esforço manual atual.

Cerca de um mês para um processo:

• —1 semana — avaliação do processo e métricas de linha de base;
• —2–3 semanas — piloto em um processo com critérios de sucesso acordados antes do início;
• —as regras de acesso e as políticas são finalizadas com base nos resultados do piloto.

Depois que o primeiro agente é aprovado, os próximos reutilizam as mesmas políticas, o mesmo modelo de permissões e a mesma auditoria.