Pilar 5: tecnologia e dados

A tecnologia e os dados fornecem a base de que os agentes precisam operar de forma confiável, segura e em escala.

À medida que as organizações passam de pequenos pilotos para a implantação empresarial de agentes, as opções técnicas ad hoc e o acesso a dados fragmentados rapidamente se tornam fatores limitantes. Sem arquitetura clara, padrões e gerenciamento de ciclo de vida, é difícil controlar soluções de IA, difíceis de operá-las e arriscado dimensioná-las.

Esse pilar se concentra em como as organizações criam os fundamentos técnicos e de dados necessários para dar suporte à adoção sustentada de IA desde o desenvolvimento e a implantação até o monitoramento e o aprimoramento contínuo.

Observação

Operações e gerenciamento de ciclo de vida e IA responsável e confiança são capacidades transversais. Para dar suporte a uma avaliação de maturidade mais clara, esse modelo os separa em pilares distintos, mesmo que estejam inseridos em segurança, tecnologia e execução de processos na prática.

Por que a tecnologia e os dados importam para agentes de IA

Os agentes são tão eficazes quanto a tecnologia e as bases de dados em que dependem. Integração fraca, acesso a dados inconsistentes ou arquiteturas frágeis limitam o que os agentes podem fazer e impedem que eles operem de forma confiável entre sistemas.

Para operar efetivamente, os agentes devem ser confiáveis:

Entenda o contexto do fluxo de trabalho (estado do processo, dependências e regras de negócios).
Recupere as informações certas no momento certo.
Execute ações entre sistemas usando integrações seguras e auditáveis.

Sem tecnologia forte e fundamentos de dados:

Os agentes podem permanecer limitados a perguntas e respostas ou tarefas de etapa única.
Cada novo agente se torna um esforço de engenharia sob medida.
O risco, a sobrecarga operacional e a inconsistência crescem mais rapidamente do que o valor comercial.

Com bases maduras em vigor, você pode reutilizar, compor e orquestrar agentes em processos. As equipes podem se concentrar no design do fluxo de trabalho e na realização de valor em vez de recriar o encanamento.

Como é a alta maturidade

Com alta maturidade, a organização opera com uma plataforma robusta de IA de nível empresarial.

As características incluem:

Arquitetura e plataformas de agente padronizadas. Os agentes são criados em plataformas aprovadas usando arquiteturas de referência compartilhada, modelos e padrões.
Ciclo de vida de desenvolvimento gerenciado e automatizado. A separação do ambiente de desenvolvimento, teste e produção, controle do código-fonte, CI/CD, aprovações e reversão são padrão para todos os agentes de produção.
Acesso de integração e dados seguros e controlados. Os agentes usam conectores aprovados, identidades gerenciadas e fontes de dados governadas, eliminando o acesso às sombras e a expansão de credenciais.
Inventário explícito de sistemas e integrações. Sistemas, APIs e ferramentas com as quais os agentes interagem são inventariados, são de propriedade e tratados como ativos arquitetônicos compartilhados.
Componentes reutilizáveis. Ações comuns, fluxos de trabalho e integrações são criadas uma vez e reutilizadas para permitir a execução em múltiplas etapas e entre sistemas.
Observabilidade e avaliação embutidas. Uso, qualidade, segurança e desempenho são automaticamente capturados e revisados continuamente.

Em alta maturidade, você atualiza os padrões de arquitetura à medida que novos padrões de agente surgem (por exemplo, orquestração de vários agentes). As equipes federadas criam e implantam agentes rapidamente sem gargalos centrais porque as proteções são inseridas por design.

Como ler a tabela de maturidade

A tabela mostra como a tecnologia e os recursos de dados evoluem entre cinco níveis de maturidade.

Para cada nível, observe:

Estado da tecnologia e dos dados: características técnicas observáveis.
Oportunidade de progresso: áreas de foco práticas que habilitam o próximo estágio.

As organizações podem operar em diferentes níveis entre plataformas ou domínios. Use a tabela para identificar o padrão dominante e priorizar melhorias que removem restrições de dimensionamento.

Tecnologia e maturidade de dados

Nível	Estado da tecnologia e dos dados	Oportunidade de progresso
100: Inicial	O trabalho do agente é exploratório e fragmentado. As equipes experimentam com prompts ou agentes leves sem um plano de tecnologia definido. O acesso a dados é ad hoc, geralmente limitado a documentos no Microsoft 365 ou chamadas diretas do sistema sem nenhuma estratégia de recuperação consistente. Não há clareza sobre quando usar agentes SaaS versus criar agentes personalizados e nenhuma base de dados compartilhada para os agentes raciocinar. Não existem padrões de plataforma, ALM ou integração consistentes. O Teams cria agentes como provas de conceito isoladas sem arquitetura padrão. As soluções são frágeis, não documentadas e difíceis de reutilizar ou dimensionar.	Defina um plano de tecnologia inicial. Padronizar em um pequeno conjunto de plataformas aprovadas. Por exemplo, o Construtor de Agentes no Microsoft 365 Copilot é o padrão para agentes rápidos e baseados em conhecimento no Microsoft 365; O Copilot Studio é o padrão para agentes que exigem fluxos de trabalho, integrações e gerenciamento do ciclo de vida empresarial. Inventário em que os dados relevantes residem, por exemplo, no Microsoft 365 ou em sistemas operacionais, e documenta lacunas de conectividade.
200: Repetível	As equipes começam a convergir em um pequeno conjunto de plataformas (por exemplo, Agent Builder ou Copilot Studio), mas as opções são inconsistentes e controladas pela preferência da equipe em vez de se ajustarem ao caso de uso. Os dados são parcialmente preparados: o conteúdo do Microsoft 365 é acessível, mas os dados de negócios estruturados permanecem isolados em sistemas com poucos conectores aprovados ou disponíveis. Os agentes dependem de integrações básicas de recuperação ou integrações pontuais, limitando a confiabilidade e a reutilização. A separação entre ambientes de desenvolvimento e teste pode existir, mas ALM e telemetria são inconsistentes. O controle de versão é usado de forma inconsistente e a documentação é leve. Os padrões são orientados pela experiência de equipe individual em vez de diretrizes empresariais.	Padronize o local de criação de agentes: use o Construtor de Agentes ou o Copilot Studio deliberadamente com base no escopo e na complexidade. Defina arquiteturas de referência e padrões de integração. Padronizar as práticas de ALM e introduzir a telemetria básica. Estabeleça modelos de solução padrão, conectores aprovados e pipelines básicos de CI/CD para promover a consistência e reduzir o retrabalho.
300: Definido	Existe um plano de tecnologia documentado. A organização distingue consistentemente entre agentes SaaS,agentes do Copilot Studio, e caminhos de build mais avançados. A arquitetura de dados segue um padrão claro: o Microsoft 365 para conteúdo de colaboração e o Fabric OneLake para dados de negócios unificados. Os dados são organizados usando uma arquitetura de medalhão, permitindo que os agentes possam fundamentar respostas em fontes validadas. A organização documenta onde os dados críticos residem e como os agentes devem acessá-los. Plataformas padrão, arquiteturas de referência e padrões de integração são definidos e reutilizados. As práticas de ALM são estabelecidas para agentes de produção. As equipes usam uma estrutura de design para planejar o desenvolvimento do agente.	Fortalecer a escalabilidade, a segurança e a observabilidade. Insira monitoramento, registro em log e avaliação na arquitetura padrão e verifique se os padrões de acesso a dados são totalmente controlados. Valide as necessidades de agente único versus vários agentes por meio de experimentos estruturados. Expanda e certifique conjuntos de dados para domínios de alto valor.
400: Habilitado	As bases de dados e tecnologia são de nível empresarial. Há uma visibilidade clara de sistemas, APIs e dados usados em fluxos de trabalho. Padrões de acesso seguro por design, telemetria centralizada e avaliações automatizadas são padrão. As implantações são automatizadas e confiáveis. O monitoramento centralizado e a telemetria fornecem visibilidade sobre o comportamento e o desempenho do agente em toda a organização. Use o Copilot Studio para agentes orientados a processos e o Microsoft Foundry para cenários avançados, quando necessário.	Mudar da execução central para a entrega federada. Insira guardrails em plataformas, expanda o autoatendimento com segurança e evolua padrões para dar suporte a maior autonomia e novos padrões de agente. Avalie novos recursos e padrões e incorpore-os em padrões em que eles adicionam valor.
500: Eficiente	As bases de tecnologia e dados evoluem continuamente com base em padrões de telemetria e padrões emergentes de agentes. Os modelos de dados de fluxo de trabalho e as integrações são mantidos ativamente como ativos corporativos compartilhados. As equipes federadas são criadas de forma independente, enquanto as proteções impõem a qualidade por padrão. A organização opera uma plataforma de IA madura e otimizada. A arquitetura dá suporte a cenários complexos de vários agentes e desenvolvimento federado em escala. A melhoria contínua dos padrões técnicos é inserida no modelo operacional.	Mantenha a excelência por meio de revisão arquitetônica contínua, experimentação e compartilhamento de conhecimento. Invista na evolução da plataforma para ficar à frente dos padrões e requisitos de IA emergentes.

Antipadrões comuns

Observe esses sinais de que a tecnologia e as bases de dados podem estar limitando a adoção do agente de IA.

Nível 100 – Inicial: "Experimentação controlada por demonstração"

As equipes criam agentes inteiramente em instruções, sem dados reais ou integração de ações. Essa abordagem cria demonstrações impressionantes, mas não sobrevivem a fluxos de trabalho reais ou casos extremos.
As equipes burlam conectores e governança adequados para "simplesmente fazê-lo funcionar", criando riscos de segurança, conformidade e confiabilidade.
Os agentes são executados a partir de contas pessoais ou locatários de teste, sem um proprietário, ciclo de vida ou caminho claro para a produção.
As equipes promovem configurações ou códigos experimentais diretamente para produção sem ALM, testes ou planos de reversão.

Nível 200 – Repetível: "Engenharia de herói"

As equipes reimplementam conectores de forma independente para os mesmos sistemas, resultando em duplicação e inconsistência.
Apenas alguns indivíduos entendem como os sistemas realmente funcionam e a documentação é esparsa ou desatualizada.
Alguns agentes têm ambientes de desenvolvimento, teste e produção. Outros não. A promoção para produção é manual e propensa a erros.
O progresso depende de engenheiros específicos em vez de padrões reutilizáveis e serviços compartilhados.
O Teams entende algumas dependências de dados, mas não o suficiente para habilitar a execução de ponta a ponta.

Nível 300 – Definido: "Processo em vez de capacitação"

Os requisitos de arquitetura pesada se aplicam a agentes simples, o que retarda a entrega e frustra as equipes.
Arquiteturas e padrões de referência existem, mas não são inseridos em modelos ou ferramentas.
Os padrões funcionam para pilotos, mas não são validados em escala, em diferentes domínios ou sob condições de carga.
Um pequeno grupo toma todas as decisões, o que limita a capacidade de trabalho, causa frustração e faz com que as equipes percam o engajamento.

Nível 400 – Capaz: "Estável, mas lento"

As plataformas são sólidas, mas apenas algumas equipes podem criar ou implantar agentes.
Os painéis de controle existem, mas os insights não orientam a priorização, a melhoria ou as decisões de desativação.
As equipes restringem fortemente os agentes mesmo quando os dados mostram que podem fazer mais com segurança.
O foco é ajustar agentes existentes em vez de habilitar novos padrões ou funcionalidades.

Nível 500 – Eficiente: "Maturidade complacente"

O Teams considera as plataformas e os padrões concluídos, apesar dos padrões de agente em rápida evolução.
As proteções existem, mas não são atualizadas, o que leva à divergência e inconsistência ao longo do tempo.
As equipes descartam a orquestração de vários agentes, maior autonomia ou novos padrões de execução como "trabalho futuro".
À medida que os agentes se tornam mais capazes, as equipes não atualizam controles e avaliações no mesmo ritmo.

Usando esse pilar na prática

Tecnologia e dados são habilitadores.

À medida que sua adoção amadurece:

O rigor técnico deve reduzir o atrito, não diminuir a velocidade das equipes.
Os padrões devem acelerar a experimentação e a reutilização seguras.
A telemetria da plataforma deve informar a governança, as operações e a realização de valor.

A tecnologia forte e as bases de dados permitem que as organizações dimensionem os agentes de IA com confiança porque a confiabilidade, a segurança e o controle dão suporte à inovação.

Próxima etapa

Em seguida, explore como a preparação organizacional e a cultura permitem que pessoas, funções e incentivos apoiem formas de trabalho sustentáveis centradas nos agentes.

Pilar 6: preparação organizacional e cultura

Comentários

Esta página foi útil?

Last updated on 2026-03-11