ProjetosGamma: Agent OS
Agentes de IA feitos para fazer o trabalho corporativo avançar
Desafio
As empresas queriam colocar agentes de IA para trabalhar em atendimento, vendas, operações e finanças, mas cada time juntava prompts, scripts e chaves de API por conta própria.
Agentes eram alterados sem testes, publicados direto em produção e monitorados por ninguém. Ninguém sabia quais agentes estavam rodando, se uma mudança os deixava melhores, quanto custavam ou quem tinha aprovado o quê.
Abordagem
Liderei o design de uma plataforma corporativa que cobre todo o ciclo de vida de um agente: criar em um canvas visual, avaliar com casos reais, publicar de forma gradual, observar cada execução, governar com guardrails e aprovações humanas e medir o seu custo.
Entrevistas com builders, admins, líderes de atendimento e times de segurança de 9 clientes enterprise deram forma a um modelo de ciclo de vida, com uma área do produto para cada etapa.
- Produto
- Gamma: Agent OS
- Ano
- 2024
- Duração
- 6 meses
- Tipo
- Web app
- Setor
- IA corporativa
- Time
- 1 PM, 8 engenheiros 1 engenheiro de ML
- Escopo
- Pesquisa de UX Design de interação UI e design system Prototipação
Wireframes
Antes de qualquer tela ganhar estilo, os fluxos principais foram desenhados em baixa fidelidade: o canvas de workflow, a lista de traces e o trace que ela abre. Os wireframes resolveram primeiro a hierarquia e a densidade, e o caminho mais curto de uma execução com falha até a sua causa.
A spec depois transformou tudo em números que a engenharia podia implementar: uma barra de ícones de 54 px, margens de página de 28 px, 16 px entre blocos, controles de 38 px e linhas de tabela de 62 px, tudo em um ritmo de 8 pontos e tirado direto do auto layout do Figma.
Criar
Um builder visual permite que qualquer pessoa conecte entradas, um modelo de IA, conhecimento e ferramentas reais como o Gmail em um canvas, e depois execute o fluxo e acompanhe cada etapa antes de publicar.
Os times de negócio que entendiam o trabalho finalmente puderam criar agentes por conta própria, sem esperar semanas pela engenharia.
“Consigo explicar o processo em cinco minutos. Só não consigo transformá-lo em um agente sem esperar semanas pela engenharia.”
Avaliar, publicar, observar
Experimentos comparam cada nova versão com a de produção em casos reais, e os releases chegam à produção de forma gradual, com rollback automático se erro, latência ou custo saírem dos limites.
Em produção, cada execução vira um trace que pode ser reproduzido span por span, com avaliações automáticas em cada resposta.
O que mudou
- Tempo para publicar um agente
- −48%
- Custo de tokens por execução
- −40%
- Agentes em produção em 6 meses
- 120+
- Satisfação dos admins
- 4,7/5
O que aprendi
Tornar visível o invisível: a confiança em IA vem de evidências, então cada execução, mudança e custo precisava ser algo que as pessoas pudessem ver e reproduzir.
Governança faz parte da UX. Guardrails, aprovações e logs de auditoria pensados desde o início transformaram a segurança de um bloqueio em um motivo para adotar.
