Carlos

Gamma

Agentes de IA feitos para fazer o trabalho corporativo avançar

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.

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.

  • 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.

Wireframe do editor de workflows: nós de início e de etapa, o card do agente, a ação de executar e a barra de ferramentas do canvas, numerados
Fluxo em wireframe: um trace escolhido na lista de traces abre a sua árvore de execução e as suas entradas e saídas
Spec da tela de traces: barra de ícones, cabeçalho, margens, cards de KPI, filtros e linhas da tabela com seus tamanhos e espaçamentos
Traces: cada execução com latência, custo, tokens e feedback
Guardrails para dados pessoais, conteúdo tóxico e grounding, ao lado da fila de aprovações humanas

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.

O editor de workflows no modo escuro
Experimentos do avaliador comparando versões do agente, ao lado das versões e dos deploys em cada ambiente

Consigo explicar o processo em cinco minutos. Só não consigo transformá-lo em um agente sem esperar semanas pela engenharia.

Gerente de operações, cliente enterprise

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.

Analytics do projeto e custos por modelo e por agente
Logs de auditoria de cada ação de pessoas, agentes e chaves de API, ao lado das fontes da base de conhecimento
Um trace reproduzido span por span no modo escuro

Observabilidade

Um agente em produção precisa ser explicável. O rastreamento mostra cada execução como uma árvore: o que o agente recebeu, quais ferramentas chamou, quanto tempo cada passo levou e quanto custou. Os monitores transformam esses dados em alertas com causa provável, não só em um número vermelho.

Lista de rastreamentos com indicadores
Detalhe de um rastreamento: árvore de execução
Monitores e um incidente com causa provável

Governança

Empresas só escalam o que conseguem governar. Os guardrails são escritos como políticas que qualquer pessoa lê, as versões saem em implantação gradual e os orçamentos mostram o custo por agente, para que segurança, engenharia e finanças olhem para o mesmo produto.

Políticas de guardrails e acionamentos recentes
Versões, ambientes e implantação gradual
Custos e orçamentos por agente
Experimentos e comparação de versões
O editor de workflow no tema escuro

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.

Resultados

−48%

Tempo para publicar um agente

−40%

Custo de tokens por execução

120+

Agentes em produção em 6 meses

4,7/5

Satisfação dos admins

Próximo case

Luna Design System

Uma fonte de tokens para Apple e Material, claro e escuro.