BRMS e agentes de IA: por que a decisão crítica não pode depender só do modelo

TL;DR

Um agente de IA interpreta o pedido, reúne o histórico e monta o caso, e a decisão que cria obrigação para a empresa continua sendo trabalho de regra determinística, e não de inferência. Essa divisão já existia antes dos agentes, porque motor de regras roda em banco e seguradora há décadas, justamente para que uma negativa de crédito possa ser explicada meses depois. O que mudou foi a cobrança: o artigo 20 da LGPD dá ao titular o direito de pedir essa revisão, e a ANPD elegeu inteligência artificial entre os quatro temas prioritários de fiscalização para 2026 e 2027.

Jake Moffatt comprou uma passagem depois da morte da avó e perguntou ao chatbot do site da Air Canada sobre tarifa de luto. O chatbot respondeu que ele poderia pedir a tarifa retroativamente, depois de emitido o bilhete, e foi com essa informação que Moffatt seguiu adiante. A política real da companhia dizia o contrário, sem permitir pedido retroativo, e estava publicada em outra página do mesmo site.

Quando a Air Canada recusou o reembolso, o caso foi parar no Civil Resolution Tribunal da Colúmbia Britânica, que condenou a companhia em 19 de fevereiro de 2024, no processo 2024 BCCRT 149. Na defesa, a Air Canada alegou que o chatbot deveria ser tratado como uma entidade jurídica separada, responsável pelos próprios atos. O tribunal rejeitou o argumento e afirmou que a companhia responde por toda informação do próprio site. A decisão não abriu exceção para o que sai de um chatbot.

É um caso de atendimento aéreo, com valor pequeno, e quem trabalha em serviços financeiros opera crédito, sinistro e alçada de desconto, onde a mesma falha custa outra ordem de grandeza. A ponte entre os dois é o mecanismo, e ele se repete igual em qualquer setor.

Neste artigo

• O que faltava naquele atendimento
• O que cada componente devolve quando responde
• O que a lei já cobra e o que o regulador avisou
• Onde traçar a fronteira
• Como os dois operam dentro da mesma execução
• Perguntas frequentes

O que faltava naquele atendimento

Nesse atendimento, a política de tarifa de luto existia e estava publicada em outra página do mesmo site que atendeu o cliente. O que faltava era uma etapa que obrigasse a consulta a ela antes de a resposta sair.

Um agente que gera a frase mais provável para a pergunta produz um texto com o tom e a estrutura de uma política de empresa, porque foi treinado em textos desse tipo. Ele soa institucional, usa o vocabulário certo e chega ao cliente com a mesma autoridade de uma página oficial. Nada nesse percurso confronta a frase gerada com a política vigente, então a divergência só aparece quando um cliente reclama.

Costuma ser aqui que a conversa técnica erra o alvo. Quando uma empresa conecta um agente a um processo de negócio, a discussão se concentra em qualidade do modelo, tamanho da janela de contexto e redação do prompt. São as três variáveis que a equipe controla com mais facilidade. Nenhuma delas teria mudado o desfecho na Air Canada, porque faltava uma verificação entre a resposta gerada e o compromisso assumido com o cliente.

O que cada componente devolve quando responde

Um modelo de linguagem trabalha por inferência, o que quer dizer que ele estima, a partir do que aprendeu, qual sequência de texto tem mais chance de responder bem àquela entrada. Na maior parte do tempo isso funciona notavelmente bem, e é justamente por funcionar bem que a diferença costuma passar despercebida. O problema está no que sobra depois: rodar a mesma pergunta duas vezes pode devolver duas respostas diferentes, e nenhuma delas deixa para trás uma cadeia de condições que alguém consiga abrir e conferir depois.

Um motor de regras de negócio parte de outro princípio, o da avaliação declarada. As condições estão escritas, versionadas e datadas, no formato de se a renda comprovada é esta, se o prazo é aquele, se o produto é este, então o resultado é aquele. Como as condições são fixas, a mesma entrada devolve a mesma saída em toda execução, e junto com o resultado vem o registro de qual regra disparou.

O mercado chama essa propriedade de explicabilidade, e ela é mais estreita do que o nome sugere. A auditoria quer a condição exata que produziu aquele resultado, apontada meses depois com a precisão de quem abre um registro e lê uma linha.

Nada disso é novidade para quem trabalha em banco ou seguradora. O motor de regras chegou a esses setores muito antes da onda atual de IA, e chegou por uma razão específica. Crédito, alçada, elegibilidade e carência precisam resistir a auditoria, e auditoria pede regra escrita antes do fato. A infraestrutura já está instalada nessas empresas, com anos de regra acumulada e times que sabem operá-la.

O que a lei já cobra e o que o regulador avisou

Poder reconstruir uma decisão parecia, até pouco tempo atrás, uma exigência de engenharia bem-feita. Hoje é exposição jurídica, com contornos definidos em lei.

O artigo 20 da LGPD garante ao titular o direito de pedir revisão de decisão tomada unicamente com base em tratamento automatizado que afete seus interesses. A proteção alcança explicitamente as decisões que definem perfil pessoal, profissional, de crédito e de consumo. A lei foi sancionada em agosto de 2018, entrou em vigor em 18 de setembro de 2020, e as sanções administrativas passaram a valer em agosto de 2021. Esse direito, portanto, já é exigível há anos.

O regulador brasileiro também já sinalizou onde vai olhar. A ANPD publicou o Mapa de Temas Prioritários de fiscalização para o biênio 2026-2027, e inteligência artificial figura entre os quatro temas eleitos. Os outros três são os direitos dos titulares, a proteção de crianças e adolescentes e o tratamento de dados pelo Poder Público. Na Agenda Regulatória, o item 6 trata especificamente da relação entre IA e a revisão de decisões automatizadas, com parâmetros de transparência e mitigação de viés ainda em definição.

Enquanto esses parâmetros não saem, a adoção segue em outro ritmo. O Gartner projetou, em press release de 26 de agosto de 2025, que 40% das aplicações corporativas terão agentes especializados por tarefa até o fim de 2026, contra uma fatia menor que 5% em 2025.

Onde traçar a fronteira

Sobra a parte difícil, que é decidir caso a caso até onde o agente vai sozinho. Existe um critério que resolve a maior parte das situações sem depender de opinião: se a decisão cria obrigação para a empresa ou direito para o cliente, ela precisa de regra auditável. Tudo que vem antes disso pode ficar com o agente.

Aplicado a um atendimento comum, esse critério corta o trabalho ao meio. O agente entende o que o cliente pediu, recupera o histórico e consulta os sistemas. Ele também identifica o produto aplicável e redige a resposta em linguagem natural, que é onde tem vantagem clara sobre qualquer alternativa. Do outro lado ficam aprovar o limite, enquadrar o sinistro, liberar exceção de alçada e reconhecer carência. A regra decide essas quatro e devolve ao agente o resultado com o motivo, para que a resposta seja escrita sobre decisão já tomada.

Uma objeção razoável: isso não transforma cada interação em uma cascata de aprovação? Não transforma, e a confusão vem de imaginar a regra como uma fila de gente. Uma regra declarada é código que executa dentro da mesma chamada, sem intervenção humana, e o que ela acrescenta ao caminho é o registro de por que aquele resultado saiu.

Como os dois operam dentro da mesma execução

Na prática, essa divisão de responsabilidade vira uma sequência de passos com ordem fixa.

Chega o evento, seja mensagem de cliente, chamado aberto ou tarefa agendada, e o agente classifica a intenção e reúne o contexto necessário. Antes de qualquer sistema de negócio ser acionado, a regra avalia se aquela ação é permitida naquelas condições e devolve o resultado com o motivo. Só então a chamada acontece, o estado é persistido, e a execução fica registrada com o que foi decidido e por quê, de forma que a reconstrução pedida pelo artigo 20 já nasce pronta.

A avaliação ocupa a posição imediatamente anterior à ação. É o único ponto do fluxo em que ainda dá para interromper alguma coisa. Movida para depois, na forma de um relatório de conferência, ela vira instrumento de explicação do incidente já ocorrido.

Na Tessera, essa ordem está embutida no runtime: o bloqueio atua na entrada, antes de o agente agir, as regras carregam vigência para permitir recálculo histórico com a regra da época, e cada passo entra em um registro encadeado ao anterior. O mapa completo dos controles está em o que é um harness de IA.

Perguntas frequentes

O que é BRMS e para que serve em um agente de IA?

BRMS é a sigla de business rules management system, o sistema que guarda e executa as regras de negócio de forma declarada e versionada. Em um agente de IA, ele avalia se a ação pretendida é permitida antes de qualquer sistema ser acionado, e devolve o motivo junto com o resultado.

Dá para usar o próprio modelo para explicar a decisão que ele tomou?

A explicação gerada depois descreve um raciocínio plausível, sem garantia de corresponder ao caminho percorrido. Auditoria e contestação pedem o registro do que de fato ocorreu, produzido no instante da execução por quem executou.

Regra determinística não engessa o produto?

Ela concentra a rigidez onde a rigidez já era obrigatória. Limite de crédito, alçada e carência mudam por decisão de negócio, sempre com aprovação e número de versão. O restante da interação segue livre para o agente resolver.

Por onde uma empresa começa, com agentes já em operação?

O primeiro passo é inventariar quais decisões cada agente toma sozinho hoje e marcar quais delas criam obrigação para a empresa. Essa lista costuma ser mais curta do que se imagina, e é ela que define quais regras precisam sair do código do agente e voltar para o motor.

Conclusão

Essa infraestrutura foi ficando tão estável, ao longo dos anos, que virou paisagem. É por isso que ela some do desenho quando um componente novo entra na operação, mesmo em empresas que a mantêm rodando no andar de baixo.

Fechar esse caminho é decisão de plataforma, tomada no desenho do agente, antes de o primeiro incidente cobrar a conta. Antes de o próximo entrar em produção: qual decisão ele toma hoje que, se estiver errada, vira obrigação da empresa amanhã?

Para descobrir quais operações da sua empresa já estão nessa situação, o Readiness Assessment da Tessera avalia os sistemas envolvidos, o esforço de integração e o risco regulatório de cada candidata.