WEBVTT

00:00:00.000 --> 00:00:03.760
Você clicou porque o podcast disse que o Azure AI Foundry é uma armadilha, certo?

00:00:04.160 --> 00:00:05.560
Bom, está no lugar certo.

00:00:05.920 --> 00:00:06.900
Aqui está a promessa logo de cara.

00:00:07.400 --> 00:00:09.660
Copilots entram em colapso sem fundamentação,

00:00:09.840 --> 00:00:12.220
mas ferramentas como geração aumentada por recuperação,

00:00:12.480 --> 00:00:14.980
ou RAG, com pesquisa híbrida e semântica do Azure AI.

00:00:15.240 --> 00:00:17.640
Além de avaliadores de fundamentação, relevância e coerência,

00:00:18.020 --> 00:00:21.780
são as correções reais que impedem você de entregar alucinações disfarçadas de respostas.

00:00:22.820 --> 00:00:25.380
Vamos ignorar os decks de marketing e mostrar o manual de sobrevivência

00:00:25.380 --> 00:00:26.560
com exemplos reais do dia a dia?

00:00:26.560 --> 00:00:31.660
Inscreva-se na newsletter do M3ZB65 Show e acompanhe as transmissões ao vivo com o MVP.

00:00:32.360 --> 00:00:34.180
É lá que estão as lições aprendidas e as soluções.

00:00:34.920 --> 00:00:37.460
E como as primeiras rachaduras costumam aparecer em aplicativos multimodais,

00:00:37.540 --> 00:00:38.140
vamos começar por aí.

00:00:38.940 --> 00:00:40.880
Por que aplicativos multimodais falham no mundo real?

00:00:41.420 --> 00:00:43.860
Quando você vê uma demonstração multimodal no palco, ela parece impecável.

00:00:44.720 --> 00:00:47.260
O apresentador insere um prompt de texto, uma imagem limpa,

00:00:47.360 --> 00:00:48.620
talvez até uma entrada de voz rápida,

00:00:48.720 --> 00:00:51.160
e o modelo entrega um gráfico perfeito ou um resumo de contrato preciso.

00:00:51.680 --> 00:00:53.780
Tudo parece mágico, mas no momento em que você tenta mesmo,

00:00:53.780 --> 00:00:55.800
dentro de uma empresa real, o brilho desaparece rapidamente.

00:00:56.560 --> 00:00:57.980
Demonstrações rodam com a internet B.

00:00:58.360 --> 00:00:59.480
Ambientes de trabalho rodam comigo.

00:00:59.820 --> 00:01:00.600
Essa é a verdade de visão.

00:01:01.020 --> 00:01:03.900
Em produção, ninguém está dando ao seu modelo capturas de tela

00:01:03.900 --> 00:01:07.140
cuidadosamente preparadas ou CSVs formatados por um comitê de padrões.

00:01:07.880 --> 00:01:09.740
RH está alimentando o sistema com documentos de nele borrar.

00:01:10.220 --> 00:01:13.080
Setor de compras está em venda PDFs que já passaram por 5 gerações de fax.

00:01:13.640 --> 00:01:16.940
Alguém no financeiro está tirando foto de uma fatura com a câmera quebrada de um Android.

00:01:17.840 --> 00:01:20.680
Modelos multimodais podem lidar com texto, imagens, voz e vídeo,

00:01:20.680 --> 00:01:24.500
mas precisam de dados bem indexados e recuperação para ter um bom desempenho em condições precárias.

00:01:24.500 --> 00:01:27.400
Caso contrário, você está apenas pedindo ao modelo para improvisar sobre lixo.

00:01:28.020 --> 00:01:30.800
E não agasta com o GPU que corrija o princípio de que se entra lixo, sai lixo.

00:01:31.360 --> 00:01:34.900
É aqui que a geração aumentada por recuperação, o RAG, deveria salvar você.

00:01:35.620 --> 00:01:37.300
Em termos simples, o modelo não conhece o negócio,

00:01:37.380 --> 00:01:38.640
senão você o conecta a uma fonte de conhecimento.

00:01:39.380 --> 00:01:41.760
Ele recupera uma fatia de dados e molda a resposta em torno dela.

00:01:42.400 --> 00:01:44.720
Quando a correspondência precisa, você obtém respostas úteis e fundamentais.

00:01:44.980 --> 00:01:47.740
Quando é descuidado, o modelo improvisa, cuspindo absurdos com confiança.

00:01:47.740 --> 00:01:49.880
E é assim que você acaba com o chatbot,

00:01:50.000 --> 00:01:54.200
jurando que sua empresa tem uma nova política de descontos para o Q3, que não existe.

00:01:54.680 --> 00:01:57.000
Ele não se tornou senciente, ele apenas puxou os dados errados.

00:01:58.020 --> 00:02:00.500
O Azure Studio e o Azure Found dependem desse padrão

00:02:00.500 --> 00:02:04.740
e suportam todos os tipos de modalidades, linguagem, visão, fala e até recuperação de vídeo.

00:02:05.540 --> 00:02:07.800
Mas o problema é que o RAG é tão bom quanto os dados que utiliza.

00:02:08.260 --> 00:02:09.860
Aqui está o ponto principal que é a maioria da equipe esperta.

00:02:10.100 --> 00:02:12.560
Você não pode simplesmente conectar um método de recuperação e achar que está tudo.

00:02:12.840 --> 00:02:14.540
Se você quer que os resultados sejam consistentes,

00:02:14.540 --> 00:02:16.600
se você precisa de uma busca híbrida de palavras-chave e mais vetores,

00:02:16.700 --> 00:02:19.960
complementada por um replacificador semântico integrado ao Azure Semântico integrado ao Azure AI Search,

00:02:20.120 --> 00:02:22.940
isso permite que o sistema equilibre correspondências literais de palavras-chave

00:02:22.940 --> 00:02:25.900
com significado semântico e seus resultados para que o contexto correto fique no topo.

00:02:26.020 --> 00:02:28.020
Ao integrar isso à sua configuração multimodal,

00:02:28.260 --> 00:02:30.940
o modelo passa a lidar bem com digitalizações tortas e imagens borradas

00:02:30.940 --> 00:02:33.040
em vez de alucinar sua política de conformidade do nada.

00:02:33.260 --> 00:02:33.540
Enfim.

00:02:34.260 --> 00:02:36.580
Agora, vamos falar sobre por que tantas implementações fracassam.

00:02:37.400 --> 00:02:39.600
As empresas esperam resultados perfeitos desde o primeiro dia,

00:02:39.600 --> 00:02:41.760
mas não reservam um orçamento para ciclos de avaliação.

00:02:41.760 --> 00:02:45.620
Sem verificações de fundamentação, relevância e coerência rodando em segundo plano,

00:02:45.720 --> 00:02:48.120
você não percebe o desvio até que os usuários já tenham sido prejudicados.

00:02:48.840 --> 00:02:51.300
Muitas implementações iniciais falham rapidamente exatamente por isso.

00:02:51.500 --> 00:02:54.400
O resultado parece correto, mas ninguém o verificou em relação à fonte de verdade.

00:02:54.940 --> 00:02:57.500
Pense bem, você nunca implantaria um novo banco de dados sem monitoramento.

00:02:58.320 --> 00:02:59.500
No entanto, com o IA multimodal,

00:02:59.700 --> 00:03:02.860
os executivos a colocam em produção como se fosse uma caixa mágica pronta para usar.

00:03:03.400 --> 00:03:04.500
Não precisa terminar em fracasso.

00:03:04.940 --> 00:03:07.900
A Carvana é um dos casos de clientes do Foundry que comprova esse ponto.

00:03:08.340 --> 00:03:10.580
Eles tornaram a IA de autoatendimento realmente útil,

00:03:10.580 --> 00:03:14.620
ajustando a recuperação, fundamentando seus agentes corretamente e investindo em observabilidade.

00:03:15.140 --> 00:03:17.600
Isso transformou o que poderia ser apenas mais um robô de brinquedo

00:03:17.600 --> 00:03:19.200
em algo que os clientes podiam confiar.

00:03:20.240 --> 00:03:23.480
Agora, compare isso com as empresas que simplesmente anexaram um chatbot genérico

00:03:23.480 --> 00:03:25.620
à sua página de suporte, sem fundamentação ou avaliação.

00:03:26.080 --> 00:03:26.680
Já viu o resultado.

00:03:27.260 --> 00:03:29.240
Pedidos de garantia arquivados como leads de vendas,

00:03:29.340 --> 00:03:31.280
filas de suporte inchadas e credibilidade destruída.

00:03:31.760 --> 00:03:33.100
Mesmo stack as do resultado oposto.

00:03:33.740 --> 00:03:34.900
Então aqui está a conclusão direta.

00:03:34.900 --> 00:03:38.120
A IA multimodal não entra em colapso porque não é inteligente o suficiente.

00:03:38.900 --> 00:03:41.560
Ela entra em colapso porque os dados não estão preparados e indexados ao monitorado.

00:03:42.300 --> 00:03:43.880
Alimente o sistema de recuperação com lixo,

00:03:44.020 --> 00:03:45.620
pule as avaliações e veja a confiança de aparecer.

00:03:46.200 --> 00:03:49.600
Mas com busca híbrida, reclassificação semântica e avaliações constantes,

00:03:49.940 --> 00:03:52.940
você pode processar faturas, contratos, fotos e até notas de áudio

00:03:52.940 --> 00:03:55.140
com respostas baseadas na realidade e não na fantasia.

00:03:56.640 --> 00:03:59.080
E uma vez que a fundamentação esteja em ordem, outro risco surge.

00:03:59.820 --> 00:04:01.820
Pois mesmo que os pipelines de dados estejam limpos,

00:04:01.820 --> 00:04:03.800
o sistema que os impulsiona ainda pode sair do controle.

00:04:04.520 --> 00:04:05.300
É aí que pergunta a mão.

00:04:06.080 --> 00:04:08.460
O agente que coordena tudo isso está realmente ajudando o seu negócio

00:04:08.460 --> 00:04:11.020
ou apenas transformando silenciosamente seu orçamento de TI e fumaça?

00:04:12.400 --> 00:04:14.000
Agente útil ou um peso de papel caro?

00:04:15.000 --> 00:04:17.380
Um agente coordena modelos, dados, gatilhos e ações.

00:04:18.040 --> 00:04:20.460
Pense nele como um guarda de trânsito para seus fluxos de trabalho automáticos.

00:04:21.020 --> 00:04:22.480
Às vezes ele dirige tudo suavemente,

00:04:22.560 --> 00:04:25.940
às vezes ele libera passagem para caminhões e um carro de palhaço e depois vai almoçar.

00:04:26.760 --> 00:04:29.100
Esse abismo entre a definição perfeita e a realidade confusa

00:04:29.100 --> 00:04:30.320
onde a maioria das equipes se perde.

00:04:30.320 --> 00:04:32.360
No papel, um agente parece infalível.

00:04:33.080 --> 00:04:33.900
Dê instruções a ele.

00:04:34.100 --> 00:04:36.720
Aponte seus dados e aplicativos se ele deverá executar processos,

00:04:36.800 --> 00:04:38.720
buscar respostas e até iniciar fluxo de trabalho.

00:04:39.360 --> 00:04:40.900
Mas este não é um colega de trabalho perfeito.

00:04:41.340 --> 00:04:43.940
Ele tem tanta chance de corrigir um problema recorrente às duas da manhã

00:04:43.940 --> 00:04:46.120
quanto de inundar sua fila com 100 chamados fantasmas

00:04:46.120 --> 00:04:47.440
por ler errado um log de erros.

00:04:48.200 --> 00:04:49.180
Imagine isso do Surt Sinal.

00:04:49.900 --> 00:04:50.320
Quando bem delimitada,

00:04:51.100 --> 00:04:53.240
a IAC cria chamados reais apenas para problemas genuínos

00:04:53.240 --> 00:04:54.600
e economiza horas de trabalho humano.

00:04:55.440 --> 00:04:57.420
Se deixada solta, ela pode enterrar o suporte técnico

00:04:57.420 --> 00:04:59.740
com uma parede de alertas falsos sobre falhas críticas e impressoras

00:04:59.740 --> 00:05:00.620
que estão funcionando perfeitamente.

00:05:00.880 --> 00:05:03.160
Tente explicar esse aumento de produtividade para o seu CEO.

00:05:03.580 --> 00:05:04.820
Aqui está a distinção que muitos não precisam.

00:05:05.160 --> 00:05:06.560
Copilotos e agentes não são a mesma coisa.

00:05:07.080 --> 00:05:08.580
Copiloto é basicamente um parceiro de pronto.

00:05:09.000 --> 00:05:11.020
Ele responde, ele responde, você mantém o controle.

00:05:11.940 --> 00:05:14.180
Agentes, por outro lado, decidem coisas sem esperar por você.

00:05:14.860 --> 00:05:16.700
Eles seguem suas instruções vagas à risca,

00:05:16.840 --> 00:05:18.420
mesmo quando os resultados não fazem sentido.

00:05:18.420 --> 00:05:20.820
É aí que a automação economiza tempo real

00:05:20.820 --> 00:05:23.840
ou cai no caos que você levará o dobro do tempo para limpar, limpar.

00:05:24.360 --> 00:05:26.160
A verdade é que muitas equipes entregam ao agente

00:05:26.160 --> 00:05:28.140
uma descrição de cargo que parece uma promessa de campanha.

00:05:28.960 --> 00:05:30.000
Otimizar processos,

00:05:30.460 --> 00:05:31.620
fornecer insights, ajudar as pessoas.

00:05:32.120 --> 00:05:34.220
Parabéns, você basicamente disse ao robô para fazer o que quiser.

00:05:34.760 --> 00:05:37.000
Agentes sem escopo não permanecem educadamente em seu lugar.

00:05:37.420 --> 00:05:37.920
Eles se debatem.

00:05:38.260 --> 00:05:39.400
Eles inventam problemas para consertar.

00:05:39.660 --> 00:05:40.560
Eles duplicam registros.

00:05:41.080 --> 00:05:42.020
Eles entram em loops infinitos.

00:05:42.360 --> 00:05:43.320
E então a liderança se pergunta

00:05:43.320 --> 00:05:45.080
por que é uma demonstração brilhante se transforma de produção.

00:05:45.800 --> 00:05:46.740
Agora vamos esclarecer as coisas.

00:05:46.740 --> 00:05:49.600
Não é que a maioria das organizações falhe nos primeiros dois meses?

00:05:50.320 --> 00:05:51.160
Isso não está nas pesquisas.

00:05:51.840 --> 00:05:53.220
O que acontece, rapidamente,

00:05:53.300 --> 00:05:55.400
é que muitas organizações encontram obstáculos cedo

00:05:55.400 --> 00:05:56.860
porque nunca limitaram seus agentes,

00:05:56.980 --> 00:05:58.360
nunca adicionaram etapas de validação

00:05:58.360 --> 00:05:59.740
e nunca implementaram telemetria.

00:06:00.580 --> 00:06:01.760
Sem esses mecanismos de proteção,

00:06:01.860 --> 00:06:02.700
sua nova ferramenta brilhante

00:06:02.700 --> 00:06:04.820
é apenas um estagiário imprudente com prudente com privilégio de administrador.

00:06:05.140 --> 00:06:07.320
E é aqui que a pilha da Microsoft realmente lhe entrega as peças.

00:06:08.220 --> 00:06:09.860
O Copilot Studio é um ambiente low-code

00:06:09.860 --> 00:06:11.700
onde os criadores projetam o comportamento do agente,

00:06:11.800 --> 00:06:13.540
pensam em fluxos prontos e gatilhos de eventos.

00:06:14.120 --> 00:06:16.200
Então o Agent Service do seu Azure AI Foundry

00:06:16.200 --> 00:06:19.520
é a estrutura corporativa que coloca esses agentes em produção com observabilidade.

00:06:20.520 --> 00:06:23.280
O Agent Service é onde você adiciona monitoramento, logs e métricas.

00:06:24.280 --> 00:06:25.640
Ele é deliberadamente delimitado

00:06:25.640 --> 00:06:27.660
para automação com supervisão humana integrada

00:06:27.660 --> 00:06:29.040
porque a Microsoft sabe o que acontece

00:06:29.040 --> 00:06:31.200
se você confiar em um agente não testado no mundo real.

00:06:32.200 --> 00:06:33.880
Então como você sabe se seu agente é realmente útil?

00:06:34.540 --> 00:06:36.160
Submeta a uma lista de verificação simples.

00:06:36.160 --> 00:06:40.140
1. Ele reduz as horas de trabalho humano, coloca a sua equipe para fazer tarefas de depuração.

00:06:44.390 --> 00:06:51.950
3. Você tem telemetria implementada para detectar desvios antes que os usuários comecem a registrar reclamações?

00:06:52.450 --> 00:06:55.110
Se você respondeu errado a qualquer uma dessas, você não tem um agente inteligente.

00:06:55.550 --> 00:06:56.810
Você tem um protetor de tela caro.

00:06:56.810 --> 00:07:01.950
A solução é usar os recursos de observabilidade e avaliadores integrados do Azure AI Foundry e Foundry.

00:07:02.550 --> 00:07:03.650
Esses não são extras opcionais.

00:07:04.030 --> 00:07:07.410
Eles são a forma documentada de medir fundamentação, relevância, coerência e fidelidade à fonte.

00:07:08.210 --> 00:07:10.590
Sem eles, você está adivinhando se seu agente é inteligente

00:07:10.590 --> 00:07:12.770
ou apenas inventando coisas com um tom de voz educado.

00:07:13.330 --> 00:07:16.570
Com eles, você pode intervir com confiança e fazer ajustes quando o resultado se desvia.

00:07:17.130 --> 00:07:18.530
Portanto, sem agentes podem mudar o jogo.

00:07:19.170 --> 00:07:22.530
Com o escopo errado, eles se tornam amplificadores de caos que consomem mais tempo do que economizam.

00:07:22.530 --> 00:07:26.830
Com o escopo correto, limites de trabalho claros, telemetria real e respostas fundamentadas,

00:07:26.890 --> 00:07:29.370
eles podem realizar tarefas enquanto humanos focam no trabalho de maior valor.

00:07:30.230 --> 00:07:32.550
Bem, quando você pensa que acertou esse equilíbrio, a história muda novamente.

00:07:33.410 --> 00:07:37.170
A Microsoft já está promovendo agentes autônomos, bots que não esperam por você antes de agir.

00:07:38.590 --> 00:07:42.270
O que leva os riscos de útil ou peso de papel para uma categoria totalmente diferente,

00:07:42.370 --> 00:07:44.790
porque agora estamos falando de sistemas que rodam mesmo quando ninguém está olhando.

00:07:46.170 --> 00:07:47.630
A armadilha do agente autônomo.

00:07:48.430 --> 00:07:50.650
Agentes autônomos são onde o hype se torna perigoso.

00:07:50.650 --> 00:07:52.610
No papel, eles são um sonho.

00:07:53.210 --> 00:07:55.910
Deixa e age por você, automatize o trabalho braçal

00:07:55.910 --> 00:07:59.070
e pare de se arrastar para fora da cama às duas da manhã para cuidar de filas de chamados.

00:07:59.550 --> 00:08:00.590
Sou ótimo na sala de reuniões.

00:08:00.950 --> 00:08:01.530
Armadilha é simples.

00:08:01.970 --> 00:08:02.850
Eles não esperam por permissão.

00:08:03.230 --> 00:08:03.970
Copais fazem pausas.

00:08:04.370 --> 00:08:05.490
Agentes autônomos não fazem.

00:08:05.890 --> 00:08:09.310
Quando eles tomam uma decisão ruim, o dano acontece instantaneamente e escala por todo o seu tenant.

00:08:09.650 --> 00:08:10.510
Conceito é fácil o suficiente.

00:08:10.990 --> 00:08:11.730
Copais são reativos.

00:08:12.210 --> 00:08:12.930
Agentes são produtivos.

00:08:13.390 --> 00:08:15.450
Em vez de ficarem quietos até que alguém digite um prompt,

00:08:15.450 --> 00:08:20.470
você define agentes para monitorar a saúde do serviço, lidar com sinais de segurança ou executar fluxo de trabalho automaticamente.

00:08:20.890 --> 00:08:25.530
Microsoft vende isso como eficiência, menos desperdício humano, detecções mais rápidas e operações mais fluídas.

00:08:25.950 --> 00:08:28.230
A promessa é real, mas aqui está o contexto importante.

00:08:29.190 --> 00:08:31.830
Os agentes autônomos no Copilot Studio hoje ainda estão em preview.

00:08:32.570 --> 00:08:35.890
Preview não significa quebrado, mas significa não testado no mundo real e caótico.

00:08:36.530 --> 00:08:40.530
E até a Microsoft diz que você precisa de diretrizes de governança de ciclo de vida do sistema de console do Copilot

00:08:40.530 --> 00:08:42.230
implementados antes de pensar em uma implantação nova.

00:08:42.690 --> 00:08:43.730
Considere um risco realista.

00:08:43.930 --> 00:08:48.430
Digamos que você crie um agente helpdesk autônomo e dê a ele autoridade para responder anomalias de login.

00:08:48.430 --> 00:08:51.190
Em uma demonstração com 5 usuários funciona perfeitamente.

00:08:51.510 --> 00:08:52.970
Alertas emitidas, contas gerenciadas.

00:08:53.430 --> 00:08:54.870
Então entradas ruidosas surgem na produção.

00:08:55.470 --> 00:08:59.810
Em vez de esperar, ele começa a redefinir em massa centenas de contas com base em falsos positivos.

00:09:00.950 --> 00:09:02.450
O resultado não é uma interrupção hipotética.

00:09:02.870 --> 00:09:05.110
Isso poderia realisticamente derrubar as operações de fechamento de medo.

00:09:05.650 --> 00:09:06.570
Isso não é ficção científica.

00:09:06.970 --> 00:09:09.270
É o modo e fale que você aceita se pular a definição de escopo.

00:09:09.770 --> 00:09:11.070
A solução não é abandonar a tecnologia.

00:09:11.510 --> 00:09:12.790
É construir a rede de segurança primeiro.

00:09:12.790 --> 00:09:14.570
Qual é a lista de verificação do seu privado?

00:09:14.830 --> 00:09:16.870
3 obrigações vêm antes de qualquer automação chamativa.

00:09:17.410 --> 00:09:19.090
Indefinição de escopo de identidade e acesso.

00:09:20.290 --> 00:09:21.410
Dê ao seu agente litros mínimos.

00:09:21.510 --> 00:09:22.590
Nada de funções de administrador genético.

00:09:22.950 --> 00:09:24.030
2. Registro e reversão.

00:09:24.630 --> 00:09:26.470
Cada ação deve deixar um rastro que você possa auditar.

00:09:27.190 --> 00:09:29.970
Toda ação séria precisa de um caminho de reversão caso a gente fale.

00:09:30.810 --> 00:09:32.090
3. Filtro de comportamento.

00:09:32.550 --> 00:09:36.270
A Microsoft destaca isso com a segurança de conteúdo da IA do ASU e configuração de conhecimento.

00:09:36.610 --> 00:09:40.870
Os filtros que impedem um bot ansioso de gerar respostas inadequadas ou sair do roteiro.

00:09:40.870 --> 00:09:44.910
4. Faça isso primeiro ou a esperteza do seu agente vai enterrar seu fluxo de trabalho em vez de ajudá-lo.

00:09:45.270 --> 00:09:46.890
A camada de ética torna isso ainda mais urgente.

00:09:47.430 --> 00:09:50.710
Imagine um agente de RH marcando automaticamente funcionários como arriscados

00:09:50.710 --> 00:09:54.370
ou um agente financeiro retendo pagamentos de fornecedores que ele classifica erroneamente como fraude.

00:09:54.870 --> 00:09:58.890
Essas não são peculiaridades inofensivas, são falhas de impacto humano com consequências legais e de conformidade.

00:09:59.410 --> 00:10:04.090
O viés nos dados de treinamento ou na recuperação não desaparece só porque você está rodando em prévia corporativa.

00:10:04.870 --> 00:10:09.930
Sem filtros, verificações e intervenção humana, você está terceirizando julgamentos que seus advogados certamente não querem feito

00:10:09.930 --> 00:10:10.910
para um algoritmo sem supervisão.

00:10:11.330 --> 00:10:13.770
A própria mensagem da Microsoft no Ignite foi direta sobre isso.

00:10:14.350 --> 00:10:19.150
Guardrails, gestão de ciclo de vida, monitoramento e sistema de controle do Copilot não são opcionais, são requisitos.

00:10:19.810 --> 00:10:24.210
A prévia hoje é menos sobre demonstrações brilhantes e mais sobre testadores provarem onde as rachaduras aparecem.

00:10:24.690 --> 00:10:29.270
Se você entrar no ar sem testes, fluxos de aprovação e auditorias, você não está rodando um agente,

00:10:29.370 --> 00:10:31.090
está estressando seu tenente em produção.

00:10:31.730 --> 00:10:33.090
É por isso que a observabilidade não é opcional.

00:10:33.090 --> 00:10:38.310
Você precisa de dashboards que mostrem cada passo que um agente dá e que verifiquem se o resultado foi fundamentado,

00:10:38.390 --> 00:10:40.010
relevante e coerente com sua política.

00:10:40.890 --> 00:10:42.450
E você precisa de opções de intervenção humana.

00:10:42.550 --> 00:10:43.550
A Microsoft não esconde isso.

00:10:44.150 --> 00:10:46.990
Eles fazem referência a padrões onde o humano permanece como dispositivo de segurança.

00:10:47.610 --> 00:10:48.790
Pense nisso como um piloto automático.

00:10:49.390 --> 00:10:52.390
Incrivelmente útil, mas sempre projetado com um controle manual.

00:10:53.170 --> 00:10:56.930
Se o bot acredita que o pouso ideal é em um lago, você quer assumir o controle antes da queda.

00:10:57.670 --> 00:10:59.870
A analogia certa aqui é deixar um adolescente aprender a dirigir.

00:10:59.870 --> 00:11:04.890
O potencial é real, a velocidade é impressionante, mas você não entrega a chave, sai da garagem e espera pelo melhor.

00:11:05.950 --> 00:11:09.310
Você senta no banco do passageiro, estabelece limites e instala freios que você mesmo pode acionar.

00:11:09.970 --> 00:11:11.470
Isso é governança de ciclo de vida na prática.

00:11:12.030 --> 00:11:14.570
Rodinhas de treinamento até você ter certeza de que o sistema não sairá da extra.

00:11:15.230 --> 00:11:20.150
E isso nos leva ao chão de fábrica maior, onde agentes copalham-se e cada fluxo de trabalho que você testou se unem.

00:11:20.710 --> 00:11:24.950
A Microsoft chama isso de Azure AI Foundry, um espaço único de criação de IA com todas as ferramentas.

00:11:25.570 --> 00:11:29.030
Se isso se tornará uma potência de produção ou o lugar onde seu projeto entra em colapso,

00:11:29.030 --> 00:11:30.790
depende totalmente de como você o trata.

00:11:32.030 --> 00:11:34.670
Azure AI Foundry, sua fábrica é o seu campo minado.

00:11:35.630 --> 00:11:40.990
O Azure AI Foundry é a nova aposta principal da Microsoft, uma chamada fábrica para tudo o que envolve IAE.

00:11:41.690 --> 00:11:44.330
Problema? Muitas equipes entram e tratam como se fosse o make-up.

00:11:44.810 --> 00:11:48.690
Elas vagam deslumbradas pelos catálogos, pegam alguns grandes modelos de linguagem brilhantes,

00:11:48.910 --> 00:11:51.430
adicionam conectores e montam algo sem instruções.

00:11:51.430 --> 00:11:58.130
O que elas obtêm não é um sistema de IA empresarial, é um brinquedo de demonstração que cai na primeira vez que um usuário real envia um PDF bagunçado.

00:11:58.350 --> 00:11:59.410
Envia um PDF bagunçado.

00:11:59.530 --> 00:12:02.410
Tal que o Foundry realmente oferece direto do manual oficial.

00:12:03.090 --> 00:12:06.590
Um catálogo de modelos que abrange Microsoft, OpenAI, Meta Mistral, DeepSeek e outros.

00:12:06.590 --> 00:12:11.590
Opções de personalização como geração aumentada por recuperação, ajuste fino e destilação.

00:12:12.550 --> 00:12:16.370
Um serviço de agente por orquestração, ferramentas como o PromptFlow para avaliação e depuração.

00:12:17.110 --> 00:12:21.550
Recursos de segurança básica, controle de identidade e acesso, filtro de segurança de conteúdo e painéis de observabilidade.

00:12:21.870 --> 00:12:22.050
Enfim.

00:12:22.590 --> 00:12:27.310
Em resumo, são todas as peças que você precisa para criar copilotos, agentes, fluxos autônomos e mantê-los em conformidade.

00:12:27.790 --> 00:12:28.390
Isso é um inventário.

00:12:29.110 --> 00:12:30.990
O problema não é que a caixa de ferramentas está vazia,

00:12:30.990 --> 00:12:35.450
é que muitos administradores tratam como se fosse apenas ligar um interruptor GPT-4 Turbo e chamar de pronto para produção.

00:12:35.450 --> 00:12:39.350
A verdade é que o Foundry é um chão de fábrica, não é uma caixa de brinquedos do seu hackathon.

00:12:39.790 --> 00:12:43.770
Isso significa definir limites de identidade, para que apenas as pessoas certas acessem os modelos certos.

00:12:44.350 --> 00:12:46.710
Significa envolver cada pipeline com segurança de conteúdo.

00:12:47.590 --> 00:12:50.650
Significa usar observabilidade para saber quando uma resposta é fundamentada,

00:12:50.730 --> 00:12:52.950
em vez de ser o modelo inventando políticas da empresa do nada.

00:12:54.170 --> 00:12:58.410
E significa combinar a tarefa com o modelo certo, em vez de apenas escolher o maior porque soa inteligente.

00:12:59.410 --> 00:13:01.890
Pule essas etapas e o caos entrará pela porta dos fundos.

00:13:01.890 --> 00:13:07.250
Viu uma equipe configurar um copiloto no Foundry para o SharePoint que expôs alegremente dados restritos de RH para 20 estagiários.

00:13:07.990 --> 00:13:11.810
Não foi inteligente, foi um desastre de conformidade que poderia ter sido evitado com regras de acesso integradas.

00:13:12.650 --> 00:13:13.670
Vamos falar de modos de fariais.

00:13:14.090 --> 00:13:17.150
Uma organização rodou uma vez o GPT-4 Turbo para etiquetagem de fotos de produto.

00:13:17.990 --> 00:13:19.650
No laboratório a demonstração foi um sucesso.

00:13:20.230 --> 00:13:22.850
Fotos de estúdio limpas, etiquetas perfeitas, todos aplaudiram.

00:13:22.850 --> 00:13:27.670
Na produção, as entradas não eram JPEGs brilhantes, eram fotos borradas tiradas por celular no armazém.

00:13:28.530 --> 00:13:33.910
De repente, a EA rotulou erroneamente carrinhos de bebê como cadeiras de escritório e transformou códigos UPC em números de série falsos.

00:13:35.010 --> 00:13:36.870
Além do abalo na confiança, os custos começaram a subir.

00:13:37.370 --> 00:13:39.370
E isso não é um conto de fases de US01 por mensagem.

00:13:39.830 --> 00:13:43.130
O preço do Foundry é baseado no consumo e é atrelado aos serviços específicos que você usa.

00:13:43.510 --> 00:13:47.190
Cada conector, cada chamada de recuperação, cada medidor de mensagem é cobrado em seu tenente.

00:13:47.890 --> 00:13:49.310
Cada peça tem seu próprio modelo de cobrança.

00:13:49.310 --> 00:13:54.230
Essa flexibilidade é boa, mas se você não estimar com a calculadora de preços do Azure e monitorar o uso,

00:13:54.330 --> 00:13:56.750
sua equipe financeira ficará encantada com a fatura surpresa.

00:13:58.090 --> 00:13:58.730
Essa é a arma cobrana.

00:13:59.170 --> 00:14:02.170
O preço por consumo funciona se você planejar, monitorar e otimizar.

00:14:02.650 --> 00:14:06.870
Se não, parece muito com usar um carro esportivo para entregar pizza, caro, barulhento e inútil.

00:14:07.410 --> 00:14:11.310
Todos nós já passamos por isso com ferramentas com Power BI, ótima demonstração com demonstração contra descontrolado.

00:14:11.630 --> 00:14:13.230
Não deixe o Foundry levar você ao mesmo lugar.

00:14:14.010 --> 00:14:16.810
Desenvolvedores adoram prototipar no Foundry porque o ambiente de testes parece ágil.

00:14:17.190 --> 00:14:18.330
E o ambiente de testes é ágil.

00:14:18.330 --> 00:14:20.930
Dados de demonstração limpos, zero bagunça, efeito UAU instantâneo.

00:14:21.170 --> 00:14:21.710
Mas aqui está o problema.

00:14:22.150 --> 00:14:24.850
Equipes levam esse protótipo para a produção sem pipeline de avaliação.

00:14:25.550 --> 00:14:28.270
Se você pular os avaliadores de fundamentação, fluência, relevância e coerência,

00:14:28.390 --> 00:14:29.590
estará implementando as cegas.

00:14:29.730 --> 00:14:30.490
Estará implementando isso.

00:14:30.730 --> 00:14:31.230
O que acontece?

00:14:31.550 --> 00:14:35.070
Os usuários percebem a variação nos resultados, a confiança cai e os executivos cortam o orçamento.

00:14:35.310 --> 00:14:37.530
Não é o Foundry falhando, são as equipes falhando na governança.

00:14:38.010 --> 00:14:41.070
Muitos protótipos do Foundry travam antes da produção exatamente por esse motivo.

00:14:41.650 --> 00:14:44.010
Sem observabilidade, sem verificações de qualidade, sem telemetria.

00:14:44.550 --> 00:14:45.630
A resposta está bem na minha plataforma.

00:14:45.630 --> 00:14:48.610
Use a observabilidade do Azure AI Foundry desde o primeiro dia.

00:14:49.050 --> 00:14:49.910
Conecte os fluxos de problema.

00:14:50.310 --> 00:14:51.830
Execute avaliadores integrados em cada testa.

00:14:52.350 --> 00:14:55.990
Fundamente seu sistema com Azure AI Search usando pesquisa híbrida e heranque em semântico

00:14:55.990 --> 00:14:57.250
antes mesmo de pensar em entrar no ar.

00:14:57.610 --> 00:15:00.410
A Microsoft não enterrou essas ferramentas em um anexo, elas são documentadas para a

00:15:00.410 --> 00:15:01.030
segurança da produção.

00:15:01.730 --> 00:15:04.330
Mas com muita frequência, os criadores as ignoram como se fossem notas de rodada.

00:15:04.930 --> 00:15:07.450
Essa mentalidade de verificação é como você evita o campo minado.

00:15:07.450 --> 00:15:11.930
Trate o Foundry como uma fábrica à governança, como o primeiro passo, políticas de conformidade

00:15:11.930 --> 00:15:15.710
integradas como acesso condicional e pipelines de observabilidade funcionando desde o início.

00:15:16.230 --> 00:15:19.150
E sim, escopo de identidade e segurança de conteúdo não devem ser adicionados depois,

00:15:19.250 --> 00:15:20.690
eles fazem parte da lista de materiais.

00:15:21.230 --> 00:15:23.290
Pule a governança e você arrisca muito mais do que apenas respostas.

00:15:23.290 --> 00:15:28.250
Sem ela, seu bote multimodal pode alegremente expor salários do RH a usuários externos

00:15:28.250 --> 00:15:30.250
ou rotular faturas com números de apólios fictícios.

00:15:30.670 --> 00:15:33.130
Isso não é apenas uma IA quebrada, é uma isca para manchetes que seu departamento de

00:15:33.130 --> 00:15:34.070
conformidade não vai querer explicar.

00:15:34.870 --> 00:15:38.250
E é aí que o foco muda, porque o próximo obstáculo não é técnico.

00:15:39.030 --> 00:15:40.750
É saber se sua IA é responsável.

00:15:41.550 --> 00:15:44.630
Todo mundo adora colocar essas palavras em um slide de apresentação, mas na prática

00:15:44.630 --> 00:15:47.710
trata-se de auditorias, filtros, conformidade e a montanha de escolhas que você faz antes

00:15:47.710 --> 00:15:48.250
do lançamento.

00:15:48.850 --> 00:15:50.090
E é aí que as dores de cabeçamento começam.

00:15:50.090 --> 00:15:54.710
Inscreva-se e siga nossa newsletter em M365, o show para soluções diretas e siga-nos

00:15:54.710 --> 00:15:55.370
no M365.

00:15:56.070 --> 00:15:59.670
Veja a página do LinkedIn para transmissões ao vivo com MFPs que testaram o Foundry em

00:15:59.670 --> 00:16:00.870
produção e viram que dá errado.

00:16:01.630 --> 00:16:03.270
IA responsável dura de cabeça responsável.

00:16:04.210 --> 00:16:06.410
Todo mundo adora incluir IA responsável em um discurso.

00:16:06.950 --> 00:16:09.390
Fica elegante ao lado de termos da moda como imparcialidade e transparência.

00:16:10.090 --> 00:16:11.730
Mas na prática não é uma filosofia inspiradora.

00:16:12.270 --> 00:16:16.150
É configuração, auditorias, filtros e etapas de governança que parecem mais manutenção

00:16:16.150 --> 00:16:17.310
de servidor do que inovação.

00:16:17.310 --> 00:16:20.390
IA responsável é o cinto de segurança, não o carro esportivo.

00:16:20.950 --> 00:16:22.470
Ignore uma vez e a batida acontece rápido.

00:16:22.930 --> 00:16:26.490
A Microsoft fala de ética e segurança logo de cara, mas os administradores que estão

00:16:26.490 --> 00:16:28.350
implementando isso traduzem barreiras práticas.

00:16:29.210 --> 00:16:32.930
Você precisa de políticas de acesso que não cedam sob pressão, filtros que realmente

00:16:32.930 --> 00:16:36.670
bloqueiem prômputes prejudiciais e logs detalhados o suficiente para satisfazer um regulador com

00:16:36.670 --> 00:16:37.490
cafeína e intimação.

00:16:38.190 --> 00:16:39.010
Não é um trabalho gomoroso.

00:16:39.010 --> 00:16:43.930
É isolar copilotos de RH de dados financeiros, definir regras de escopo para que bots de

00:16:43.930 --> 00:16:47.370
equipe não acessem segredos do SharePoint e marcar logs para provar exatamente como

00:16:47.370 --> 00:16:48.430
uma resposta foi formada.

00:16:49.430 --> 00:16:52.610
Faça esse direito, irresponsável não será um slogan corporativo, será a sobrevivência.

00:16:53.030 --> 00:16:56.830
A versão feia de pular isso é conectar um bot diretamente ao seu repositório de RH

00:16:56.830 --> 00:16:57.790
sem escopo de locatário.

00:16:57.790 --> 00:17:00.950
Um usuário pergunta sobre benefícios de seguro.

00:17:01.610 --> 00:17:04.950
O bot, de forma prestativa, publica as faixas salariais dos funcionários no SharePoint.

00:17:05.350 --> 00:17:09.650
Agora você tem uma violação de privacidade, um pesadelo de moral e possivelmente reguladores

00:17:09.650 --> 00:17:10.170
na sua cola.

00:17:10.630 --> 00:17:14.010
A maneira mais rápida de matar a adoção não é uma UX ruim, um vazamento de dados confidenciais,

00:17:14.370 --> 00:17:15.390
então o que mantém essa bagunça longe.

00:17:15.770 --> 00:17:17.270
Comece com a segurança de conteúdo da Azure Air.

00:17:17.610 --> 00:17:21.430
Ela foi criada para filtrar prompts e respostas violentas, obscenas e ofensivas antes que

00:17:21.430 --> 00:17:24.110
cheguem aos usuários, mas esse é apenas o básico.

00:17:24.810 --> 00:17:27.770
O Foundry e o Copilot Studio adicionam pipelines de avaliação que curam a gente

00:17:27.770 --> 00:17:28.610
cuidando da próxima camada.

00:17:29.730 --> 00:17:32.890
Verificações de fundamentação, pontuação de relevância, painéis de transparência

00:17:32.890 --> 00:17:33.650
e explicabilidade.

00:17:34.690 --> 00:17:38.530
Em bom português, você pode ajustar limites, filtrar entradas e saídas e fazer com que

00:17:38.530 --> 00:17:40.010
os bots mostrem seu raciocínio.

00:17:40.650 --> 00:17:43.150
Sem isso, você está apenas jogando dados sobre o que a EA vai gerar.

00:17:43.550 --> 00:17:44.690
E aqui está a realidade dos recursos.

00:17:45.150 --> 00:17:46.430
A Microsoft investe pesado nisso.

00:17:47.230 --> 00:17:51.390
34 mil engenheiros em tempo integral dedicados à segurança, além de 15 mil parceiros com

00:17:51.390 --> 00:17:52.710
profunda experiência em segurança.

00:17:53.810 --> 00:17:54.470
Isso é uma fortaleza.

00:17:54.770 --> 00:17:55.410
Mas não se acomode.

00:17:55.410 --> 00:17:58.990
Nenhum desses engenheiros está dentro do seu locatário, criando suas regras de acesso.

00:17:59.530 --> 00:18:01.010
A Microsoft entrega as barreiras.

00:18:01.410 --> 00:18:05.230
Mas ainda é sua função proteger identidades, definir o isolamento de dados, aplicar criptografia

00:18:05.230 --> 00:18:06.110
e configurar políticas.

00:18:07.070 --> 00:18:09.370
Se o seu escopo for mal definido, responsabilidade pela falha.

00:18:09.810 --> 00:18:11.450
A solução real é a governança do ciclo de vida.

00:18:11.450 --> 00:18:14.110
Pense nisso com uma receita que a própria Microsoft recomenda.

00:18:14.790 --> 00:18:17.990
Testar, aprovar, liderar, auditar e terá.

00:18:19.310 --> 00:18:23.130
Com pontos de verificação em cada ciclo, você detecta desvios antes que virem manchetes.

00:18:23.750 --> 00:18:25.790
Times que lançam e esquecem sempre acabam em problemas.

00:18:26.410 --> 00:18:29.130
Modelos evoluem, prompt mudam e resultados se perdem.

00:18:29.890 --> 00:18:31.170
Governança não é burocracia necessária.

00:18:31.570 --> 00:18:34.990
É como você impede que um bot interno invente políticas no Teams enquanto todos dormem.

00:18:34.990 --> 00:18:38.190
Alguns administradores reclamam que responsável significa mais lento.

00:18:38.870 --> 00:18:39.490
É saber que tiver errado.

00:18:40.070 --> 00:18:42.830
Ser responsável não mata a velocidade, impede que a velocidade mate você.

00:18:43.690 --> 00:18:47.110
Uma boa governança permite que você sobreviva a auditorias e mantenha os projetos ativos.

00:18:47.590 --> 00:18:48.850
Ignore e você estará se jogando no princípio.

00:18:49.250 --> 00:18:51.570
Velocidade sem controle só lhe garante um tipo de recorde.

00:18:51.890 --> 00:18:52.890
Menor tempo até um desastre.

00:18:54.010 --> 00:18:55.250
Pense em dirigir em estradas sinodas.

00:18:55.590 --> 00:18:58.890
Você não xinga as defensas metálicas, você agradece por elas quando a estrada despega 60 metros.

00:18:59.570 --> 00:19:00.370
E a responsável é uma coisa.

00:19:00.870 --> 00:19:03.130
Escopos, políticas, filtros e logs não freiam sua velocidade.

00:19:03.130 --> 00:19:04.910
Eles impedem que você vá parar no noticiário.

00:19:05.730 --> 00:19:08.150
Em resumo, a Microsoft lhe deu ferramentas poderosas.

00:19:09.090 --> 00:19:13.330
Segurança de conteúdo, pipelines de avaliação, estruturas de segurança, guardrails de SDK.

00:19:14.110 --> 00:19:18.230
Mas ainda é seu trabalho definir escopos, configurar acessos e integrar esses ciclos à sua produção.

00:19:19.790 --> 00:19:22.090
Faça isso e você terá uma IA que sobrevive à conformidade.

00:19:23.650 --> 00:19:24.250
Ignore isso.

00:19:24.310 --> 00:19:25.550
O risco não é apenas uma interrupção.

00:19:25.890 --> 00:19:26.750
São carreiras em jogo.

00:19:27.310 --> 00:19:28.390
E a responsável não é lenta.

00:19:28.910 --> 00:19:30.450
E a responsável é sustentável.

00:19:30.450 --> 00:19:33.670
E a sustentabilidade é o verdadeiro teste, porque o que vem a seguir não depende de recursos,

00:19:33.830 --> 00:19:37.550
mas de você tratar essa plataforma como plug-and-play ou como infraestrutura de governança.

00:19:38.610 --> 00:19:40.750
Essa distinção decide quem permanece e quem desaparece.

00:19:41.550 --> 00:19:42.230
Aqui está a conclusão.

00:19:42.670 --> 00:19:44.770
A armadilha não é o Foundry ou o Pilot Studio.

00:19:44.870 --> 00:19:46.070
É achar que eles são plug-and-play.

00:19:47.010 --> 00:19:47.810
O mantra é simples.

00:19:47.950 --> 00:19:50.230
Governança primeiro, experimento depois, produção por último.

00:19:50.710 --> 00:19:52.590
Ignore identidade e observabilidade por sua conta.

00:19:52.590 --> 00:19:56.530
As ferramentas estão lá, mas só a governança transforma protótipos em produção real.

00:19:57.330 --> 00:20:00.270
Então, se você quer soluções diretas que realmente mantenham seu tenente seguro,

00:20:00.870 --> 00:20:02.550
assine o podcast e deixe sua avaliação.

00:20:03.570 --> 00:20:05.850
Dedico horas diárias a isso e seu apoio realmente ajuda.

00:20:06.550 --> 00:20:08.270
As ferramentas mudarão as táticas de sobrevivência.

00:20:08.270 --> 00:20:09.270
Obrigado.

00:20:09.270 --> 00:20:10.270
Obrigado.

00:20:10.270 --> 00:20:11.270
Obrigado.

00:20:11.270 --> 00:20:12.270
Obrigado.

00:20:12.270 --> 00:20:13.270
Obrigado.