Entenda como a Inteligência Artificial está avançando de ferramentas de produtividade individual para agentes capazes de atuar em processos de Compliance e conheça o projeto desenvolvido pelo Ouvidor Digital com a Cogna Educação.
A Inteligência Artificial já faz parte da rotina de muitos profissionais de Compliance. É utilizada para resumir documentos, organizar informações, estruturar relatórios, pesquisar referências e apoiar diferentes atividades do dia a dia.
Esse movimento representa um avanço importante, mas ainda é apenas uma das etapas possíveis na adoção da tecnologia.
Quando o uso da IA permanece restrito a tarefas individuais, o ganho de produtividade depende de cada profissional, da forma como utiliza as ferramentas e da qualidade dos comandos que consegue produzir.
Uma transformação mais profunda começa quando a Inteligência Artificial passa a fazer parte dos próprios processos da organização.
É nesse contexto que surgem os Agentes de IA do Ouvidor Digital.
Em vez de apenas responder a uma solicitação pontual, um agente pode receber uma responsabilidade específica, acessar informações autorizadas, executar determinadas etapas de um fluxo e interagir com outros agentes ou sistemas.
Aplicada ao Compliance, essa lógica abre espaço para automatizar partes de processos como triagem de relatos, contextualização de informações, roteamento de casos, acompanhamento de prazos e preparação de planos de investigação.
Mas há uma diferença fundamental entre simplesmente adicionar IA a uma operação e construir uma operação capaz de utilizá-la de forma estruturada.
O uso de IA não é, sozinho, um indicador de maturidade
Uma empresa pode ter dezenas ou centenas de profissionais utilizando ferramentas de Inteligência Artificial e, ainda assim, continuar dependendo de processos fragmentados, planilhas paralelas e atividades manuais.
Por isso, medir maturidade apenas pela quantidade de usuários ou pelo volume de utilização pode levar a conclusões equivocadas.
No Framework AI Native Compliance, apresentado pelo Ouvidor Digital na Expo Compliance 2026, a evolução da maturidade do usuário de IA aplicada ao Compliance foi organizada em cinco níveis:
Nível 1: produtividade individual
No primeiro estágio, a IA generativa funciona principalmente como uma ferramenta de apoio.
Cada profissional pode utilizá-la para acelerar atividades específicas, mas os resultados ainda variam significativamente entre as pessoas.
A questão central neste nível não é apenas saber quem possui acesso à tecnologia, mas identificar quem efetivamente incorporou a IA à rotina e quais ganhos estão sendo produzidos.
O risco é considerar uma organização madura apenas porque muitas pessoas utilizam ferramentas de IA.
Nível 2: produtividade do time
O segundo estágio aparece quando a tecnologia deixa de depender exclusivamente da iniciativa individual.
Agentes compartilhados podem começar a padronizar tarefas recorrentes e apoiar atividades como triagens, dossiês e relatórios.
A unidade de análise muda.
Em vez de perguntar quantas pessoas utilizam IA, passa a fazer mais sentido observar quais processos ou soluções são reutilizados pela equipe.
Também aqui existe uma armadilha: criar muitos agentes não significa necessariamente aumentar a maturidade da operação.
O valor está no processo que eles conseguem transformar.
Nível 3: sistema operacional contextualizado
O terceiro estágio envolve integração.
A Inteligência Artificial deixa de executar apenas tarefas isoladas e passa a operar com informações provenientes de diferentes partes do ecossistema de Compliance.
Canais, treinamentos, dossiês e outras fontes podem passar a compor um contexto comum para que determinados processos sejam conduzidos com menos fragmentação.
O responsável por um caso pode, por exemplo, acessar informações relevantes sem precisar reconstruir manualmente todo o contexto em diferentes sistemas ou controles paralelos.
Mas integrar dados não é suficiente.
À medida que uma arquitetura se torna mais conectada, aumentam também as exigências relacionadas a qualidade das informações, permissões, segurança e precisão.
Nível 4: quando a IA começa a apoiar decisões
Em níveis mais avançados, a Inteligência Artificial deixa de atuar somente na execução operacional.
No estágio de inteligência decisória, a IA pode começar a propor classificações de risco, estruturar planos de apuração e apresentar recomendações para o profissional responsável.
Isso não significa entregar a decisão à tecnologia.
A decisão humana permanece como aprovação final.
Na prática, a tecnologia começa a assumir parte do trabalho necessário para chegar até a decisão, enquanto profissionais continuam responsáveis por análise, julgamento e responsabilização.
Esse ponto é especialmente importante em Compliance.
Velocidade não pode ser obtida sacrificando contexto, governança ou capacidade de revisão.
Nível 5: inteligência adaptável
O quinto estágio amplia essa lógica.
A IA passa a utilizar informações sobre desfechos, recorrências e eficácia das medidas adotadas para aperfeiçoar critérios de triagem e priorização.
O objetivo deixa de ser apenas executar corretamente uma determinada tarefa.
O sistema começa a aprender com aquilo que acontece depois dela.
Isso aumenta o potencial da tecnologia, mas também aumenta a importância de dois princípios: governança e explicabilidade.
Quanto mais relevante for o papel da IA em um processo, maior precisa ser a capacidade da organização de entender, controlar e supervisionar seu funcionamento.
Afinal, o que é um Agente de IA?
Existe uma diferença importante entre utilizar um modelo de IA e construir um agente.
Um modelo generativo recebe uma instrução e produz uma resposta.
Um agente é desenvolvido para cumprir uma determinada responsabilidade dentro de um processo.
Para isso, ele pode combinar diferentes elementos:
- modelos de Inteligência Artificial;
- instruções e regras específicas;
- dados e sistemas autorizados;
- processos da empresa;
- mecanismos de controle;
- integrações;
- ações que podem ou não ser executadas;
- validações humanas.
No modelo de arquitetura apresentado pelo Ouvidor Digital, os agentes fazem parte de uma estrutura maior.
Na base estão os modelos, fornecidos pelos provedores de tecnologia.
Sobre eles existe uma camada operacional responsável por controlar como esses modelos podem ser utilizados.
Os agentes funcionam acima dessa estrutura, executando responsabilidades específicas.
E toda a arquitetura permanece conectada a dois componentes essenciais: os dados da organização e as pessoas responsáveis pelo processo.
Essa distinção explica por que um projeto corporativo com agentes é diferente de simplesmente contratar acesso a um modelo generativo.
Por que Agentes de IA para Compliance não deveriam ser uma solução genérica
Processos de Compliance possuem particularidades que tornam arriscada uma abordagem exclusivamente padronizada.
Considere uma tarefa aparentemente simples, como classificar um relato recebido por um canal de denúncias.
Duas organizações podem possuir:
- taxonomias diferentes;
- políticas diferentes;
- estruturas distintas de responsabilização;
- diferentes níveis de acesso a informações;
- processos próprios de investigação;
- critérios específicos de risco;
- fluxos distintos de encaminhamento;
- regras diferentes de prazo e acompanhamento.
Um agente criado sem compreender essas particularidades pode até automatizar uma tarefa.
Mas isso não significa que conseguirá executar corretamente o processo daquela organização.
Por isso, a proposta dos Agentes de IA do Ouvidor Digital não segue uma lógica simplesmente “plug and play”.
A arquitetura tecnológica pode ser replicável, mas a solução precisa ser construída considerando os processos, os dados, as regras e os objetivos de cada cliente.
O projeto piloto realizado com a Cogna Educação ajuda a mostrar essa diferença na prática.
Case Cogna: primeiro entender o processo, depois construir os agentes
A implementação não começou pela pergunta “qual agente devemos criar?”.
Começou pela análise do processo.
A metodologia utilizada no projeto foi organizada em sete etapas.
1. Escolha do contexto adequado
O primeiro ponto foi identificar um ambiente com maturidade, utilização relevante do canal, busca por produtividade e abertura para experimentar uma nova forma de trabalhar.
Essas condições são importantes porque a tecnologia, isoladamente, não resolve problemas de processo ou maturidade organizacional.
2. Entendimento dos gargalos
Antes de desenvolver os agentes, foi necessário compreender onde estavam os principais pontos de esforço.
Quais processos consumiam mais tempo?
Onde existiam atividades repetitivas?
Quais tarefas dependiam de trabalho manual?
Onde a tecnologia poderia efetivamente aumentar a eficiência sem prejudicar a qualidade da análise?
Esse diagnóstico direcionou o restante do projeto.
3. Documentação e organização dos dados
Agentes precisam de contexto.
Por isso, documentos, regras, informações e fontes de dados precisam estar organizados para que a tecnologia possa atuar dentro dos limites definidos pela organização.
Essa etapa é uma das diferenças entre experimentar IA e incorporá-la a um processo corporativo.
4. Construção dos agentes
Somente depois desse trabalho começaram a ser desenvolvidos os agentes necessários para apoiar o fluxo.
Cada um recebeu uma responsabilidade específica.
Não foi criado um único “agente de Compliance” responsável por fazer tudo.
A arquitetura distribuiu responsabilidades entre diferentes agentes especializados.
5. Execução controlada
A implantação foi planejada de maneira a evitar impactos abruptos na operação existente.
Em processos sensíveis, substituir um fluxo inteiro de uma única vez aumenta riscos e reduz a capacidade de identificar falhas.
A execução controlada permite avaliar o comportamento da solução antes de ampliar sua atuação.
6. Testes e apuração
O profissional continua fazendo parte do processo.
No projeto, o ser humano aparece explicitamente como garantidor da eficiência e da eficácia durante os testes e a validação dos resultados.
Isso permite comparar aquilo que os agentes produzem com o que efetivamente deveria acontecer.
7. Aperfeiçoamento contínuo
A construção não termina quando o agente começa a funcionar.
Os resultados precisam ser acompanhados para identificar oportunidades de melhoria, revisar critérios e aumentar a precisão.
Em uma arquitetura desse tipo, aperfeiçoamento faz parte da operação.
Os quatro agentes desenvolvidos no projeto com a Cogna
A arquitetura apresentada no case utiliza quatro agentes, cada um responsável por uma etapa diferente do fluxo.
Íris: preparando o relato para análise
A Íris é responsável pela triagem inicial dos novos relatos.
Ela analisa se as informações recebidas estão completas, identifica possíveis enquadramentos de acordo com as configurações da organização e verifica se são necessários esclarecimentos adicionais.
Quando identifica lacunas, pode solicitar mais informações.
Seu objetivo é preparar o relato para a investigação humana.
É uma tarefa importante porque a qualidade das etapas seguintes depende diretamente da qualidade das informações disponíveis no início do processo.
Nexus: trazendo contexto para o analista
Depois que a denúncia é validada, o Nexus entra em ação.
Seu papel é atuar como investigador de dados.
O agente conecta as informações do relato ao ecossistema da empresa e busca históricos relacionados aos envolvidos para oferecer contexto ao profissional que realizará a análise.
Em vez de o analista precisar procurar informações manualmente em diferentes fontes, parte desse trabalho pode ser preparada previamente pelo agente.
Maestro: organizando o próximo passo
O Maestro tem foco em produtividade e roteamento.
O agente apoia o direcionamento da denúncia para a pessoa adequada e prepara um plano de investigação para orientar o início da análise.
A intenção não é realizar a investigação no lugar do profissional.
É reduzir o trabalho operacional necessário antes que a análise propriamente dita comece.
Hermes: acompanhamento e controle
O Hermes atua no monitoramento.
Ele acompanha prazos e apoia as comunicações necessárias durante o andamento do processo.
Essa automação reduz a necessidade de controles manuais e ajuda a evitar que o manifestante permaneça sem informações sobre o andamento de seu relato.
São quatro responsabilidades diferentes, executadas de forma coordenada dentro do mesmo processo.
275 execuções e quase 69 horas poupadas
Os primeiros resultados apresentados durante a Expo Compliance ajudam a dimensionar o impacto operacional dessa arquitetura.
No período exibido no painel do projeto com a Cogna, os agentes haviam realizado 275 execuções.
As 275 execuções haviam sido concluídas, resultando em uma taxa de sucesso de execução de 100% naquele recorte.
O tempo médio registrado foi de 15 segundos.
E o indicador de tempo poupado acumulava 68 horas e 45 minutos.
Quando atividades operacionais podem ser executadas de forma consistente por agentes, o tempo dos profissionais pode ser direcionado para aquilo que exige julgamento, análise crítica e tomada de decisão.
É justamente aí que está uma das principais oportunidades da IA aplicada ao Compliance.
IA não significa retirar pessoas do processo
A discussão sobre automação frequentemente parte de uma pergunta equivocada: quais profissionais a IA poderá substituir?
Para processos de Compliance, uma pergunta mais produtiva é outra:
quais atividades não precisam consumir o tempo desses profissionais?
Buscar informações repetidamente, acompanhar prazos manualmente, organizar dados dispersos ou preparar estruturas iniciais de análise pode consumir horas de equipes altamente qualificadas.
Automatizar essas etapas não reduz a importância do profissional.
Pode aumentar a capacidade de concentração justamente nas atividades em que seu conhecimento é mais necessário.
No modelo apresentado, a IA executa, organiza, contextualiza e recomenda.
O ser humano supervisiona, valida, investiga, julga e decide.
A próxima etapa da IA no Compliance está nos processos
A primeira fase da adoção da Inteligência Artificial foi marcada pelo acesso a modelos generativos.
Profissionais descobriram que poderiam utilizar IA para escrever melhor, pesquisar mais rapidamente, resumir informações ou organizar tarefas.
Essa utilização continuará sendo relevante.
Mas uma nova etapa começa quando organizações deixam de perguntar apenas como seus profissionais podem usar IA e passam a analisar como seus processos podem ser redesenhados considerando a existência da IA.
É uma mudança considerável.
Em vez de uma ferramenta usada ocasionalmente por uma pessoa, surgem arquiteturas nas quais diferentes agentes possuem responsabilidades específicas, acessam informações autorizadas, trabalham de maneira coordenada e permanecem sujeitos à supervisão humana.
O projeto desenvolvido pelo Ouvidor Digital junto à Cogna mostra uma aplicação prática dessa lógica na gestão de relatos.
E também reforça uma premissa importante: em processos críticos, a transformação não começa escolhendo uma ferramenta.
Começa entendendo o processo.
