O harness é o produto: por que a robustez de um agente não está no modelo, está na engenharia em volta dele

Continuação de O dia em que US$ 285 bilhões evaporaram

Onde o artigo anterior parou

O artigo sobre a SaaSpocalypse terminou com uma frase que resume nossa operação: a IA gera, a engenharia garante. Ela fechava um argumento sobre software sob medida, mas ela é maior do que isso. Ela vale para cada agente que colocamos em produção.

Os números do freio continuam os mesmos. A Veracode mediu que 45% do código gerado por IA falha em testes de segurança baseados no OWASP. O Gartner projeta que 40% dos projetos agênticos serão cancelados até 2027. O NCSC britânico avaliou que a transição para software gerado por IA levará anos, não meses, com riscos hoje acima da tolerância da maioria das organizações. A Klarna substituiu atendimento humano por IA, admitiu ter ido longe demais e voltou a contratar gente.

Nenhum desses casos é uma falha de modelo. São falhas de tudo que existe em volta do modelo.

Esse "tudo em volta" tem nome: harness agêntico. E ele é o verdadeiro produto de engenharia em um projeto de IA.

O que é um harness agêntico

Um modelo de linguagem, sozinho, faz uma coisa: recebe texto e devolve texto. Ele não tem memória entre chamadas, não sabe o que já tentou, não tem acesso aos seus sistemas, não sabe se acertou e não tem noção de prazo, custo ou permissão.

O harness é a camada de engenharia que transforma essa função sem estado em um trabalhador confiável. Ele responde por:

A analogia mais honesta é automotiva. O modelo é o motor. O harness é o chassi, a transmissão, o freio, o cinto, a telemetria e o limitador de rotação. Ninguém coloca um motor de Fórmula 1 no meio da rua e chama aquilo de carro. Foi exatamente isso que boa parte do mercado fez em 2025 e 2026, e é por isso que o Gartner projeta quatro em cada dez projetos cancelados.

A matemática que derruba pilotos bonitos

Existe uma razão estrutural, e não cultural, para tantos pilotos impressionantes morrerem antes de virar produção: erro composto.

Um agente que executa um processo real não dá uma resposta. Ele encadeia etapas. Ler, classificar, extrair, consultar, decidir, redigir, despachar. Cada etapa tem uma taxa de acerto. E elas se multiplicam.

Um agente com 95% de acurácia por etapa parece excelente em uma demonstração. Em um processo de seis etapas, ele erra praticamente um em cada quatro casos ponta a ponta. Em dez etapas, ele erra quatro em cada dez.

Duas conclusões saem daí, e as duas são de arquitetura, não de modelo:

Primeira: acurácia por etapa precisa ser medida, não sentida. Se você não instrumentou cada etapa, você não sabe em qual linha da tabela está.

Segunda: sem verificação intermediária, o erro não é detectado, é propagado. Um dado extraído errado na etapa dois vira uma decisão fundamentada em dado errado na etapa quatro e uma resposta oficial errada na etapa seis. O agente segue confiante, porque nada nele foi projetado para duvidar.

Nossa arquitetura: cinco camadas e um barramento

A arquitetura multiagente que a Syntropy Labs desenvolve e a Fábrica de Agentes opera se organiza em cinco camadas, com um barramento de eventos ligando os agentes lateralmente. O fluxo funcional corre de cima para baixo. Governança e infraestrutura atravessam todas as camadas.

L0 · Governança e observabilidade

Não é a última camada, é a primeira. Auditoria com trace completo de cada decisão, permissões por agente e por ferramenta, ponto de aprovação humana em decisões sensíveis, custo apurado por pod e conformidade à LGPD desenhada na arquitetura, não anexada depois.

O teste desta camada é simples: dado um resultado entregue há três meses, você consegue reconstruir quem decidiu, com base em qual informação, com qual modelo, a que custo e com qual aprovação? Se a resposta for não, não existe governança, existe log.

L1 · Orquestração

Quatro funções distintas, que costumam ser confundidas em um único bloco:

Compensação é a função mais subestimada de um harness. Processos reais têm efeitos colaterais. Se a etapa cinco falha depois que a etapa três já atualizou um sistema, alguém precisa desfazer. Sem saga, o que você tem não é automação, é inconsistência distribuída.

L2 · Pods de agentes

Aqui está a decisão de projeto que mais separa arquitetura de gambiarra: cada pod é dono da sua memória e do seu RAG.

Um pod é um agente especialista com escopo fechado: sua memória em namespace isolado, seu índice de conhecimento de domínio, seu modelo escolhido pelo tipo de tarefa e seu conjunto mínimo de ferramentas. Um pod determinístico, que só executa regra, não precisa do mesmo motor de um pod que precisa julgar nuance de linguagem.

Isolar memória e conhecimento por pod resolve três problemas de uma vez: contexto não polui entre domínios, permissão fica granular por agente e o custo se torna atribuível. Um pod com acesso a tudo é um pod que ninguém consegue auditar e que ninguém consegue baratear.

Barramento de eventos

Os pods não se chamam. Eles publicam e assinam eventos, e a regra é rígida: o barramento carrega fatos, nunca memória.

Quando um agente passa o próprio contexto para outro, você criou acoplamento invisível e um caminho para alucinação em cascata. Quando ele publica um fato verificado, o agente seguinte parte de algo auditável. É a diferença entre "o agente anterior achou que o prazo era esse" e "o prazo consta no documento, campo tal, confiança tal, validado".

L3 · Memória e conhecimento federados

Memória por pod em namespaces isolados, RAG por pod com índices próprios de domínio, base corporativa compartilhada em modo somente leitura e a infraestrutura de conhecimento por baixo, com bancos vetoriais, embeddings e pipelines de ingestão.

Federado é a palavra central. A tentação é criar uma memória única e global, porque parece mais simples. Ela é mais simples até o dia em que um agente decide com base em um fragmento de contexto de outro domínio e ninguém consegue explicar por quê.

L4 · Infraestrutura e modelos

Um roteador de modelos escolhe o motor por tarefa, com escalada por confiança: rotina no modelo econômico, nuance e contexto no modelo intermediário, decisão estratégica no modelo de topo. Filas e agendador tratam o assíncrono e as retentativas. Conectores e adaptadores acessam sistemas externos, cada um com credencial isolada.

Credencial isolada por conector não é detalhe de segurança, é contenção de raio de explosão. O incidente da Replit em julho de 2025, quando um agente apagou um banco de produção durante um teste, é a versão didática do que acontece quando um agente carrega mais permissão do que a tarefa exige.

O harness aplicado: a arquitetura do Juris AI

O Juris AI é a materialização dessa arquitetura em um processo que não admite erro: o ciclo de documentos jurídicos e regulatórios, da entrada do ofício à ação de consequência.

O diagrama abaixo mostra a mesma estrutura de cinco camadas aplicada a esse domínio.

Os seis pods espelham o time humano e, mais importante, cada um carrega o próprio harness:

A camada de curadoria humana atravessa o fluxo inteiro. Em processo sensível, a última palavra é sempre humana. O agente não substitui o especialista, ele elimina a cola humana que consumia o tempo do especialista.

O resultado, medido em operação, é ganho de produtividade superior a 50% com acurácia validada por agentes de QA dedicados. Não porque o modelo é melhor do que o de qualquer outro, mas porque o que está em volta dele foi construído por engenharia.

Sete antipadrões que produzem passivo

Vemos os mesmos erros em quase toda arquitetura agêntica que chega para diagnóstico:

Nenhum desses itens aparece na demonstração. Todos aparecem no terceiro mês de produção.

Dez perguntas antes de colocar um agente em produção

O próximo degrau

O mercado passou 2025 e 2026 discutindo qual modelo é melhor. É a pergunta errada, e ela ficou ainda mais errada agora que os modelos de fronteira convergiram em capacidade.

A diferença entre um projeto de IA que vira ativo e um que vira passivo não está no motor. Está na verificação, no isolamento, na compensação, na governança e no roteamento. Está no harness.

Gerar ficou barato. Garantir continua sendo engenharia. E garantir é exatamente o que se contrata quando se contrata uma Fábrica de Agentes.