Criar um produto do zero requer resiliência. Não estou falando apenas dos desafios de empreender no Brasil - isto merece um capítulo a parte, estou me referindo ao produto mesmo. Especialmente na era da inteligência artificial em que a distancia entre implementar um novo feature é de apenas alguns prompts. No inicio, é sim, bem fácil implementar as mudanças que o produto exige, no entanto a medida que o tempo vai passando e o produto vai crescendo, implementar mudanças exige mais cuidado, planejamento e principalmente visão de futuro.
Sucumbir a tentação de incluir tudo o que o cliente pede sem avaliar se aquilo faz sentido para sua visão de produto e onde você quer chegar ou estar é um erro que inclusive foi mencionado no manual da Anthropic
Quando desenvolver parece fácil e custa quase nada, sempre há mais uma funcionalidade bacana para adicionar ou mais um caso excepcional para tratar. Esse aumento contínuo do escopo pode fazer mais mal do que bem.
Minha visão de futuro para a Imara é a seguinte:
Quero que uma pessoa consiga conduzir todo o programa de conformidade da empresa dela com com a nossa plataforma com o mínimo de esforço. Isto significa entender o que precisa de atenção, reunir evidências, responder questionários e chegar preparada a uma auditoria.
Essa ambição orienta a próxima fase da nossa engenharia. Estamos preparando a plataforma para atender mais organizações e planejando como a inteligência artificial vai participar do trabalho diário de cada uma delas.
Inauguro a categoria Engenharia para compartilhar essas decisões. Quero falar sobre o que já existe dentro da Imara, o que estamos construindo e os motivos por trás das escolhas.
Crescer exige organizar como o trabalho acontece
Dentro de uma plataforma de conformidade, operações muito diferentes disputam recursos. Abrir um painel, verificar uma integração, processar um documento e analisar um questionário têm custos e tempos diferentes. A Imara já separa as requisições da aplicação dos trabalhos executados em segundo plano. Usamos filas para processar tarefas como verificações e análises de evidências. Essa separação nos dá uma base para aumentar a capacidade conforme cada tipo de trabalho cresce.
A próxima etapa é estabelecer limites mais claros para a carga de IA: filas próprias, controle de concorrência por organização e limites de chamadas aos provedores. Um questionário extenso precisa avançar sem comprometer as verificações de conformidade que continuam acontecendo.
Outra regra do desenho é manter curtas as transações no banco. Enquanto um modelo prepara uma resposta, não queremos segurar uma conexão que poderia atender outro cliente. O fluxo planejado é ler o contexto necessário, liberar a conexão, executar a análise e registrar o resultado em uma nova transação. São decisões pouco visíveis na interface, mas importantes para manter a experiência previsível conforme o uso aumenta.
AI-first começa pelo contexto
Hoje já temos análises de evidências, documentos, fornecedores e respostas a questionários executadas por IA em segundo plano.
Com o Kumbu (nome que demos ao assistente de IA da plataforma e mascote da empresa), queremos conectar essas capacidades à jornada do cliente. A proposta é que ele ajude a entender prioridades, explique pendências, prepare rascunhos e encontre respostas nos registros da organização.
Imagine abrir a Imara e encontrar uma orientação que considere uma solicitação do auditor, uma evidência prestes a vencer e uma integração que deixou de sincronizar. Queremos ajudar a pessoa a entender o próximo passo e seguir com o trabalho. Para isso, estamos planejando uma camada compartilhada de contexto e um histórico por organização: orientações apresentadas, sugestões adiadas, decisões tomadas e respostas aprovadas. Cada registro deve ter origem e data, respeitando as permissões de quem está usando a plataforma.
Essa memória precisa ser consultável e auditável. Uma resposta aprovada por uma pessoa e uma sugestão gerada por um modelo têm origens diferentes, que precisamos preservar.
As regras continuam responsáveis pelos fatos
No desenho do Kumbu, prioridades, prazos e status vêm de regras e dados registrados. A IA ajuda a explicar essas informações e a preparar conteúdo. Isso importa especialmente em conformidade. Uma resposta enviada a um cliente ou auditor representa uma afirmação da empresa. Queremos que os rascunhos tragam fontes, datas e indiquem quando faltam evidências para responder.
Também estamos estabelecendo que análises anteriores de IA não sejam reutilizadas como fatos em novas respostas. Uma interpretação pode ser útil para revisão, mas precisa continuar identificada como interpretação. As primeiras experiências serão de sugestão e leitura. Ações externas ou irreversíveis dependerão de confirmação humana.
A evolução será gradual e medida
O plano começa pela infraestrutura comum: controle de uso e custo por organização, proteção de dados, prompts versionados e avaliações com casos representativos. Um trabalho de fundação importante que queremos fazer com bastante cuidado.
Depois vêm orientações e notificações mais úteis, a evolução do espaço de questionários e, mais adiante, o Ask (pergunte ao) Kumbu, com consultas aos dados permitidos ao usuário.
Vamos testar primeiro em homologação com organizações fictícias e depois no nosso próprio ambiente de produção, com liberação controlada e possibilidade de desativar cada capacidade. Queremos medir se as sugestões levam a ações úteis, quanto os rascunhos precisam de revisão e se as respostas estão sustentadas pelos registros. Junto disso, vamos acompanhar filas, banco de dados, capacidade de processamento e custo.
É assim que pretendo construir essa próxima fase. Ampliar a capacidade da plataforma e transformar essa capacidade em autonomia para o cliente. A engenharia precisa sustentar as duas coisas, e este espaço vai acompanhar esse trabalho conforme ele acontecer.
