✨ Programa Executivo de Aceleração Agêntica

Dominando Sistemas Agênticos sem perder 13h em código operacional.

Um hub multimodal desenhado para Staff PMs e Líderes Técnicos de IA. Absorva a inteligência arquitetural, governança de risco, FinOps corporativo e os cases de grandes empresas (Claro, ByteDance, Mercado Livre) para liderar discussões estratégicas e acelerar os agentes ATA e Insight Agents.

7 Dias Sprint
20 min/dia para dominar 100% da matéria
60 / 40 Evals
Esteira Híbrida: Regras Exatas + Juiz de IA
0.75 vs 0.90 Régua
Go-Live: Backoffice vs Cliente Externo
PL 2338/23 ANPD
Conformidade e Rastreabilidade Total

📅 Trilha de Aceleração Executiva (7 Dias)

Estrutura instrucional recomendada para absorver todo o conhecimento do curso de forma progressiva, dispensando a visualização dos vídeos brutos.

Dia 01 ⏱️ 20 min

Mental Models: De Chatbots a Sistemas Agênticos

Compreenda a virada de chave de geradores de texto soltos para o Ciclo ReAct e a anatomia de um agente (Modelo + Ferramentas + Parse).

  • Diferença entre LLM puro e chamada de ferramentas (bind_tools).
  • Padrão Error-as-Observation para autocorreção imediata.
  • Por que plataformas corporativas constroem pontes anti-lock-in.
Dia 02 ⏱️ 20 min

Orquestração FSM & Governança com LangGraph

Entenda por que a Máquina de Estados Finitos é uma decisão de governança executiva contra alucinações e riscos operacionais.

  • Fórmula State + Event = Next State com reducer acumulativo.
  • Nó de validação determinística de evidências com retry limitado.
  • Persistência com PostgresSaver e pausa humana via interrupt().
Dia 03 ⏱️ 25 min

Deep Agent Harness: O Motor do Trabalho Longo

A fórmula Agente = Modelo + Harness e os 4 pilares para tarefas complexas de 30 a 40 passos sem perder o contexto.

  • Planejamento explícito contínuo com write_todos.
  • Sistema de arquivos virtual com permissão restrita (/base/ somente leitura).
  • Sub-agentes com contexto isolado (task) rodando em paralelo.
  • Diferença entre AGENTS.md (memória viva) e SKILL.md (padrão fixo).
Dia 04 ⏱️ 20 min

Esteira de Qualidade 60/40 & Observabilidade

Como evitar degradação silenciosa (silent drift) e garantir que atualizações não quebrem o produto em produção.

  • Rastreabilidade total via Langfuse com versão de prompt e tags.
  • Pirâmide de avaliação: 60% regras determinísticas + 40% LLM-as-a-Judge.
  • Golden Dataset de ~500 casos e bloqueio automático de PR em CI/CD.
Dia 05 ⏱️ 20 min

FinOps, SSLMs & Escala (Cases Claro e ByteDance)

Estratégias avançadas de custo, latência e o modelo mental de Funcionários Digitais (Agent Sphere).

  • Case Claro: 500k áudios/dia processados em <5 GPUs com SSLMs (WhisperX).
  • Gestão de 3 janelas de contexto e compactação de memória em Redis.
  • Framework ByteDance: Hire, Train, Run e Eval.
Dia 06 ⏱️ 25 min

Aplicação Prática Blip: Agente ATA & Insight Agents

Traduza todos os frameworks para os produtos reais de Customer Success e Operações da Blip.

  • Agente ATA: Sub-agentes paralelos e HITL antes de e-mails/cards.
  • Insight Agents: Investigação causal separando sintoma de causa raiz.
  • PRD, épicos e critérios de aceite prontos para levar para a squad.
Dia 07 ⏱️ 20 min

Alinhamento Executivo & Defesa com VP/Diretoria

Treine a defesa das decisões de arquitetura e produto respondendo às principais objeções de C-Level.

  • Por que LangGraph e não CrewAI/AutoGen.
  • Controle de orçamento de tokens e latência (TTFT).
  • Adequação ao Marco Legal da IA (PL 2338/23 e ANPD).

🎙️ Podcasts Executivos Comentados

Ouça os episódios sintetizados em áudio de alta fidelidade com os argumentos de liderança do instrutor Sérgio Gaiotto (Diretor Executivo Claro Brasil).

AGENTIC AUDIO
EXECUTIVE SPRINT

Carregando episódio...

Instrutor & Mentoria Executiva

1x

📜 Transcrição Executiva Sincronizada

Carregando transcrição...

🕹️ Laboratório Interativo: FSM do LangGraph & Evals 60/40

Experimente em tempo real as transições de estado, o nó de validação determinística e o cálculo da esteira de qualidade.

1. Simulador de Máquina de Estados (LangGraph FSM)

Veja a FSM rotear, executar ferramentas, validar evidências e pausar no HITL.

🚀
START
Entrada
🏷️
classificar
Router LLM
🔍
investigar
ReAct Loop
⚙️
ferramentas
ToolNode
🛡️
validar
Pydantic Rule
⏸️
HITL (interrupt)
Aprovação Humana
📤
responder
Saída
🏁
END
Final
// Selecione um cenário acima e clique em 'Executar FSM no LangGraph'

2. Calculadora da Esteira Híbrida 60/40 (Agentic CI/CD)

Simule se a resposta de um agente passa no Gate de CI/CD para deploy corporativo.

Camada 1: Regras Determinísticas (Peso 60%)

Camada 2: LLM-as-a-Judge (Peso 40%)

Avalia groundedness (se as afirmações têm lastro nos logs reais lidos pelas tools):

4/5
Score Composto (60% + 40%)
0.920
Gate Agentes Internos (>= 0.75)
APROVADO (>= 0.75)
Gate Cliente Final (>= 0.90)
APROVADO (>= 0.90)

📐 Dossiê Arquitetural: 4 Blueprints Visuais

Diagramas estruturados dos conceitos exclusivos falados pelo instrutor nas gravações das 4 aulas.

1. ByteDance Volcano Engine: Agent Sphere (RH de Agentes)

Como empresas globais transformam squads em Two-Slice Pizza Teams gerindo funcionários digitais.

1. HIRE Contratação de Agentes • Templates Padronizados • Onboarding no Sistema • RBAC & Identidade 2. TRAIN Capacitação & Skills • Habilitação de SKILL.md • Conectores MCP / APIs • Definição de Metas (OKRs) 3. RUN Operação & Colaboração • Project Group Chats • Human-in-the-Loop • Execução em Background 4. EVAL Avaliação & ROI • Custo por Execução • Taxa de Erro / Alucinação • Placar Executivo (ROI)

2. Pipeline de Guardrails em 4 Camadas (Conformidade LGPD / ANPD)

Por que instruções em prompt não servem para conformidade legal e como blindar a arquitetura antes da chamada à API externa.

1. INPUT REGEX Mascara CPF/E-mail Execução Local (Zero Nuvem) 2. INPUT INFERÊNCIA Prompt Injection / Escopo Classificador Leve (SSLMs) AGENTE / LLM Planejamento & Tools LangGraph FSM Contexto Sanitizado 3. OUTPUT INFERÊNCIA Validação Alucinação / Tom Groundedness Check 4. OUTPUT REGEX Termos Proibidos Bloqueio Concorrentes

3. As 3 Janelas de Contexto & FinOps com Compactação em Redis

Como manter latência TTFT abaixo de 300ms e evitar explosão de custos em conversas de longa duração.

1. Input Window (LLM) Até 1M - 2M tokens Caro e lento para carregar tudo 2. Output Window (LLM) Limite de 16k - 64k tokens Risco de truncamento em relatórios 3. Session Context (Redis) Memória Viva de Sessão Compacta por Intenção e Resumo

🗂️ Flashcards de Conceitos Críticos para Staff & PM

Clique nos cards para virar e testar seu domínio do vocabulário corporativo de sistemas agênticos.

Arquitetura

FSM (Máquina de Estados Finitos)

Clique para virar

Por que importa: Transforma a inferência probabilística do LLM em software controlado com transições explícitas, nós de validação determinística e limites rígidos de retry.

Governança

HITL via interrupt()

Clique para virar

Por que importa: Pausa o grafo antes de ações com efeito colateral (enviar e-mail para cliente, alterar banco ou abrir SEV1), aguardando aprovação humana antes de prosseguir.

Escala & Custo

Context Isolation (task)

Clique para virar

Por que importa: Sub-agentes especialistas processam dados brutos (logs, transcrições) em janelas separadas e devolvem apenas resumos curtos, poupando a janela do orquestrador.

Avaliação

Hit Rate @3

Clique para virar

Por que importa: Métrica de busca semântica em runbooks/catálogos. Mede a porcentagem de perguntas em que o documento correto apareceu entre os 3 primeiros resultados recuperados.

FinOps

SSLMs + LoRA

Clique para virar

Por que importa: Substitui modelos de fronteira caros por modelos menores especializados rodando on-prem ou cloud privada (ex: WhisperX em 5 GPUs transcrevendo 500k áudios/dia na Claro).

Governança CI

Esteira Híbrida 60/40

Clique para virar

Por que importa: 60% regras exatas (custo zero, ms) + 40% Juiz de IA (foco em alucinação). Reprova automaticamente Pull Requests caso a qualidade caia abaixo do limiar.

Risco & Produto

Silent Drift

Clique para virar

Por que importa: Degradação silenciosa quando provedores atualizam modelos por trás de aliases móveis (-latest). Regra: travar versão exata e rodar Golden Dataset antes de mudar.

Regulação

PL 2338/23 (ANPD)

Clique para virar

Por que importa: Marco Legal de IA no Brasil. Exigirá rastreabilidade, explicabilidade e governança de decisões de IA. Tracing com Langfuse vira prova regulatória.

🎯 Quiz Executivo de Prontidão Agêntica

Avalie seu poder de tomada de decisão técnica e arquitetural em cenários corporativos reais.

Pergunta 1 de 4
Carregando pergunta...

👔 Role-Play & Matriz de Objeções: VP & Diretores

Scripts e argumentos prontos para defender a estratégia de agentes perante a liderança executiva.

Objeção C-Level

"Por que precisamos de LangGraph? Um chatbot com prompt bem escrito e RAG não resolve?"

Como responder ao VP:
"Um prompt sozinho é probabilístico e não garante processo. Se soltarmos um agente livre em produção, não temos como auditar se ele conferiu os dados antes de falar com o cliente ou abrir um chamado. O LangGraph nos dá uma Máquina de Estados: se o agente alucinar ou não encontrar evidência nos logs, o código intercepta deterministicamente, tenta até 3 vezes e desvia para o suporte humano com segurança, eliminando o risco de dano de marca."
Objeção FinOps

"Esse negócio de múltiplos agentes não vai explodir nosso custo de tokens na nuvem?"

Como responder ao Diretor Financeiro:
"Pelo contrário: ter sub-agentes com contexto isolado é o que reduz a conta. Em vez de jogar 40.000 tokens de transcrição ou tabelas inteiras na conversa principal a cada turno, cada sub-agente especialista lê o dado bruto à parte e devolve apenas um resumo de 15 linhas. Além disso, aplicamos roteamento de entrada: dúvidas simples usam modelos baratos de frações de centavo, reservando modelos mais caros apenas para raciocínio complexo."
Objeção Jurídico / DPO

"Como provamos para a ANPD (PL 2338/23) que o agente não está vazando dados sensíveis de clientes?"

Como responder à Segurança & Compliance:
"Não confiamos em comandos de texto no prompt para LGPD. Nossa arquitetura aplica um guardrail determinístico por Regex antes de qualquer dado sair dos nossos servidores para a API do modelo. Além disso, cada decisão automatizada é carimbada com telemetria rastreável no Langfuse (versão de prompt, ferramentas consultadas e evidências), atendendo aos requisitos de explicabilidade do Marco Legal de IA."
Objeção Engenharia

"Por que não usamos CrewAI que parece muito mais simples de programar?"

Como responder ao Tech Lead:
"CrewAI é ótimo para provas de conceito rápidas, mas funciona como uma caixa-preta de conversas livres entre personas. Em produção crítica, precisamos de controle explícito de cada aresta, persistência por checkpoints em banco de dados, pausa no processo para aprovação humana (interrupt) e testes unitários das ferramentas offline. É isso que o LangGraph entrega e por isso empresas como Mercado Livre e Claro adotam essa fundação."

🚀 Blueprints de Produto: Agente ATA & Insight Agents

Especificações de Product Management (PRD, Arquitetura e Critérios de Aceite) desenhadas para a Blip.

Blueprint 01 Agente ATA (PMO / Squads)

Agente de Atas e Acompanhamento de Projetos

Elimina o problema de transcrições longas gerando atas com dados inventados, tarefas sem dono ou ideias vetadas tratadas como decisões aprovadas.

Arquitetura de Produto Especificada:

  • Filesystem Virtual: Transcrição bruta salva em /base/transcricao.md (somente leitura).
  • 3 Sub-agentes Paralelos: Extrator de Ações, Radar de Riscos/Impedimentos e Cruzador de Backlog Azure DevOps.
  • Validação Anti-Alucinação: Validador Pydantic confere se os donos das tarefas pertencem aos participantes reais da reunião.
  • HITL (Human-in-the-Loop): Pausa com interrupt() antes de postar no Slack ou criar cards no DevOps.
  • Golden Dataset: 30 reuniões com casos armadilha (ideias vetadas durante o papo).
Métricas de Sucesso de PM: Redução de 80% no tempo de emissão de atas, 0% de tarefas com donos inexistentes e adoção de 95% pelas squads.
Blueprint 02 Insight Agents (CS & Analytics)

Agente Investigador de Métricas e Diagnóstico de CS

Inspirado no caso OpsPilot INC-2041: não para no sintoma informado pelo cliente; investiga causas raízes em múltiplas fontes.

Arquitetura de Produto Especificada:

  • Roteamento de Custo: Perguntas de definição vão para RAG rápido; anomalias profundas acionam o Deep Agent.
  • Error-as-Observation em SQL: Queries com nomes de métricas errados retornam opções válidas para autocorreção em 1s.
  • Investigação Causal em 3 Frentes: Analista Quantitativo (funis), Qualitativo (amostras de conversas) e Auditor de Releases/Config.
  • Trava contra Alucinação Numérica: Nó validador confere cada número citado contra o payload bruto retornado pelas APIs.
  • Régua de Go-Live: 0.75 para CSMs internos e 0.90 obrigatório para clientes finais no portal Blip.
Métricas de Sucesso de PM: Tempo de diagnóstico reduzido de 4h para 45s; taxa de acerto de causa raiz de 92%.