Os agentes de IA empresarial estão paralisados – não por causa do desempenho do modelo, mas por causa do licenciamento. Todo fluxo de trabalho de agente eventualmente atinge o mesmo muro: o que esse agente pode tocar, em nome de quem e como o sistema sabe?
A resposta da Workday é tornar seu sistema de registro existente a camada de governança dos agentes. Gerrit Kazmaier, presidente de produto e tecnologia da empresa, disse à VentureBeat em uma entrevista que os clientes muitas vezes têm dificuldades quando remendam soluções para seus agentes.
“Sana garante que a integridade das aprovações e do modelo de segurança sejam sempre respeitadas”, disse Kazmaier. “Francamente, é aí que vemos os clientes lutando quando tentam construir IA do tipo “faça você mesmo” acessando apenas dados brutos, de modo que a riqueza do modelo de segurança se perde e os resultados se tornam excessivamente amplos.”
Jornada de trabalho, que lançou Sana em marçoexpandiu sua parceria com o Google para trazer seu sistema de registro de agentes Sana para a Gemini Enterprise – para que os agentes criados no Sana também possam ser descobertos lá.
Precisão da arquitetura
Kazmaier disse que o maior obstáculo que enfrentaram foi garantir a precisão dos agentes, especialmente para usuários de RH e finanças.
“Quase certo não é aceitável”, disse Kazmaier. “Pense em pagar as pessoas corretamente, fechar os livros ou gerenciar horários de trabalho de maneira confiável.”
A precisão é mais difícil de avaliar aqui do que na maioria dos contextos de IA. As configurações de políticas, a segurança baseada em funções e as hierarquias organizacionais estão profundamente inter-relacionadas – um pequeno erro aumenta. E, ao contrário da maioria dos resultados generativos de IA, as consultas de RH e finanças muitas vezes carecem de um ciclo de correção. No momento em que um contracheque é processado incorretamente ou uma entrevista é agendada incorretamente, o estrago está feito.
A Workday resolveu isso construindo o Gemini como sua camada básica de raciocínio e, em seguida, adicionando seu mecanismo de contexto e lógica de processo de negócios no topo. Workday também adicionou modelos de verificação e classificação que “interrogam” os resultados antes da execução.
Acontece que precisão e identidade são a mesma questão: o sistema sabe o suficiente sobre o agente, a pessoa que autoriza e o estado atual do registro para agir corretamente?
A vantagem do Workday é que ele pode inferir as estruturas organizacionais de seus clientes a partir dos dados que eles fornecem. Provedores de identidade terceirizados, como o Okta, já verificam suas informações verificando o Workday, portanto, seu contexto é o sistema de registro para muitas empresas. Kazmaier disse que o Sana Self-Service Agent usa o Gemini como superfície de conversação para acionar o fluxo de trabalho. O usuário é então autenticado e autorizado por meio do modelo de identidade e segurança do Workday. Os agentes Sana agirão apenas em nome desse usuário e trabalharão dentro de suas permissões atuais.
As trilhas de auditoria seguem a mesma lógica: Gemini retém apenas registros de interação, enquanto a auditoria principal permanece dentro da Workday e de seu cliente.
Para muitos profissionais da área de RH e finanças, a camada de permissão e governança no sistema de registro do agente é elementary em espaços regulamentados.
“Tem que viver no sistema de registro, isso não é uma preferência, é a única maneira de funcionar”, disse Dan Obendorfer, diretor de produto da Würk, em um e-mail para VentureBeat. “Se suas permissões forem definidas em algum lugar fora de onde os dados realmente residem, você já perdeu.”
Kadan Stadelmann, diretor de tecnologia e cofundador da Compance.AI, defendeu a mesma questão separadamente. “Sem propriedade, desempenho, custos ou ações do agente, o caos se instala.”
