Revisar a arquitetura antes de acelerar com IA

IA sobre um sistema mal estruturado só amplifica o problema. Veja o que revisar em dados, acoplamento, custo e segurança antes de acelerar a operação.

A conversa quase sempre começa pelo modelo. Qual LLM usar, qual framework de agentes adotar, quanto custa o token. São perguntas legítimas, mas raramente são o gargalo. Na maioria das revisões que conduzimos, o problema está um nível abaixo: a IA foi aplicada sobre um sistema cujos dados, limites e contratos ninguém consegue explicar por completo.

O resultado aparece rápido. O protótipo funciona na demonstração e falha em produção. A resposta demora, o custo foge do previsto, a qualidade oscila e ninguém sabe dizer se a causa é o modelo, o índice ou a consulta que alimenta o contexto.

O que a IA expõe

Um assistente ou automação com IA é um consumidor exigente. Ele amplia três características do sistema que já existia:

  1. Qualidade dos dados. Se o dado de origem está duplicado, desatualizado ou sem dono, o modelo vai repetir o erro com confiança.
  2. Clareza dos contratos. Se uma integração depende de comportamento implícito, o agente vai quebrar esse contrato de formas difíceis de reproduzir.
  3. Custo por operação. Um fluxo tradicional com uma chamada a mais é barato. O mesmo fluxo com recuperação, reranking e geração pode multiplicar o custo por requisição.

Nenhum desses pontos se resolve trocando de modelo. Todos se resolvem na arquitetura.

As quatro perguntas da revisão

Antes de escolher tecnologia, vale responder quatro perguntas objetivas.

1. Quais dados o modelo realmente precisa?

RAG não é um botão. É um pipeline com decisões: o que indexar, com que frequência reindexar, como tratar permissões e o que fazer quando a resposta não está na base. Se a fonte de verdade está espalhada em planilhas e consultas manuais, o primeiro trabalho é de engenharia de dados, não de IA.

2. Onde estão os acoplamentos?

Um agente que acessa diretamente o banco transacional é um risco operacional. Um resumo que depende de uma tabela interna sem contrato é uma dívida silenciosa. A revisão mapeia esses pontos e define fronteiras: APIs, eventos ou visões de leitura com dono e versionamento.

3. Quanto custa cada resposta?

Custo de IA não é só token. Inclui chamadas de embedding, armazenamento vetorial, reranking, retries e avaliação contínua. Sem instrumentação por etapa, a conta chega no fim do mês sem que ninguém saiba qual caso de uso a gerou. A arquitetura precisa tornar esse custo observável desde o primeiro dia.

4. O que acontece quando o modelo erra?

Toda solução com IA vai errar. A pergunta é o que o sistema faz com o erro. Em um contexto financeiro ou de atendimento crítico, a resposta precisa prever confirmação humana, limites de autonomia e trilha de auditoria. Governança não é burocracia: é o que permite colocar o assistente na frente do cliente sem apostar a operação.

O que medir antes e depois

Uma revisão útil produz números comparáveis. Antes de acelerar, defina a linha de base:

  • latência p95 por etapa do pipeline;
  • custo médio por requisição e por caso de uso;
  • taxa de respostas sem suporte na base (e o que acontece com elas);
  • percentual de execuções que exigem intervenção humana;
  • incidentes por tipo de falha: dado, integração, modelo ou política.

Sem linha de base, qualquer melhoria é opinião. Com ela, a decisão sobre modelo, índice ou arquitetura deixa de ser discussão de gosto.

Quando revisar

Nem todo projeto precisa de uma revisão profunda antes de começar. Um experimento isolado, sem dados sensíveis e com usuários internos, pode avançar com controles simples. A revisão se paga quando pelo menos uma destas condições é verdadeira:

  • o caso de uso toca dados de clientes ou decisões financeiras;
  • o volume projetado torna o custo por requisição relevante;
  • o sistema depende de bases legadas sem contrato claro;
  • a empresa precisa demonstrar conformidade e rastreabilidade;
  • mais de um time vai consumir o mesmo assistente.

Nesses cenários, revisar depois custa mais caro. A arquitetura de IA herda as decisões da arquitetura de software; corrija as fundações antes de construir em cima.

Como a Lemefy conduz

A revisão de arquitetura de IA parte do sistema existente, não do catálogo de modelos. Entrevistamos os times, analisamos código e infraestrutura, mapeamos riscos e entregamos um plano com prioridades, custos e o que não fazer agora. Quando o caminho está claro, a construção e evolução segue com acompanhamento recorrente.

Se você está prestes a colocar IA em um sistema crítico, o melhor momento para revisar é antes do primeiro usuário real. Fale com a gente para entender o escopo.

Pronto para o próximo passo da sua arquitetura?

Construímos e revisamos arquiteturas para sistemas críticos — do desenho à operação, com decisões documentadas e custos sob controle.

Falar sobre seu projeto