A Redefinição da Redação de Propostas com Infraestrutura de IA

A maioria das ferramentas de IA para concessões começa com a mesma suposição:

A parte difícil é escrever a proposta.

Eu acho que isso é apenas parcialmente verdade.

Para fluxos de trabalho sérios de ONGs, doadores e implementadores, o problema mais difícil não é produzir texto. É controlar o fluxo de trabalho da proposta em torno desse texto:

• A proposta está alinhada com os requisitos do doador?
• Estão faltando seções obrigatórias?
• Um humano revisou as partes arriscadas?
• As citações e sinais de fundamentação são rastreáveis?
• Um agente pode iniciar, pausar, retomar e exportar o trabalho com segurança?
• O sistema pode explicar por que uma proposta está pronta — ou não pronta — para submissão?

É por isso que eu construí GrantFlow.

GrantFlow é uma API nativa de agentes para fluxos de trabalho de propostas de concessão governados.

Não é um chatbot de escrita de propostas.

É uma infraestrutura para agentes de IA e sistemas de fluxo de trabalho que precisam de redação ciente do doador, verificações prévias, revisão com humanos, verificações de fundamentação, trilhas de auditoria e pacotes de evidências prontos para exportação.

GitHub: vassiliylakhonin/grantflow

O problema: fluxos de trabalho de concessão não são apenas fluxos de trabalho de escrita

Uma proposta de concessão não é um post de blog.

Ela tem estrutura, lógica do financiador, expectativas de conformidade, ciclos de revisão, requisitos de evidência, anexos, aprovações e restrições de formatação.

Para ciclos de doadores recorrentes, as equipes muitas vezes precisam gerenciar:

• logframes da UE;
• frameworks de resultados estilo USAID;
• logframes do FCDO;
• cadeias de resultados do Banco Mundial / IFC;
• planos MEL;
• indicadores;
• orçamentos;
• seções de risco;
• linguagem de salvaguardas;
• pacotes de citação e evidência;
• comentários de revisão interna;
• requisitos finais de exportação DOCX / XLSX.

Um chatbot pode ajudar a gerar texto.

Mas operações de concessão precisam de algo mais controlado:

Uma camada de fluxo de trabalho governada que os agentes podem chamar com segurança.

Essa é a ideia por trás do GrantFlow.

O que o GrantFlow faz

GrantFlow fornece a agentes de IA e sistemas de fluxo de trabalho uma camada de API para operações de propostas.

Ele suporta o ciclo de vida principal:

1. Descobrir capacidades e ferramentas do agente.
2. Registrar ou integrar uma identidade de agente.
3. Executar verificações prévias de doador/prontidão.
4. Iniciar a geração com uma chave de idempotência.
5. Pausar para revisão humana quando necessário.
6. Inspecionar status, qualidade, citações, fundamentação e eventos do ciclo de vida.
7. Exportar entregáveis revisáveis e pacotes de evidências.

O objetivo não é deixar um agente de IA submeter propostas de concessão cegamente.

O objetivo é manter o trabalho de proposta dirigido por agentes dentro de limites revisáveis e auditáveis.

Por que "nativo de agente" é importante

Muito software assume que um humano está clicando em um painel.

GrantFlow assume que o próximo operador de proposta pode ser um agente de IA.

Esse agente ainda precisa de controles operacionais:

• descoberta;
• contratos tipados;
• autenticação;
• escopos;
• idempotência;
• portões de pré-vôo;
• pontos de verificação com humanos no loop;
• erros estruturados;
• eventos de auditoria;
• testes de fumaça determinísticos;
• contratos de exportação.

GrantFlow expõe esses controles como superfícies de API em vez de escondê-los dentro de uma interface de chat.

Essa é a diferença entre um chatbot e uma infraestrutura.

Não é um chatbot. Infraestrutura.

Um chatbot pergunta:

“Qual proposta eu devo escrever?”

GrantFlow pergunta:

“Esse fluxo de trabalho de proposta pode ser iniciado, revisado, fundamentado, exportado e auditado com segurança?”

Essa diferença muda a forma do produto.

GrantFlow inclui:

• Superfícies de API HTTP;
• Servidor de ferramentas stdio estilo MCP;
• Pontos de extremidade de descoberta de agentes;
• Registro de agentes em sandbox;
• Integração autoatendida;
• Fluxo de credenciais de cliente OAuth;
• Introspecção de credenciais;
• Rotação e revogação de credenciais;
• Pontos de verificação de aprovação com humanos no loop;
• Superfícies de qualidade e confiança;
• Pacotes de exportação;
• Requisitos cientes do doador;
• Caminhos de exportação de pacotes de evidência DOCX / XLSX / ZIP.

Isso é projetado para sistemas de agentes, não para sessões de prompt únicas.

Exemplo: um agente de proposta não deve apenas escrever

Imagine que uma equipe de ONG está preparando uma proposta recorrente da USAID, UE ou FCDO.

Um fluxo de trabalho de agente ingênuo pode parecer assim:

Usuário envia notas -> IA escreve proposta -> equipe edita manualmente

Isso pode economizar tempo, mas não resolve o problema operacional.

Um fluxo de trabalho governado deve parecer mais assim:

Descobrir requisitos do doador
-> executar pré-vôo de bid/no-bid ou prontidão
-> ingerir material fonte
-> gerar seções de proposta controladas
-> pausar para revisão humana
-> inspecionar sinais de fundamentação e qualidade
-> resolver descobertas de alta severidade
-> exportar pacote de evidências DOCX/XLSX

GrantFlow é construído em torno desse segundo padrão.

Operações de proposta cientes do doador

GrantFlow suporta estruturas cientes do doador para fluxos de trabalho de concessão e financiamento de desenvolvimento importantes.

Exemplos incluem:

• USAID;
• UE / INTPA;
• Banco Mundial / IFC;
• GIZ;
• Departamento de Estado dos EUA;
• FCDO;
• AFD;
• JICA;
• ADB;
• e um catálogo mais amplo de 40+ doadores através de uma estratégia de doador genérica.

Cada caminho de doador pode definir sua própria estrutura, como:

• esquema de tabela de conteúdos;
• esquema MEL;
• prompts específicos de função;
• namespace RAG;
• requisitos de submissão;
• seções obrigatórias DOCX;
• folhas XLSX obrigatórias.

Isso é importante porque fluxos de trabalho de doadores não são intercambiáveis.

Um rascunho de proposta genérico muitas vezes não é suficiente. A saída deve corresponder à estrutura esperada pelo financiador.

Humanos no loop por design

GrantFlow mantém a revisão humana no fluxo de trabalho em vez de tratá-la como uma reflexão tardia.

Inclui pontos de verificação HITL para estágios como:

• arquitetura;
• tabela de conteúdos;
• MEL;
• logframe.

Ele também rastreia:

• descobertas críticas;
• comentários de revisão;
• status do ciclo de vida;
• avisos de prontidão;
• eventos de trabalho amigáveis à auditoria;
• pontos de extremidade de rastreabilidade.

Isso é importante porque "assistido por IA" não deve significar "não revisado".

O objetivo é aceleração controlada, não automação descontrolada.

Relatório de confiança antes da exportação

Antes da exportação, GrantFlow expõe uma superfície de qualidade com um resumo de confiança.

O resumo de confiança pode retornar veredictos como:

• pass;
• condicional;
• falha.

Um veredicto condicional ou falho significa que pelo menos um portão não foi liberado.

Isso permite que um agente ou revisor saiba se o fluxo de trabalho pode prosseguir para exportação ou se mais revisão é necessária.

Esse é um primitivo útil para sistemas de agentes.

Os agentes não devem apenas gerar conteúdo.

Eles devem saber quando não prosseguir.

Divulgação de uso de IA

Os financiadores estão cada vez mais prestando atenção ao uso de IA em fluxos de trabalho de propostas.

GrantFlow inclui um ponto de extremidade de divulgação de uso de IA que cria um