Pare de Pedir Respostas à IA. Comece a Perguntar se as Evidências Estão Prontas.

A maioria dos agentes de IA é otimizada para produzir uma resposta.

Mas em fluxos de trabalho sérios, a resposta não é a parte difícil.

A parte difícil é saber se essa resposta é suficientemente apoiada para que um humano confie nela, aja com base nela ou a escale.

Esse é o problema que estou trabalhando com Agenda Intelligence MD:

Um runtime de prontidão de evidências e roteamento de confiança para decisões assistidas por IA de alto risco.

GitHub: vassiliylakhonin/agenda-intelligence-md

O problema: IA pode resumir antes de ser confiável

Resumir é útil.

Mas muitas decisões do mundo real não estão bloqueadas pela falta de um resumo. Elas estão bloqueadas pela incerteza:

• Quais alegações são realmente apoiadas?
• Quais alegações são fracas?
• Quais categorias de fontes estão faltando?
• Quem precisa agir a seguir?
• Este arquivo está pronto para revisão?
• Isso deve ser escalado antes que uma decisão seja tomada?

Isso importa em fluxos de trabalho como:

• revisão de evidências de fornecedores;
• análise de RFP e compras;
• diligência devida de fornecedores de IA;
• salas de projetos de infraestrutura estratégica;
• prontidão para entrada no mercado;
• triagem de exposição adjacente a sanções;
• arquivos de risco de corredor, marítimo e contraparte.

Nesses ambientes, um memorando gerado por IA polido pode ser perigoso se esconder lacunas de evidências.

Agenda Intelligence MD é construído em torno de uma ideia diferente:

A próxima camada de infraestrutura de agentes não é uma melhor sumarização. É saber quando um resumo gerado por IA não está pronto para ser confiável.

O que Agenda Intelligence MD faz

Agenda Intelligence MD transforma pacotes de entrada bagunçados em pacotes estruturados para revisão humana.

As entradas podem ser coisas como:

• respostas de RFP;
• alegações de fornecedores;
• pacotes de fontes;
• arquivos de risco;
• cartões de modelo;
• notas de projeto;
• atualizações de status semanais;
• documentação pública;
• briefings no estilo de analistas.

A saída não é apenas um resumo.

É uma camada de revisão estruturada que destaca:

• alegações apoiadas;
• alegações fracas ou com pouca fonte;
• categorias de evidências faltando;
• diagnósticos de cobertura de fontes;
• ações do proprietário;
• roteamento de prontidão para decisão;
• sinais de escalonamento;
• pontuação heurística.

O objetivo não é substituir o julgamento humano.

O objetivo é tornar a superfície de revisão mais clara antes que um humano tome uma decisão.

O que o torna diferente de um normal resumidor de IA?

Um resumidor normal pergunta:

“O que este documento diz?”

Agenda Intelligence MD pergunta:

“Este documento está pronto para apoiar uma decisão?”

Essa distinção muda a arquitetura.

Em vez de tratar a saída da IA como o produto final, o projeto a trata como algo que deve passar por uma camada de prontidão.

Por exemplo, um fornecedor pode alegar que seu produto de IA é seguro para uso em empresas regulamentadas.

Um resumidor pode comprimir essa alegação em um belo parágrafo.

Agenda Intelligence MD é projetado para fazer um conjunto de perguntas mais úteis:

• A alegação está vinculada a evidências?
• As evidências são de primeira parte, terceira parte, desatualizadas, faltando ou incompletas?
• Estão faltando padrões, artefatos de auditoria, documentos de segurança ou materiais de governança?
• Isso precisa de um proprietário de compras, revisor legal, revisor técnico ou escalonamento de conformidade?
• O resumo está pronto para uma decisão ou apenas pronto para mais perguntas?

Essa é a diferença entre gerar texto e roteamento de confiança.

Arquitetura

O projeto é implementado como um pacote Python com várias superfícies de entrega em torno de uma camada de serviço central.

Inclui:

• um CLI;
• um servidor MCP stdio;
• uma shell de API HTTP;
• um adaptador A2A;
• esquemas JSON;
• validadores;
• auditoria de evidências;
• diagnósticos de cobertura de fontes;
• pontuação heurística;
• perfis de trabalhadores verticais.

Isso o torna utilizável em vários modos diferentes.

Você pode inspecioná-lo localmente através do CLI.

Você pode integrá-lo em um fluxo de trabalho de agente através do MCP.

Você pode expor comportamentos estruturados via HTTP.

Você pode experimentar com roteamento de agentes no estilo A2A.

A parte interessante não é apenas que essas interfaces existem. É que elas apontam para a mesma ideia de produto: a prontidão da evidência deve ser uma camada reutilizável, não um prompt único.

Início rápido

Após a instalação do pacote, o fluxo básico local se parece com isto:

pip install agenda-intelligence-md

agenda-intelligence doctor
agenda-intelligence validate-brief examples/agenda-brief.json
agenda-intelligence score examples/agenda-brief.json --evidence examples/source/evidence-pack.json
agenda-intelligence weekly-delta examples/strategic-infrastructure-bankability/status.synthetic.md

Os comandos são projetados para responder a perguntas práticas:

• O pacote está instalado corretamente?
• Este resumo corresponde ao esquema?
• Quão forte é a estrutura / evidência / prontidão para decisão?
• O que mudou em uma atualização de status semanal?
• Quais alegações são inseguras para repetir?
• Que evidências ainda estão faltando?

A última pergunta é a mais importante.

Porque em fluxos de trabalho de decisão reais, “o que está faltando?” é muitas vezes mais valioso do que “qual é a resposta?”

Exemplo: prontidão de evidências de fornecedores de IA

Uma das atuais áreas de descoberta para o projeto é a prontidão de evidências de fornecedores de IA para compras regulamentadas.

Imagine um comprador revisando um fornecedor de IA para um ambiente empresarial ou regulamentado.

O comprador tem:

• uma RFP;
• alegações de fornecedores;
• documentação pública;
• páginas de segurança;
• cartões de modelo;
• referências de padrões;
• talvez alguns materiais faltando ou vagos.

Um assistente de IA normal pode resumir o fornecedor.

Mas um comprador não precisa apenas de um resumo.

Ele precisa de um pacote de revisão:

• Quais alegações são apoiadas?
• Quais alegações são linguagem de marketing?
• Quais documentos de segurança ou governança estão faltando?
• Quais perguntas do comprador permanecem sem resposta?
• O que deve ser escalado antes da aprovação?
• O que pode ser revisado agora e o que não pode?

Esse é o tipo de fluxo de trabalho que Agenda Intelligence MD foi projetado para suportar.

Não está tentando ser o tomador de decisões.

Está tentando preparar a superfície de decisão.

Perfis verticais

O repositório também inclui perfis verticais e superfícies de demonstração para vários fluxos de trabalho de alto risco, incluindo:

• Portão de Risco de Negócio do Corredor do Meio;
• Exposição a Sanções Secundárias CIS;
• Portão de Confiança de Interação Agente;
• Portão de Exposição Marítima do Golfo;
• Portão de Prontidão para Entrada no Mercado do Cazaquistão.

Esses não são perfis genéricos de chatbot.

São superfícies de raciocínio estruturado para fluxos de trabalho de revisão pesados em evidências.

O padrão é:

pacote de entrada -> pacote de revisão estruturado -> lacunas de evidência -> ações do proprietário -> rota de prontidão para decisão

Esse padrão é útil porque muitos fluxos de trabalho de alto risco falham na mão