Latest / M365.FM – Podcast de Microsoft 365, Copilot e IA em português / IA corporativa com Power Platform e Azure OpenAI: arquitetura, segurança e governança além da demo de chatbot (Dublagem IA)

Transcript

IA corporativa com Power Platform e Azure OpenAI: arquitetura, segurança e governança além da demo de chatbot (Dublagem IA) · M365.FM – Podcast de Microsoft 365, Copilot e IA em português

0:00
Pronto para 10 dias de Microsoft 365, Copilot, IA, Azure e as pessoas que estão moldando o futuro do trabalho?
0:07
Em janeiro, a M360 Coin está de volta e vamos além.
0:12
Participe de sessões ao vivo, demonstrações do mundo real e conhecimento prático de MVPs e especialistas do setor em todo o mundo.
0:18
Sem slides genéricos, sem palavras da moda.
0:21
Estamos enfrentando os desafios reais.
0:23
Copilot Studio, agentes de IA, fábrica, segurança, governança e automação.
0:28
Não importa se você é um profissional de TI, desenvolvedor ou líder empresarial.
0:33
Há sessões criadas para você.
0:35
Com 10 dias inteiros, você pode explorar várias tecnologias e se conectar com uma comunidade global.
0:40
Assista ao vivo e leve insights práticos de volta para a sua organização.
0:45
Janeiro de 2027, 10 dias, uma comunidade Microsoft.
0:49
As inscrições já estão abertas.
0:52
Vá até sua casa hoje mesmo.
0:54
M13m5com.net
0:58
Participe agora em M13mcd5com.net e nos vemos ao vivo em janeiro.
1:06
Já se perguntou por que tantas demonstrações de IA no Power Platform param em chatbots?
1:10
E não sobrevivem em fluxos de trabalho reais.
1:12
Este vídeo mostra o que elas não fazem, como conectar o Ezra Open AI ao Power Apps e ao Dynamics 365 com todos os elementos de segurança, desempenho e governança que as implantações profissionais exigem.
1:25
Se você sempre quis menos mágica e mais como fazer, você está no lugar certo.
1:28
Além do conector, a anatomia real da IA no Power Platforms sempre começa da mesma forma.
1:35
Usuários corporativos veem uma demo atraente, um chatbot de vendas que responde em segundos ou um app de atendimento que organiza tickets magicamente.
1:44
E eles pensam, ótimo, vamos colocar isso no Power Apps.
1:47
O conector está lá, as telas se iluminam e as pessoas começam a imaginar a IA fazendo seu trabalho pesado.
1:52
Mas a realidade se impõe rapidamente.
1:54
O conector funciona para duas pessoas em uma demonstração.
1:56
Mas, quando você acredita que está criando a próxima grande novidade, surgem problemas de desempenho, chatbots balbuciam frases sem sentido ou dados confidenciais de clientes escapam.
2:06
É aqui que a maioria das integrações já param.
2:09
A culpa é do mito de que adicionar IA ao Power Platform é apenas clicar em mais e adicionar um conector e vinculá-lo ao Ezra Open AI.
2:15
Essa mentalidade persiste porque, no papel, tais ferramentas parecem fáceis demais.
2:19
Se ao menos essa fosse a parte difícil.
2:21
Então, o que há por trás disso quando você quer algo além de um projeto simples?
2:25
Entender onde a mágica da IA realmente acontece faz toda a diferença entre encerrar uma demonstração e realmente potencializar um processo de negócios.
2:31
Agora, em praticamente todas as configurações sérias de IA do Power Platform, há quatro participantes.
2:35
Primeiro, você tem o Power Apps ou o Dynamics 365, aqueles com os quais os usuários finais interagem, e o gatilho real para cada solicitação de IA.
2:43
Eles coletam dados, como mensagens de clientes, resultados de pesquisas, reviews ou qualquer entrada que você precise analisar.
2:49
Mas o Power Apps não se comunica diretamente com o Ezra Open AI.
2:53
É aí que o Power Automate entra em cena, orquestrando tudo.
2:56
Sempre que um usuário clica em um botão ou envia um formulário, o fluxo do Power Automate coleta os dados, os molda no formato correto e os envia para onde precisam ir.
3:03
Worse.
3:03
Terceiro, vem o Endpoint do Azure Open AI.
3:07
Esse é o verdadeiro cérebro que fornece coisas como análise de sentimentos, resumo de texto ou até mesmo a geração de respostas de clientes.
3:14
E escondido na pilha, você tem o gerenciamento de API do Azure, que é criminosamente esquecido até que algo exploda.
3:21
Essa é a parte de segurança e limitação à diferença entre ter um fluxo constante e inundar os canais.
3:25
Vamos analisar como essas peças do quebra-cabeça se apoiam umas nas outras.
3:28
Considere o gatilho o instante em que um usuário no Dynamics 365 registra uma chamada, por exemplo.
3:34
Isso dispara um fluxo do Power Automate.
3:37
O fluxo não está apenas movendo dados de A para B.
3:39
Ele pode limpar texto, mesclar com texto de outras fontes ou mascarar campos para privacidade antes que a solicitação seja enviada para o Azure Open AI.
3:47
Essa é a jornada importante.
3:48
Se o fluxo for executado lentamente, porque outra automação está consumindo recursos, você verá a latência se acumular no seu aplicativo.
3:55
Se o Power Automate não preparar adequadamente a carga útil, digamos que uma análise de produto não tenha contexto ou esteja chegando com uma formatação estranha,
4:03
seu endpoint Open AI exibirá resultados estranhos ou, pior, respostas alucinantes.
4:08
Tanto não há inteligência acontecendo se a fiação upstream estiver confusa.
4:12
Isso fica ainda mais interessante com o gerenciamento de API do Azure na mistura.
4:15
Embora todos estejam animados com a inteligência, poucas pessoas pensam sobre quem deve ter acesso e com que frequência, e com que frequência.
4:21
O gerenciamento de API atua com um balançador na ponte.
4:24
Ele verifica cada solicitação, aplica autenticação e garante que o uso não seja descontrolado.
4:29
Se não configurar políticas de limitação, um app com falha pode executar milhares de requisições por hora e sobrecarregar sua instância Open AI ou, igualmente divertido, gerar uma conta altíssima no Azure.
4:41
Ele também registra quem fez o que, o que significa que quando algo quebra ou alguém corta talho, se você realmente tem uma trilha de auditoria a seguir.
4:47
As demonstrações nunca mostram esse problema.
4:48
Nessas breves orientações, tudo é otimizado por alguns usuários e condições de rede quase perfeitas.
4:56
Mas se em uma empresa é real, você tem SLA's reais, preocupações com privacidade de dados e limites de desempenho que não podem ser simplesmente ignorados.
5:02
Por exemplo, digamos que você lance um power app de feedback de vendas com análise de sentimento integrada.
5:07
Com apenas 10 pessoas, o fluxo flui e você obtém resultados úteis em menos de um segundo.
5:11
Mas, no dia em que esse número salta pra 10 mil, talvez após uma campanha de e-mail ou uma fusão, você começa a ver tempos de espera de 30 segundos ou erros porque seu endpoint não consegue acompanhar as solicitações.
5:21
Pior, talvez descubra que metade dos dados de feedback falha ao processar porque o tamanho da carga útil superou os limites do Azure ou as políticas de segurança no gerenciamento de API não foram reforçadas.
5:32
Agora, em vez de ajudar as vendas, seu pipeline de E está bloqueando-as e o suporte técnico não está nada feliz.
5:38
Esse é o sinal de alerta.
5:39
Conectar um conector nada mais é do que um convite pra festa da arquitetura.
5:44
O verdadeiro evento é descobrir como cada camada interage e quão frágeis as coisas se tornam quando você tenta expandir.
5:51
Saber como o PowerApps dispara orquestrações, como os fluxos processam e protegem os dados, como os pontos de extremidade de A os interpretam e como o gerenciamento de API atua como proteção é o que separa um bot preso e uma sandbox de uma solução pronta pra empresas.
6:05
Se você entende apenas o conector, está sempre apostando na estabilidade e na segurança.
6:10
Todos podem arrastar e soltar uma demo de A no PowerApps.
6:13
Construir algo que sobreviva ao contato com usuários e dados reais significa se aprofundar nos detalhes, não apenas contornar os conectores.
6:21
Portanto, quando a solicitação muda de fazer esse texto de eco pra realmente resolver meu problema de negócios, a inteligência precisa se tornar muito mais inteligente.
6:28
Veja como os cérebros são conectados pra causar impacto nos negócios.
6:32
Ajustando a IA pra negócios, sentimento, resumo e muito mais.
6:35
Se você já brincou com o Azure OpenAI no Power Platform, provavelmente notou algo estranho.
6:40
Um único endpoint consegue detectar sentimento negativo em uma frase, resumir toda uma troca de e-mails, ou esboçar um novo produto, às vezes em um dia, com a mesma caixa de IA.
6:53
Mas não é mágica e é uma razão pela qual mais do que alguns projetos fracassam no minuto em que você tenta fazer algo realmente útil.
6:59
As pessoas geralmente presumem que você simplesmente troca o prompt e pronto.
7:02
A realidade?
7:04
Cada caso de uso comercial precisa de uma abordagem diferente e é aqui que essa fantasia plug and play desmorona.
7:08
Vamos falar sobre a diferença entre análise de sentimento e geração de texto.
7:13
Suponha que seu app Dynamics 305 sinalize reclamações de clientes.
7:17
Análise de sentimento é o primeiro caso de uso óbvio.
7:19
Entradas curtas, respostas rápidas, baixo custo e quase nenhum contexto para rastrear.
7:25
E isso funciona porque o Power Automate só precisa passar os dados mais básicos pro endpoint e OpenAI, uma ou duas frases,
7:30
junto com o prompt correto, informando ao modelo o que procurra a ERAI.
7:34
Você pode percorrer dezenas de registros sem risco real de o modelo ficar descontrolado ou corroer seu orçamento.
7:41
Esses fluxos são fáceis de gerenciar, fáceis de controlar e quase nunca precisam ser reescritos.
7:45
Agora, passe para a geração de resumo que já começa a esticar as costuras.
7:49
Se o seu Power App permite que os gerentes colem notas detalhadas de reuniões e esperem resumos coerentes em segundos,
7:54
o prompt que você envia para a OpenAI precisa ser redigido de forma concisa e ter o tom certo.
8:00
E ter o tom certo.
8:01
Mesmo assim, os resumos não são todos criados iguais.
8:04
Se sua carga útil for muito grande ou o texto de origem for muito desestruturado,
8:07
o modelo pode quebrar o personagem e começar a parafrasear em vez de resumir,
8:11
ou até mesmo alucinar detalhes que nunca aconteceram.
8:15
Isso não leva de volta a configuração.
8:17
O Power Automate deve moldar a entrada, remover assinaturas, remover formatação
8:20
e talvez dividir o documento em partes se ele for muito longo.
8:22
E tudo isso antes que IA faça seu trabalho.
8:25
Mas onde as coisas realmente ficam complicadas é na geração completa de texto ou classificação em escala.
8:30
Digamos que sua equipe de vendas queira respostas de e-mail personalizadas na hora,
8:34
ou que o suporte precise categorizar cada ticket por tipo de problema.
8:39
Muitos não percebem que rodar fluxos de IA em milhares de dados
8:41
não tem nada a ver com a demonstração perfeita daquele início.
8:44
O fluxo Power Automate precisa percorrer conjuntos de dados enormes.
8:48
O endpoint do OpenAI é bombardeado com solicitações
8:51
e de repente sua taxa de transferência cai e sua conta do Azure começa a aumentar,
8:54
às vezes rápido, o suficiente para envolver a contabilidade.
8:59
O grande obstáculo aqui é tratar esses processos de IA como intercambiáveis.
9:04
A análise de sentimento pode custar apenas algumas frações de centavo por solicitação.
9:08
Mas a geração de formulários longos aumenta a complexidade do modelo,
9:11
consome centenas de tokens e leva mais tempo para responder.
9:14
Adicione a isso a necessidade de instruções personalizadas,
9:17
talvez um tom ou fraseado diferente para um cliente diferente,
9:20
e cada ajuste exige uma engenharia de prompt precisa.
9:23
As pessoas ouvem essa frase, engenharia de prompt,
9:25
e pensam que se trata apenas de digitar instruções melhores,
9:27
mas é mais como ajustar um algoritmo de pesquisa.
9:29
Você testa, obtém resultados bizarros e reescreve.
9:32
E cada variação que você envia afeta não apenas a saída,
9:35
mas o tempo, o custo e o perfil de segurança do seu fluxo de trabalho.
9:39
Isso não é uma teoria.
9:39
Existem muitos exemplos do mundo real para ignorar.
9:43
Certa empresa criou um fluxo no Power Platform,
9:45
que usava o OpenAI para triar tickets de atendimento,
9:49
classificar por sentimento e sugerir respostas.
9:52
Parecia a preparação.
9:54
O problema surgiu quando a equipe abriu o fluxo para toda a equipe de suporte,
9:57
e de repente o endpoint recebeu solicitações para todos os tickets a cada minuto.
10:02
O modelo foi definido para a geração de texto geral, não apenas classificação simples.
10:06
Portanto, ele analisou o histórico completo do ticket,
10:08
e escreveu rascunhos de vários parágrafos todas as vezes.
10:11
Os custos aumentaram da noite para o dia,
10:13
os fluxos de trabalho ficaram lentos,
10:14
e a IA começou a inventar informações em suas sugestões.
10:18
Ninguém parou para perguntar por que uma tarefa de triagem simples
10:21
precisava do endpoint ajustado para a geração de texto em vez de classificação curta.
10:26
Demorou horas de investigação até que alguém percebesse
10:28
que algumas configurações no Power Automate e a configuração do endpoint causaram toda a confusão.
10:33
Se você quiser algum controle,
10:34
comece definindo cotas de uso nos fluxos do Power Automate,
10:37
e sempre monitore o uso de solicitações e tokens por meio do portal do Azure.
10:42
Para tarefas rápidas, como classificação ou análise de sentimentos,
10:46
configure fluxos paralelos e use o menor modelo que faça o trabalho.
10:50
Para gerar textos longos, limite os tokens e restringe a frequência com que usuários acessam esses recursos.
10:57
Revise os logs regularmente.
10:59
Identifique picos ou desvios o mais cedo possível.
11:01
Se você pular essas etapas, a plataforma sinalizará para você com uma fatura atrasada ou algo pior,
11:06
e os usuários sentirão o impacto do desempenho lento do aplicativo.
11:09
Portanto, a configuração correta de IA não se resume a fazer a solução funcionar.
11:13
É manter os negócios em movimento, os custos previsíveis e resultados sensatos.
11:18
A configuração errada transforma a IA de aliada em responsabilidade em tempo recorde.
11:21
Agora que você conectou o poder intelectual aos seus aplicativos,
11:25
precisa descobrir quem pode usá-lo e como manter seus pontos de extremidade e seus dados bloqueados em escala.
11:31
Protegendo o fluxo.
11:32
Porque o Azure API Management é seu escudo.
11:36
Se notou, a maioria das demos de IA do Power Platform ignora a segurança como se fosse apenas uma caixa de seleção.
11:42
Mas quando os projetos-piloto passam de playgrounds internos para a produção ao vivo,
11:46
novos riscos aparecem rapidamente.
11:47
De repente, aquele endpoint da OpenAI não responde mais só a prompts de teste.
11:53
É uma janela potencial para tudo que seu aplicativo expõe.
11:56
Imagine um fluxo de trabalho de atendimento canalizando dados de clientes para uma API sem proteção,
12:01
ou um chatbot, usando uma chave exposta à vista de todos.
12:06
Alguns erros podem deixar uma empresa vulnerável a acessos não autorizados,
12:09
vazamentos de dados ou torrentes de chamadas de API de terceiros.
12:13
Isso não é hipotético.
12:14
Depois de conectar os pontos de extremidade do Azure OpenAI ao Power Apps ou ao Dynamics 365,
12:19
você está expondo um grande poder de fogo.
12:21
Se a pessoa errada obtiver a sua chave de API,
12:23
talvez ela esteja em um script ou enterrada em um fluxo de teste,
12:26
ela pode começar a enviar prompts, extrair respostas e aumentar o uso.
12:29
Os ataques do OS se tornam a preocupação real.
12:31
Mesmo sem agentes mal intencionados,
12:33
um app mal configurado em loop num registro errado pode atacar seu endpoint sem parar.
12:37
Parar.
12:38
Em ambos os casos, você terá não só uma dor de cabeça com governança,
12:41
mas custos potencialmente exorbitantes.
12:43
E, dependendo de quais dados são movidos pela rede,
12:45
riscos reais de conformidade.
12:46
Riscos.
12:47
É aqui que o gerenciamento de API do Azure entra como herói anônimo.
12:50
A maioria das pessoas o vê como mais um recurso do Azure para configurar,
12:53
mas, na realidade, é a diferença entre a ordem e o caos.
12:56
O gerenciamento de API faz coisas que o Power Automate e os próprios conectores não conseguem.
13:01
Ele impõe autenticação e autorização sempre que uma solicitação é feita,
13:04
não apenas quando você se lembra de codificá-la.
13:07
Ele limita o número de solicitações que chegam ao seu endpoint,
13:09
o que significa que um único erro do desenvolvedor,
13:11
ou um script que deu errado, não colocará seu orçamento ou reputação em risco.
13:15
E ele mantém registros detalhados,
13:17
fornecendo um rastro quando você precisa responder a pergunta sobre quem acessou o que e quando.
13:21
Vamos falar sobre o incidente real.
13:22
A organização implementou um fluxo de classificação de IA para e-mails de clientes no Dynamics 365
13:27
e passou a chave de API para o Power Automate.
13:30
A chave foi parar em uma pasta de documentação compartilhada,
13:33
e um membro da equipe ansioso, mas não treinado,
13:35
acidentalmente criou um loop recursivo em seu aplicativo de teste.
13:39
Em poucas horas, milhares de chamadas de EPA atingiram o endpoint da OpenAI,
13:42
repetindo os mesmos poucos registros.
13:44
A conta do Azure aumentou inesperadamente,
13:46
e somente depois de analisar os logs, a equipe percebeu o que aconteceu.
13:49
A pior parte não foi apenas a conta, mas também a incerteza sobre se alguma informação confidencial
13:54
foi parar no lugar errado.
13:56
Se o gerenciamento de API estivesse em vigor,
13:58
o loop teria disparado um erro de limite de taxa muito antes da situação piorar,
14:02
e um registro melhor teria sinalizado a inundação instantaneamente.
14:06
Políticas de gestão de API são a real rede de segurança.
14:09
Você pode definir limites de taxa, digamos o número máximo de acesso por minuto por usuário.
14:13
Você pode restringir chamadas por IP,
14:16
permitindo apenas solicitações de gateways conhecidos do Power Platform.
14:20
Para organizações com políticas de conformidade rígidas,
14:22
você pode exigir cabeçalhos ou tokens exclusivos para seu processo de negócios,
14:27
tornando o acesso aleatório de fora barulhento e fácil de bloquear.
14:31
Todos esses controles foram criados para não frustrar os usuários,
14:34
mas para garantir que uma IA em rápida expansão não interrompa suas operações
14:38
ou, pior, comprometa, os dados do cliente.
14:42
Encontrar equilíbrio é importante aqui.
14:44
As políticas de segurança precisam ser fortes o suficiente para evitar abuso,
14:46
mas não devem atrasar os negócios normais.
14:48
Se a limitação for definida de forma muito agressiva,
14:51
solicitações legítimas falham e usuários adotam manobras,
14:54
enviando os mesmos dados repetidamente até que passem.
14:58
É aí que o monitoramento e análise dentro do API Management se tornam essenciais.
15:02
Você vê padrões de uso ao longo do tempo,
15:05
identifica chamadas com falha e ajusta políticas antes mesmo
15:08
que os usuários percebam, deixem.
15:10
Portanto, você deseja que todos na empresa experimentem recursos
15:12
com tecnologia de IA no Power Apps e no Dynamics 365,
15:16
mas precisa de uma margem de segurança para proteger os dados
15:18
e os custos de saírem dos trilhos.
15:21
Com o API Management cuidando do acesso, você ganha mais que proteção.
15:24
Você pode realmente rastrear a adoção,
15:26
ver quais fluxos de trabalho geram valor real
15:28
e quais consomem capacidade sem motivo.
15:30
Quando a liderança pergunta quem, o que, quando e como,
15:32
tudo fica registrado.
15:34
À medida que o uso aumenta de 5 pessoas
15:36
e uma prova de conceito para milhares usando um aplicativo de vendas
15:38
ou suporte ao vivo,
15:40
o API Management garante que você não apenas abra as comportas
15:43
e espere pelo melhor.
15:44
Direciona o tráfego de forma previsível.
15:46
O segredo sujo é que,
15:48
sem o devido gerenciamento desses endpoints de IA,
15:50
a maioria das integrações prontas para a produção
15:52
colapsa na primeira vez que algo inesperado ocorre.
15:55
O gerenciamento de APIs possibilita a transição da ideia
15:58
para a escala empresarial sem introduzir riscos ocultos.
16:01
Pense nisso menos como encanamento e mais como seu portão de entrada.
16:04
Claro, mesmo o melhor guardião lida apenas com o que lhe é dado.
16:08
Proteger os pontos de extremidade é um lado da moeda.
16:10
Há um panorama maior depois disso,
16:12
rastreando o uso, mantendo os orçamentos alinhados
16:14
e garantindo que as regras de conformidade não escapem
16:16
conforme os aplicativos evoluem ou as políticas mudam.
16:18
É aí que a governança deixa de ser opcional
16:21
e começa a impulsionar todo o sistema.
16:24
Cola da governança, conformidade de custos e manter a IA sob controle.
16:28
Se você já viu um Power App passar de um projeto paralelo
16:30
para a nova ferramenta favorita de todos da noite para o dia,
16:33
talvez tenha sentido o impacto quando os custos sobem
16:35
e ninguém sabe ao certo quem é responsável por manter tudo nos trilhos.
16:40
É fácil comemorar uma implementação de IA bem-sucedida,
16:43
com análises de sentimentos zumbindo silenciosamente em segundo plano,
16:46
resumos de texto economizando horas nos relatórios,
16:48
mas alguém eventualmente olha a fatura do Azure
16:51
ou recebe uma mensagem da InfoSec e a sala fica em silêncio.
16:55
Esse é o primeiro sinal de uma lacuna de governança.
16:57
Ela aparece sempre que um aplicativo funciona bem o suficiente
17:00
para as pessoas continuarem usando.
17:02
O padrão é quase universal.
17:04
Os recursos de IA são conectados, os endpoints são protegidos
17:07
e a liderança aprova o caso de negócios.
17:10
Em seguida, os usuários reais entram em cena
17:12
e tudo sobre o ambiente fica mais complicado.
17:15
Quem controla o acesso aos endpoints do Azure OpenAI?
17:17
Quantas solicitações vende cada Power App?
17:21
Alguma delas é necessária?
17:23
Onde está a linha entre experimentação e automação que consome o orçamento?
17:27
E, à medida que mais funcionários criam ou ajustam suas próprias automações,
17:31
fica mais difícil controlar o que está acontecendo nos bastidores a cada semana.
17:35
Custos fora de controle são o primeiro teste de governança.
17:38
O Azure contabiliza com precisão cada token chamada de API
17:40
e gigabyte de dados nos endpoints da OpenAI,
17:43
mas se ninguém acompanhar esses números,
17:44
os custos podem disparar silenciosamente em segundo plano.
17:49
Você está pagando pelo uso,
17:50
e o uso fica instável quando os desenvolvedores cidadãos estão realmente tentando inovar,
17:54
mas nem sempre sabem que seu fluxo do Power Automate
17:56
está chamando o ponto de extremidade de IA mil vezes por dia.
18:00
A maioria das pessoas descobre isso da mesma forma.
18:03
Um alerta de orçamento é acionado.
18:05
Ou alguém no financeiro acha que há um erro de faturamento.
18:08
Ignorar isso não significa apenas assinar cheques maiores,
18:10
significa que você corre o risco de alguém encerrar o projeto
18:12
para estancar o sangramento, ou pior, para estangramento, ou pior.
18:15
A liderança pede a confiança em todo experimentar.
18:16
Mas nunca é só o dinheiro.
18:18
As questões de conformidade surgem em seguida.
18:20
Mesmo com o gerenciamento de API e policial na porta da frente,
18:22
ainda há dúvidas sobre quais dados são enviados,
18:24
por quanto tempo são armazenados e onde as cópias podem acabar.
18:27
O desenvolvedor mascarou informações de identificação pessoal
18:31
antes de enviar o texto do ticket de suporte ao Azure OpenAI?
18:35
Existe um registro de quais usuários acessaram o quê
18:38
e isso está de acordo com as políticas da sua organização?
18:41
Os auditores não ficam impressionados com o que acham?
18:43
Para setores regulamentados, uma única falha de conformidade,
18:47
como alguém que enviou dados confidenciais para um resumo de texto
18:50
sem a filtragem adequada, pode interromper projetos por semanas
18:52
ou colocar a empresa em apuros.
18:55
Mesmo em ambiente menos regulamentado,
18:58
a TEI fica nervosa se parece que dados não controlados estão circulando na nuvem.
19:02
A Microsoft tenta facilitar a vida nessas frentes.
19:05
O Azure Cost Management oferece painéis, alertas e limites de gastos.
19:10
Ainda cabe a alguém definir limites,
19:11
monitorar picos de uso semanais e pausar antes que eles aumentem.
19:15
Marcar cada recurso, pontos de extremidade de IA, fluxos e até mesmo Power Apps individuais
19:19
é uma maneira simples, mas poderosa de raciar os gastos de cada equipe ou linha de negócios.
19:24
Também ajuda na limpeza e na geração de relatórios.
19:27
Se uma automação continuar rodando após o piloto,
19:30
recursos marcados se destacam, evitando aquele cenário de carga misteriosa
19:33
que sempre surge em verificações de integridade.
19:35
No lado da Power Platform, o Kit Inicial do Sem Deserência é o mais próximo
19:40
que você chega de um centro de comando de IA.
19:43
Ele varre seu locatário por cada fluxo, conector, aplicativo e bot,
19:47
criando um inventário sobre o qual você pode agir.
19:52
A TI pode configurar análises de uso, enviar alertas quando padrões suspeitos surgirem
19:56
e alertar os desenvolvedores cidadãos com lembretes sobre as melhores práticas internas.
20:01
Algumas organizações o usam para gerar relatórios regulares sobre o uso da API,
20:05
fluxos que estão em alta e até mesmo quem está criando o quê.
20:08
O Kit Ferramentas do QA não serve apenas para a vida dele.
20:10
Ele também fornece modelos para implantação restrita,
20:13
aciona análises para aplicativos de alto risco
20:15
e pode até impor políticas de negócios encerrando ou pausando fluxos
20:18
fora das proteções de conformidade.
20:20
Ou para uma organização em rápido crescimento com vários usuários avançados.
20:25
Estas regras impedem que tudo saia do controle.
20:27
Vale ressaltar que os problemas de governança geralmente surgem após o sucesso.
20:31
Veja o caso de um aplicativo de feedback do cliente
20:34
que pegou muito mais rápido do que o esperado.
20:37
O uso dobrou em uma semana e depois triplicou.
20:39
Em um mês, os custos dispararam.
20:41
O projeto de lei do Azure forçou uma nova previsão
20:42
e descobriu-se que o mesmo aplicativo estava movendo dados confidenciais
20:46
para o endpoint de A sem aprovação.
20:48
Scripts ad hoc e correções fragmentadas chegaram,
20:50
mas a essa altura já era uma confusão.
20:52
Um processo de centro de excelência teria sinalizado o crescimento cedo
20:54
e forçado uma revisão.
20:56
As práticas recomendadas se acumulam rapidamente.
20:57
Sempre marque os recursos.
20:59
Defina orçamentos ou tetos flexíveis até em provas de conceito.
21:03
Revise e audite o acesso aos endpoints.
21:05
A lista de quem pode se conectar muda conforme as equipes e as funções evoluem.
21:09
Documente quais fluxos enviam quais dados e porquê.
21:13
Isso não é burocracia por burocracia.
21:14
Significa que alguém pode responder semanas ou meses depois
21:18
como o sistema funciona e onde estão os limites.
21:21
Reconheça criticamente que a governança não é metá-podutivo definir e esquecer.
21:24
Modelos mudam a lógica de negócios, transformam em regras de privacidade, evoluem.
21:28
As revisões e atualizações prerregulares.
21:31
Uma governança sólida é a diferença entre um recurso de IAC fracassa sob pressão
21:34
e um que cresce de forma sustentável à medida que a empresa depende dele.
21:39
E com os controles em vigor, os líderes de TI e de negócios
21:42
ganham confiança para expandir, experimentar e inovar com...