Workers de IA governados dentro do NetSuite, com gate de aprovação humana em cada gravação

O problema

Os líderes de finanças e operações já haviam testado IA generativa e tinham protótipos de chatbot para mostrar. Nenhum chegou à produção, por motivos bem documentados. Um modelo de linguagem não pode adivinhar um saldo de conta, um código fiscal ou uma valoração de estoque. Enviar milhares de linhas de transação para uma janela de contexto esgota o orçamento e gera desvios. E nenhum comitê de auditoria concede a um agente sem governança acesso de gravação ao livro razão. O que eles precisavam não era de um modelo mais inteligente, mas de uma forma governada de qualquer modelo trabalhar.

O que fizemos

Implantamos o Aissistor, o framework agêntico de ERP da DataOngoing, em um sprint de duas semanas sobre as funções existentes do NetSuite. Um roteador central distribui o trabalho para workers especializados: um conciliador de contas a pagar, um detector de vazamento de margem no razão geral, um auditor de pesquisas salvas e um inspetor de contratos. Cada worker age apenas por meio de ferramentas formais do Model Context Protocol: execute_suiteql para consultas parametrizadas e somente leitura, get_record_schema para a estrutura e propose_transaction_draft para qualquer coisa que altere o livro razão. As leituras vão direto ao NetSuite. As gravações param em uma revisão intermediária, na qual o supervisor de contas a pagar vê a variação destacada e clica em aprovar antes de o registro ser confirmado.

Este diagrama é um dos desenhos de fluxo de trabalho, com seus pontos de controle e a evidência relacionada.

Como o mecanismo funciona

1. Chamadas de ferramenta, não texto livre

   Para inspecionar o saldo de um cliente, o worker chama execute_suiteql com uma consulta parametrizada e recebe linhas estruturadas das tabelas do NetSuite. O modelo resume e sinaliza anomalias em dados que não gerou, e cada número da resposta pode ser rastreado até uma linha.

2. A proteção financeira com humano no circuito

   Um worker pode auditar 5.000 pedidos de compra e encontrar 14 faturas duplicadas de fornecedores, ou montar uma proposta de fatura de fornecedor a partir de uma digitalização com OCR. Ele não pode confirmar nenhuma das duas. O rascunho chega a uma janela de revisão com a variação destacada; o supervisor aprova e o NetSuite grava o registro sob a função dessa pessoa.

3. Decomposição em subagentes

   Um único prompt não resolve um problema de ERP. Um agente de pesquisa reúne notas de transações, contratos de fornecedores e histórico de pagamentos; um agente forense analisa distribuições do livro razão e percentuais de margem; um documentador monta o resumo para o conselho com links de auditoria até os registros.

Resultados

O que levar disso

1. IA sem ferramentas governadas é um passivo

   Nunca permita que um modelo acesse o ERP por scrapers ou drivers de banco de dados sem permissão. Exija interfaces MCP formais, com tokens baseados em função e uma fronteira entre leitura e gravação que você possa auditar.

2. O objetivo é eliminar o custo administrativo, não pessoas

   Contadores seniores devem analisar a estratégia de caixa, não digitar números de fatura de doze dígitos a partir de PDFs digitalizados. O worker faz a digitação; a pessoa faz o julgamento.

3. Arquitetura determinística supera o tamanho do modelo

   Um modelo disciplinado, com ferramentas SuiteQL precisas, supera um modelo geral muito maior que está adivinhando. A governança é o diferencial.

Retrospectiva composta; o cliente é mostrado como um arquétipo e os números ilustram o mecanismo. Relacionado: Automação de dispositivos e documentos do chão de fábrica ao livro razão