Arquitetura de IA e LLM

O PlaidCloud não tem uma única funcionalidade de IA. Tem quatro formas de aceder a um modelo — o assistente dentro do produto, o Microsoft 365 Copilot, agentes de programação externos e um passo LLM dentro de um fluxo de trabalho — e as quatro seguem o mesmo caminho governado. O próprio modelo é substituível: Claude, GPT, Gemini, Grok, um recurso Azure OpenAI na sua própria subscrição ou um modelo alojado por si.

Esta secção explica essa arquitetura: o que é executado onde, o que atravessa a fronteira e porquê.

As quatro superfícies

Superfície	Quem a utiliza	Como o modelo chega aos dados	Por onde começar
Assistente de IA integrado	Qualquer pessoa que trabalhe no PlaidCloud	Os agentes do próprio PlaidCloud chamam ferramentas internas em seu nome	Weave AI Chat
Microsoft 365 Copilot	Equipas inteiras, no Teams e no Outlook	Um agente publicado autentica a pessoa e depois chama o servidor MCP	Microsoft 365 Copilot
Agentes de programação com IA	Analistas e programadores	O respetivo cliente liga-se diretamente ao servidor MCP através de OAuth	Primeiros passos
Passo LLM do fluxo de trabalho	Pipelines não assistidos	No Anthropic, um token limitado apenas aos objetos que associar; nos outros fornecedores, nenhum acesso a dados — consulte as regras do passo	Passo LLM

Diferem em quem conduz e em onde decorre a conversa. Não diferem no que o modelo pode tocar.

Um caminho governado

Em qualquer superfície em que uma pergunta chegue, aplicam-se sempre as mesmas cinco condições.

1. O modelo atua como uma pessoa, não como a plataforma. Cada pedido transporta uma credencial de curta duração, revogada no fim, que representa o utilizador autenticado. Não existe uma conta de serviço partilhada com direitos elevados por trás da IA.

2. As ferramentas são a única via de entrada. O modelo não pode consultar diretamente o seu lakehouse. Chama um catálogo selecionado de ferramentas — localizar, descrever, ler, executar, upsert — e cada chamada é verificada de forma independente.

3. As suas próprias permissões continuam a limitá-lo. Um pedido de IA nunca pode ver nem alterar algo que o utilizador não pudesse ver ou alterar. A camada de IA restringe o acesso; nunca o alarga.

4. Um administrador define o limite máximo, e este começa fechado. O Acesso do agente de uma ligação LLM começa em apenas leitura. O Microsoft 365 Copilot começa sem qualquer acesso: até que um administrador atribua a alguém um nível de acesso, uma pessoa autenticada não obtém dados. São dois mecanismos distintos, mas aumentar qualquer um deles apenas limita o que a IA pode tentar — nunca alarga o que já podia alcançar por si.

5. Algumas coisas estão permanentemente proibidas. As definições de credenciais e de ligação, a gestão de identidades e grupos, as alterações ao controlo de acesso, a publicação e o código implementável nunca podem ser chamados por uma credencial de IA — independentemente do que um administrador tenha concedido, em qualquer fornecedor. Estes permanecem exclusivamente humanos.

Nota

Estas regras são aplicadas no servidor, não no prompt. Uma tentativa de injeção de prompt que convença o modelo a pedir uma ferramenta proibida recebe a mesma recusa que um modelo bem-comportado receberia.

O percurso de uma pergunta

Tome-se a pergunta “Porque aumentou o custo de TI alocado a Atlanta no último trimestre?”, feita a partir de qualquer superfície:

1. É emitida uma credencial para a pessoa que pergunta, com âmbito limitado e curta duração.

2. As ferramentas são colocadas à frente do modelo — restringidas ao que a pergunta plausivelmente exige nas superfícies que fazem essa restrição, e descobertas a partir do catálogo nas que não a fazem.

3. O prompt segue para o modelo — a pergunta, as regras permanentes e as descrições das ferramentas. Ainda sem dados.

4. O modelo pede dados através de chamadas a ferramentas: resolver o caminho de análise, ler o esquema, executar o rastreio de alocação, ler as linhas de indutores. Cada chamada tem as permissões verificadas à chegada.

5. O modelo responde com base no que obteve, cita a página da documentação se a consultou e inclui um indicador de confiança e ressalvas.

6. A credencial é revogada. Um token capturado não pode ser reutilizado depois de o pedido terminar.

O detalhe importante é o passo 4: o modelo não tem os seus dados. Pede fatias deles, e cada pedido é julgado individualmente.

Leitura seguinte

Fornecedores e ligações de LLMClaude, GPT, Gemini, Grok, Azure OpenAI — uma ligação, quatro adaptadores de execução e duas formas de intermediar as ferramentas.

Arquitetura do Microsoft 365 CopilotPorque é que o Copilot precisa de um pacote de agente publicado e do seu próprio cliente OAuth, e como funcionam os níveis de acesso negados por predefinição.

Obtenção, fundamentação e caminhos de análiseO que o RAG faz realmente aqui — e porque é que os seus dados de negócio são lidos em direto em vez de indexados num armazém de vetores.

Utilizar o seu próprio LLM controladoMantenha dados proprietários, PHI ou contratualmente confinados dentro de infraestrutura que controla.

Relacionado

• Respostas em que pode confiar — como as respostas são classificadas e ressalvadas
• Caminhos de análise — nomes amigáveis para as tabelas sobre as quais a sua equipa faz perguntas
• Arquitetura da plataforma — onde a IA se insere na plataforma em geral