WERBOS
Infraestrutura de IA autônoma para inteligência operacional invisível.
Sistemas de orquestração neural projetados para automatizar, raciocinar e escalar operações empresariais.
O nome é uma homenagem.
E uma tese.
Ato 1 · A origem
Em 1974, um pesquisador chamado Paul Werbos defendeu uma tese em Harvard descrevendo um algoritmo: backpropagation. Era a forma de fazer redes neurais aprenderem com os próprios erros. O trabalho passou quase despercebido.
Doze anos depois, em 1986, Rumelhart, Hinton e Williams republicaram a ideia. O backpropagation virou base de tudo que veio depois — GPT, Claude, Gemini, Midjourney, Copilot. Toda a onda atual de IA é construída sobre o algoritmo que Werbos descreveu.
Paul Werbos foi citado, premiado, eventualmente reconhecido. Mas durante décadas o nome dele permaneceu abaixo da linha de visibilidade. Ele construiu a base. Outros construíram em cima.
Ato 2 · A tese
É exatamente esse o lugar onde a WERBOS opera. Modelos comoditizam. A cada seis meses, um novo benchmark fecha. A diferenciação não está em treinar o modelo certo — está em construir a infraestrutura que faz o modelo virar decisão dentro de uma empresa real.
Infraestrutura tem três camadas que importam: memória institucional (o que a empresa já decidiu), governança (quem pode aprovar o quê) e contexto operacional vivo (taxa de erro do agente esta semana, custo por decisão, restrição que mudou). Modelo é matéria-prima. Estas três camadas são o produto.
Aprovação humana não é muleta para a IA falhar. É reconhecimento de que responsabilidade jurídica e moral pertencem a humano. Sempre. Mesmo quando o agente acerta 99,9%, o 0,1% é da pessoa que assinou a decisão. Construímos o resto pensando nisso.
Leitura precede ação. Recomendação precede escrita. Humano precede automação. Operamos no fundamento — em silêncio.
Três primitivas que tornam um agente seguro.
- P-01
Leitura antes de ação
Todo agente WERBOS nasce read-only. Lê os sistemas do cliente, gera recomendação tipada, espera aprovação humana. Só então é elevado a write. É garantia operacional, não fase intermediária.
- P-02
Memória institucional ≠ contexto de conversa
O que importa não é o prompt da última mensagem. É o contexto vivo da empresa: decisões passadas, restrições atuais, taxa de erro do agente, limites de aprovação por papel. Conversa esquece. Memória institucional persiste.
- P-03
Aprovação humana é primitive, não muleta
Aprovação humana não existe porque a IA falha. Existe porque decisão sob responsabilidade pertence a humano. Mesmo com agente perfeito, o humano assina. Nosso sistema é desenhado para tornar essa assinatura barata, rastreável e reversível.
Aprendizados que não cabem em produto ainda.
- NF-01
“Modelos novos não invalidam arquitetura velha. Substituem custo por capacidade.”
Quando GPT-5 chegar, sua arquitetura de camadas, governança e memória continuará valendo. O que muda é o que cabe dentro de uma chamada de modelo. Camada bem desenhada absorve o upgrade sem reescrita.
- NF-02
“RAG falha quando a documentação está desorganizada. Não é problema do RAG.”
Antes de adicionar reranker, melhorar embeddings ou trocar de vector DB, organize a documentação. RAG amplifica o que existe. Documento desorganizado vira retrieval desorganizado.
- NF-03
“Tool use sem aprovação humana é só RPA disfarçada.”
Agente que escreve direto em sistema crítico sem humano no meio é fragilidade nova vestindo automação velha. O ganho do agente está em raciocinar — não em pular o controle humano.
- NF-04
“O custo real de um agente não é a token bill. É a hora de quem revisa o que ele faz.”
Token é centavos. Hora de pessoa qualificada revisando recomendação é caro. Otimize o agente para reduzir o segundo, não o primeiro. Recomendação tipada bem desenhada reduz tempo de revisão em ordem de grandeza.
Quem influenciou o que construímos.
Constitutional AI
Anthropic
Princípios de governança aplicados à camada de aprovação humana.
Patterns of Enterprise Application Architecture
Martin Fowler
Layers separadas continuam valendo em sistemas com IA.
Designing Data-Intensive Applications
Martin Kleppmann
Sistemas de IA são sistemas de dados em primeiro lugar.
The Mythical Man-Month
Fred Brooks
Por que crescer time não acelera projeto de IA mal arquitetado.
Domain-Driven Design
Eric Evans
Linguagem ubíqua é o que faz agente entender a empresa.
Release It!
Michael Nygard
Padrões de estabilidade que aplicamos a agentes em produção.
Esta página é viva.
Se algo aqui te provocou — ou se discordou de algo — escreva. Não é venda. É conversa técnica.
contato@werbosai.com →