WEBVTT

00:00:00.000 --> 00:00:04.640
Seu copiloto não é inteligente. É um estagiário bem vestido, com preenchimento automático e cafeína

00:00:04.640 --> 00:00:08.320
em excesso, com um crachá da Microsoft, que parece confiante, mas está completamente perdido.

00:00:08.440 --> 00:00:12.780
O administrador médio o instala, faz uma pergunta ambiciosa, como resumir as vendas do último

00:00:12.780 --> 00:00:16.740
trimestre em todas as regiões, e então age surpreso quando ele responde com qualquer coisa

00:00:16.740 --> 00:00:21.300
que se encaixe em sua janela de contexto limitada. Isso não é insight, é suposição estatística

00:00:21.300 --> 00:00:25.200
entregue em um tom amigável. Veja, a maioria dos chamados copilotos de IA funcionam com algo

00:00:25.200 --> 00:00:29.220
chamado geração aumentada de recuperação, RAG para abreviar. Na teoria, é brilhante.

00:00:29.220 --> 00:00:32.820
Você faz uma pergunta, ele pesquisa em uma base de conhecimento, pega pedaços relevantes

00:00:32.820 --> 00:00:35.920
e os cola ao seu prompt para que o modelo de linguagem pareça informado. Na prática,

00:00:36.160 --> 00:00:40.020
é como pedir a uma única bibliotecária todo o conhecimento humano. Ela corre por um corredor,

00:00:40.240 --> 00:00:43.880
pega três livros aleatórios e grita a resposta enquanto corre de volta. Uma consulta, uma

00:00:43.880 --> 00:00:47.780
recuperação, uma chance de estar errado. Agora, compare isso com a forma como as decisões

00:00:47.780 --> 00:00:52.540
empresariais reais funcionam. Você já precisou de apenas um dado? Não. Você precisa da planilha

00:00:52.540 --> 00:00:56.100
do financeiro, do relatório de pesquisa do SharePoint, do warehouse de métricas no Microsoft

00:00:56.100 --> 00:00:59.700
Fabric e, geralmente, de alguns dados de mercado externos que nem estão em sua locação.

00:00:59.820 --> 00:01:03.440
O RAG clássico entra em colapso no momento em que sua verdade reside em mais de um lugar.

00:01:03.640 --> 00:01:07.220
Ele não consegue planejar várias pesquisas, não consegue validar contradições e certamente

00:01:07.220 --> 00:01:10.680
não consegue entender que o desempenho trimestral significa coisas diferentes para marketing

00:01:10.680 --> 00:01:14.420
e manufatura. Ainda assim, as pessoas seguem chamando esses sistemas de inteligentes.

00:01:14.680 --> 00:01:18.800
Errado. Eles são turistas de contexto. Eles visitam seu acervo de dados, tiram algumas

00:01:18.800 --> 00:01:22.520
selfies com PDFs e fingem que conhecem a cidade. Enquanto isso, o administrador médio

00:01:22.520 --> 00:01:25.940
acredita honestamente que o copiloto tem acesso onisciente a todas as pastas do SharePoint.

00:01:26.180 --> 00:01:29.900
Não tem. A menos que você crie conectores e raciocínios explícitos, ele está operando

00:01:29.900 --> 00:01:34.500
de olhos vendados. Isso não é apenas ineficiente, é perigoso. Sem recuperação de agentes, as

00:01:34.500 --> 00:01:38.040
empresas se afogam na fragmentação do contexto. As decisões são tomadas com base em dados

00:01:38.040 --> 00:01:42.000
parciais. Os riscos de conformidade passam despercebidos. As equipes perseguem insights

00:01:42.000 --> 00:01:44.900
alucinados produzidos por um modelo que nunca se preocupou em se autoverificar.

00:01:45.080 --> 00:01:49.920
A ironia? A solução já existe. Entra em cena o RAG agêntico. Ele não apenas busca

00:01:49.920 --> 00:01:53.780
informações. Ele pensa sobre elas. Ele planeja, faz verificações cruzadas e raciocina

00:01:53.780 --> 00:01:57.040
como uma equipe de pesquisa digital. Ao final deste episódio, você saberá exatamente

00:01:57.040 --> 00:02:00.380
como fazer seu copiloto parar de agir como um papagaio e começar a se comportar como um

00:02:00.380 --> 00:02:04.960
cientista. E sim, são quatro etapas. Vamos consertar seu copiloto idiota em quatro etapas

00:02:04.960 --> 00:02:09.760
precisas. O mito do trapo, por que a inteligência linear falha. Tudo bem, vamos dissecar o mito.

00:02:09.860 --> 00:02:13.920
A geração aumentada de recuperação parece sofisticada, mas, por baixo dos panos, é brutalmente

00:02:13.920 --> 00:02:17.660
linear. Etapa 1, recuperar algumas fatias de texto com base na similaridade do vetor.

00:02:17.660 --> 00:02:23.120
Etapa 2, inserir essas fatias no prompt. Etapa 3, gerar uma resposta e declarar vitória.

00:02:23.280 --> 00:02:27.560
É isso. Nenhuma memória de pesquisas anteriores, nenhum raciocínio sobre contradições, nenhum

00:02:27.560 --> 00:02:31.120
reconhecimento do contexto do usuário. É uma linha reta da consulta à resposta. Uma

00:02:31.120 --> 00:02:35.160
junção SQL glorificada escrita em inglês. O problema começa no momento em que a realidade

00:02:35.160 --> 00:02:39.080
fica confusa. Suponha que você pergunte. Compare a confiabilidade do nosso aparelho com

00:02:39.080 --> 00:02:43.420
a dos concorrentes. Um sistema simples acessa um índice, pega qualquer documento que mencione

00:02:43.420 --> 00:02:47.520
confiabilidade e exibe um resumo. Ele verificou os registros de fabricação no Fabric?

00:02:47.520 --> 00:02:51.720
Ele leu aquele novo relatório de teste enterrado no SharePoint? Ele validou dados externos

00:02:51.720 --> 00:02:56.740
da web? Claro que não. Ele nem sabe que essas fontes existem. Ele apenas disfarça a incerteza

00:02:56.740 --> 00:03:00.740
com eloquência. Pense nisso como uma analogia de biblioteca que se tornou trágica. Você

00:03:00.740 --> 00:03:04.840
entra e pergunta a uma bibliotecária sobre economia global. Ela corre para uma prateleira

00:03:04.840 --> 00:03:09.100
com o rótulo Economia, entrega a você um livro aleatório sobre câmbio de 2012 e declara

00:03:09.100 --> 00:03:13.340
a questão resolvida. Bom atendimento ao cliente, péssimo conhecimento acadêmico. A inteligência

00:03:13.340 --> 00:03:16.860
real recrutaria vários bibliotecários, um para finanças, um para história, um para políticas,

00:03:16.860 --> 00:03:20.860
e então sintetizar as suas descobertas. Essa é a diferença entre recuperação e raciocínio.

00:03:21.060 --> 00:03:25.240
Nas empresas, essa falha se multiplica. Uma única pergunta executiva geralmente afeta

00:03:25.240 --> 00:03:29.740
dezenas de sistemas. Documentos do SharePoint, conjuntos de dados Power BI, tabelas Azure e

00:03:29.740 --> 00:03:34.140
SQL e e-mails. O RAG clássico simplifica toda essa complexidade em um único salto.

00:03:34.320 --> 00:03:39.220
O resultado, resultados inconsistentes, resumos superficiais e dados alucinados formulados

00:03:39.220 --> 00:03:44.440
com dicção confiante. Conformidade regulatória? Esqueça. Quando o modelo extrai de qualquer texto

00:03:44.440 --> 00:03:48.980
que corresponda ao vetor, você perde a procedência. Tente explicar isso ao seu comitê de auditoria.

00:03:49.160 --> 00:03:52.880
No entanto, o marketing em torno do copiloto faz com que pareça onipotente. O sussurro do folheto.

00:03:53.040 --> 00:03:57.180
Pergunte qualquer coisa. O copiloto conhece o seu negócio. Não, não conhece. Ele executa a

00:03:57.180 --> 00:04:01.760
recuperação de texto com amnésia. Não consegue planejar, refletir ou verificar. Não sabe qual

00:04:01.760 --> 00:04:05.460
site do SharePoint contém o documento certo ou se o warehouse de malha está sincronizado.

00:04:05.660 --> 00:04:10.000
Mas como a formulação é suave, os executivos presumem compreensão onde há apenas correlação.

00:04:10.000 --> 00:04:14.600
Essa ilusão de inteligência é o que as empresas estão comprando. Um cobertor de conforto caro

00:04:14.600 --> 00:04:18.920
tecido a partir de distribuições de probabilidade. Eles comemoram quando o copiloto redige um e-mail

00:04:18.920 --> 00:04:22.880
corretamente, ignorando que não entendeu completamente os dados de origem. Ele se gabande

00:04:22.880 --> 00:04:26.700
em sites gerados por IA sem perceber que esses insights são reunidos a partir de contextos

00:04:26.700 --> 00:04:31.480
incompatíveis e instantâneos parciais. Aqui está a consequência econômica. Cada relatório mal

00:04:31.480 --> 00:04:36.520
resumido, cada KPI alucinado, resulta em decisões ruins. Os projetos mudam com base na ficção.

00:04:36.520 --> 00:04:41.300
As equipes de conformidade perseguem fantasmas. E quando a realidade os alcança, quando o insight

00:04:41.300 --> 00:04:45.840
fabricado falha na produção, a culpa recai sobre as limitações da IA, não sobre a arquitetura

00:04:45.840 --> 00:04:49.600
preguiçosa que garantiu o fracasso. A verdade é que a inteligência linear falha porque

00:04:49.600 --> 00:04:53.480
as empresas não são lineares. Os dados são distribuídos, contextuais e muitas vezes

00:04:53.480 --> 00:04:57.520
contraditórios. Um pipeline fixo de uma consulta não consegue se adaptar a esse ambiente mais

00:04:57.520 --> 00:05:00.840
do que um único neurônio consegue pensar. O que você precisa não é de um prompt melhor,

00:05:01.100 --> 00:05:04.960
você precisa de um sistema que possa planejar. Um que possa decidir quais serviços usar

00:05:04.960 --> 00:05:09.300
em que ordem e como verificar o resultado. Então, como ensinamos um copilô a operar

00:05:09.300 --> 00:05:13.480
como uma equipe de pesquisa em vez de um papagaio, é aí que entra o Agentic R.A.G.,

00:05:13.480 --> 00:05:17.780
o salto evolutivo da recuperação reativa para o raciocínio proativo. Ele adiciona camadas

00:05:17.780 --> 00:05:21.780
de planejamento, recuperadores especializados e looks de verificação. Em outras palavras,

00:05:22.040 --> 00:05:26.580
ele para de fingir que é inteligente e finalmente aprende a pensar. Entra o Agentic R.A.G.,

00:05:26.580 --> 00:05:30.220
da busca para o raciocínio. É aqui que passamos do truque para a inteligência.

00:05:30.380 --> 00:05:34.060
O Agentic R.A.G. não é mais um chavão, é a faculdade ausente sem a qual seu copiloto

00:05:34.060 --> 00:05:38.520
nasceu, a função executiva. Pense nele como um R.A.G. que desenvolveu um córtex pré-frontal.

00:05:38.660 --> 00:05:42.700
Em vez de executar uma consulta e cruzar os dedos digitais, ele divide um problema em partes,

00:05:43.020 --> 00:05:46.660
atribui tarefas a diferentes agentes especialistas, verifica o trabalho deles e,

00:05:46.840 --> 00:05:50.720
em seguida, sintetiza o resultado. Em resumo, ele converte modelos de linguagem

00:05:50.720 --> 00:05:55.180
de papagaios em planejadores. Mecanicamente, o Agnetic R.A.G. opera por meio da orquestração

00:05:55.180 --> 00:05:59.620
de vários agentes criada no Azure e AI Agent Service. Imagine três funções em movimento.

00:05:59.880 --> 00:06:03.860
Primeiro, o planejador, uma espécie de gerente de projeto digital. O planejador lê sua

00:06:03.860 --> 00:06:08.140
consulta e decide quais ferramentas ou fontes de dados são relevantes. Depois surgem os agentes

00:06:08.140 --> 00:06:12.120
recuperadores, especialistas em domínios treinados para acessar dados estruturados ou não.

00:06:12.300 --> 00:06:17.060
Por fim, o agente verificador ou raciocinador, que atua como editor-chefe, verifica a consistência,

00:06:17.320 --> 00:06:21.520
valida as citações e compila a resposta final. Juntos, eles executam o que chamamos de ciclo

00:06:21.520 --> 00:06:26.300
de raciocínio adaptativo. Consulta, recuperação, validação, refinamento e ação.

00:06:26.300 --> 00:06:31.080
A palavra crucial é adaptável. Ao contrário do R.A.G. padrão, esse ciclo não termina na primeira

00:06:31.080 --> 00:06:35.400
saída. Ele é redirecionado quando surgem contradições. Compare essa dança orquestrada

00:06:35.400 --> 00:06:39.840
a uma redação. O planejador é o editor-chefe que atribui pautas. Você verifica o SharePoint

00:06:39.840 --> 00:06:44.040
em busca de relatórios internos. Você extrai as métricas do sensor do Fabric. Você examina

00:06:44.040 --> 00:06:48.420
a web por dados de concorrentes. Cada agente recuperador busca sua parte. O verificador

00:06:48.420 --> 00:06:51.700
verifica os fatos do rascunho combinado, executa novamente as consultas se as citações

00:06:51.700 --> 00:06:55.100
forem conflitantes e só então publica o resumo. O resultado não é um pedaço de texto

00:06:55.100 --> 00:06:59.500
que apenas parece plausível. É uma percepção coerente e vinculada a evidências. O salto aqui

00:06:59.500 --> 00:07:04.220
não são modelos maiores, é raciocínio estruturado. Vamos nos aprofundar mais no cérebro do planejador.

00:07:04.380 --> 00:07:08.260
Ele interpreta sua pergunta em linguagem simples em um mapa de tarefas. Quais recuperadores usar,

00:07:08.460 --> 00:07:12.580
em qual ordem executá-los e como suas descobertas devem ser mescladas. É aqui que o serviço de

00:07:12.580 --> 00:07:17.400
agente de IA do Azure ganha sua existência. Ele fornece a camada de orquestração que permite

00:07:17.400 --> 00:07:22.280
que esses agentes se comuniquem. Microsserviços que se comunicam por meio de apps regidas pela

00:07:22.280 --> 00:07:27.560
autenticação Microsoft entra, sem suposições. Agora, sobre segurança, porque o responsável pela

00:07:27.560 --> 00:07:32.360
conformidade médio já está apertando o botão do pânico. O Agnetic RAG não corta atalhos. Ele é

00:07:32.360 --> 00:07:36.680
criado em prol da autenticação, o que significa que sua identidade viaja com a solicitação. O

00:07:36.680 --> 00:07:41.280
sistema não se faz passar por você. Ele usa seu token verificado para buscar apenas o que você tem

00:07:41.280 --> 00:07:46.420
permissão para ver. A segurança em nível de linha RLS e a segurança em nível de coluna CLS vêm integradas.

00:07:46.420 --> 00:07:51.240
A IA não pode revelar acidentalmente a previsão do CFO para um estagiário. Cada chamada de recuperação é

00:07:51.240 --> 00:07:55.820
registrada, auditável e reversível. Isso é importante porque o RAG estático não tem o conceito de contexto do

00:07:55.820 --> 00:07:59.780
usuário. Ele captura tudo o que sua camada de pesquisa permite, muitas vezes ignorando completamente

00:07:59.780 --> 00:08:04.060
o andame de permissão da empresa. O Agnetic RAG restaura essa disciplina. Quando o recuperador

00:08:04.060 --> 00:08:08.460
de malha consulta uma tabela Lakehouse, ele aplica as mesmas regras de RLS que seus painéis de bio

00:08:08.460 --> 00:08:12.900
obedecem. Quando o agente do SharePoint vasculha bibliotecas de documentos, ele respeita permissões

00:08:12.900 --> 00:08:17.600
de nível de site e rótulos do Microsoft Purview. Portanto, as mesmas políticas que protegem seus usuários

00:08:17.600 --> 00:08:21.980
humanos agora protegem seus usuários de IA. Vamos integrar isso de volta ao fluxo de trabalho.

00:08:22.240 --> 00:08:25.620
Suponha que a pergunta seja, em qual faixa de glicose o produto A tem desempenho

00:08:25.620 --> 00:08:30.220
inferior em comparação ao produto B, e qual é o impacto clínico. O RAG padrão descartará todos os

00:08:30.220 --> 00:08:34.960
trechos que mencionam o produto A e a glicose. O Agnetic RAG, com tecnologia do Azure AI Agent

00:08:34.960 --> 00:08:39.620
Service, primeiro faria seu planejador identificar três frentes de recuperação. Fabric para dados do

00:08:39.620 --> 00:08:44.620
sensor, SharePoint para notas clínicas e Bing para publicações externas. Cada agente recuperador traz

00:08:44.620 --> 00:08:50.000
evidências relevantes. O verificador compara conjuntos de dados, sinaliza discrepâncias e talvez até

00:08:50.000 --> 00:08:54.960
refine a consulta original do Fabric se um outlier aparecer. Somente após a validação ele sintetiza o

00:08:54.960 --> 00:08:58.940
insight final com as citações intactas. Esse é o raciocínio iterativo em ação.

00:08:59.160 --> 00:09:04.660
O RAG reativo para após a etapa 1. O RAG Agent aprende e se ajusta no meio da conversa. Ele pode

00:09:04.660 --> 00:09:09.620
decompor perguntas de acompanhamento automaticamente. Pergunte. Podemos melhorar a precisão usando estudos

00:09:09.620 --> 00:09:14.360
recentes? E os mesmos agentes se movem para buscar materiais emergentes sem perder o contexto. É

00:09:14.360 --> 00:09:19.800
compreensão contínua. Não perda de memória episódica. O bônus de conformidade é enorme. A ação de cada

00:09:19.800 --> 00:09:23.800
agente é rastreável em registros de auditoria, cada token autonticado, cada token documento

00:09:23.800 --> 00:09:28.620
registrado. Você tem a ilusão de onisciência com a papelada da prudência. Algo que os auditores

00:09:28.620 --> 00:09:34.300
adoram. Então, a mudança filosófica é esta. A recuperação sozinha fornece informações. A agência

00:09:34.300 --> 00:09:38.360
converte essas informações em processo. Ao introduzir planejamento, especialização e

00:09:38.360 --> 00:09:42.480
verificação, o Azure Agent Service transforma pools de dados aleatórios em cadeias de raciocínio

00:09:42.480 --> 00:09:46.400
responsáveis. No mundo empresarial, essa é a diferença entre um assistente em que você confia

00:09:46.400 --> 00:09:50.200
e um que você desativa silenciosamente. Agora que nosso copiloto tem um cérebro funcional,

00:09:50.200 --> 00:09:54.100
é hora de alimentá-lo com uma memória adequada. Em outras palavras, vamos dar a ele um lugar

00:09:54.100 --> 00:09:57.220
substancial para analisar, começando com o caos desestruturado do SharePoint.

00:09:57.480 --> 00:10:01.820
Integrando o SharePoint, transformando o caos em conhecimento. O SharePoint é onde o conhecimento

00:10:01.820 --> 00:10:06.700
corporativo se esconde. Toda empresa tem um, um sítio arqueolôsico de PowerPoints, notas de reuniões,

00:10:06.980 --> 00:10:11.420
especificações desatualizadas e documentos chamados Final V12 realmente final. E para os humanos,

00:10:11.720 --> 00:10:16.800
é um caos. Para um sistema de trapos em Xenu, é um caos elegível. A pesquisa por palavra-chave retorna

00:10:16.800 --> 00:10:20.820
obedientemente mil resultados, a maioria deles irrelevantes, e o usuário médio rola a tela

00:10:20.820 --> 00:10:25.580
até que o moral melhore. Então, eles pedem ajuda ao copiloto, e o copiloto prontamente resume a década

00:10:25.580 --> 00:10:29.720
errada. O Agent Kihag trata o SharePoint de forma diferente, não como uma biblioteca,

00:10:29.880 --> 00:10:34.080
mas como um substrato de conhecimento. Ele sabe que enterrados dentro dessas pastas estão os

00:10:34.080 --> 00:10:39.440
insights qualitativos que as tabelas estruturadas em tecido nunca capturaram, contexto, decisões,

00:10:39.780 --> 00:10:44.060
lógica. Então, em vez de fazer uma única busca por palavras-chave, o agente de recuperação do

00:10:44.060 --> 00:10:48.160
SharePoint usa embeddings semânticos e pesquisa vetorial para mapear o sentido, não apenas o

00:10:48.160 --> 00:10:52.640
texto. Pergunte sobre a confiabilidade do produto em ambientes úmidos, e ele não se fixa nessas

00:10:52.640 --> 00:10:57.880
palavras exatas. Ele detecta documentos que discutem modos de falha, resistência à condensação e

00:10:57.880 --> 00:11:03.160
desempenho adesivo. Ele reconhece a intenção. É aqui que a conscientização de permissão se torna

00:11:03.160 --> 00:11:07.540
o recurso decisivos. Cada site do SharePoint tem sua própria rede emaranhada de permissões,

00:11:07.820 --> 00:11:12.380
equipes, subsites e pastas confidenciais. Um rastreador burro ignora isso e acidentalmente

00:11:12.380 --> 00:11:16.840
revela reclamações de RH em um relatório de marketing. O modelo agente que, no entanto,

00:11:17.120 --> 00:11:21.520
autentica em seu nome, herdando seu contexto de segurança exato. Ele só pode ler o que você tem

00:11:21.520 --> 00:11:25.760
permissão para ver. A saída é ajustada automaticamente pela política. Ajuste de segurança,

00:11:26.020 --> 00:11:30.520
cortesia dos rótulos Microsoft entra e púrvio. Portanto, a inteligência da IA nunca supera sua

00:11:30.520 --> 00:11:35.900
autorização. Vamos executar um cenário prático. Um gerente de P&D digita um resumo das diferenças de

00:11:35.900 --> 00:11:41.180
desempenho do produto em climas costeiros. O planejador divide isso em submissões. Um recuperador de

00:11:41.180 --> 00:11:45.120
tecido se prepara para analisar dados numéricos do sensor, enquanto o agente do SharePoint mergulha

00:11:45.120 --> 00:11:48.660
em documentos de pesquisa internos, registros de manutenção e notas de engenharia marcados

00:11:48.660 --> 00:11:53.380
com termos relacionados à umidade. Ele encontra um relatório de teste de campo de 2023, um tópico

00:11:53.380 --> 00:11:57.300
de discussão sobre corrosão de materiais e um documento com as descobertas resumidas da equipe

00:11:57.300 --> 00:12:02.220
de confiabilidade. Cada documento é pontuado por vetor quanto à relevância semântica, recuperado e

00:12:02.220 --> 00:12:07.180
passado para o agente verificador. Esse verificador verifica esses resultados qualitativos em relação aos

00:12:07.180 --> 00:12:11.540
números de tecido. Se surgirem contradições, digamos que um documento desatualizado alegue

00:12:11.540 --> 00:12:16.440
corrosão mínima, ele sinaliza a inconsistência e solicita dados mais recentes. A resposta sintetizada

00:12:16.440 --> 00:12:21.260
final informa ao gerente de P&D precisamente quais conjuntos se degradam em alta umidade e cita as

00:12:21.260 --> 00:12:26.100
fontes validadas. O que costumava ser várias horas de escavação manual agora se transforma em um ciclo

00:12:26.100 --> 00:12:30.940
contínuo de raciocínio. O SharePoint muda de um repositório passivo para uma inteligência empresarial

00:12:30.940 --> 00:12:35.800
participante ativa, essencialmente uma memória neural de decisões corporativas. A camada de pano

00:12:35.800 --> 00:12:40.080
argentique não lê simplesmente documentos, ela aprende relacionamentos, linhagem de projetos,

00:12:40.300 --> 00:12:44.080
tendências de autoria, clusters contextuais e pode encadeá-los em argumentos coerentes.

00:12:44.300 --> 00:12:47.840
Agora, os responsáveis pela conformidade ainda podem se contorcer quando ouvem a recuperação

00:12:47.840 --> 00:12:52.180
autônoma. Relaxe. Cada consulta e toque em documento é registrado, as trilhas de auditoria

00:12:52.180 --> 00:12:57.380
permanecem intactas, estruturas regulatórias como ISO 27001 e GDPR dependem de responsabilidade,

00:12:57.600 --> 00:13:01.900
e esse sistema fornece isso automaticamente. O agente pode até anexar metadados citando o caminho do

00:13:01.900 --> 00:13:05.860
documento e o carimbo de data, hora de acesso a cada frase gerada. Isso significa que cada

00:13:05.860 --> 00:13:09.420
alegação feita pela IA pode ser rastreada até uma versão específica de um arquivo,

00:13:09.420 --> 00:13:12.940
o que é irrevogável para robôs. Em suma, integrar o SharePoint sob o pano

00:13:12.940 --> 00:13:17.060
argentique transforma o caos de conteúdo em coreografia de conhecimento. Seu passado não

00:13:17.060 --> 00:13:21.580
estruturado se torna pesquisável por significado, protegido por política e validado por referência

00:13:21.580 --> 00:13:25.960
cruzada. O SharePoint deixa de ser um sótão digital e se torna uma infraestrutura cognitiva.

00:13:26.160 --> 00:13:30.560
Mas o contexto qualitativo é apenas metade do cérebro. A outra metade, a verdade da estrutura

00:13:30.560 --> 00:13:33.620
numérica, reside no Microsoft Fabric, e é para lá que vamos a seguir.

00:13:33.880 --> 00:13:38.440
Microsoft Fabric, a contraparte estruturada. Bem-vindo ao outro hemisfério do seu cérebro

00:13:38.440 --> 00:13:43.180
empresarial, o lado estruturado. Se o SharePoint armazena seu conhecimento tribal, o Microsoft

00:13:43.180 --> 00:13:47.540
Fabric guarda sua verdade empírica. É a espinha dorsal de análise unificada onde números,

00:13:47.780 --> 00:13:50.860
modelos e fluxos de eventos convergem em algo que se aproxima da coerência.

00:13:51.020 --> 00:13:54.800
A maioria das organizações o trata como um data warehouse. Sob o agentique RAG,

00:13:54.960 --> 00:13:58.460
ele se torna um substrato de raciocínio. Aqui está o papel que o Fabric desempenha.

00:13:58.460 --> 00:14:02.860
Precisão. Ele não conta histórias, ele conta telemetria, transações e séries temporais.

00:14:03.040 --> 00:14:07.480
Na vida do Fabric, o Lake House, o Warehouse e o modelo semântico, cada um um dialeto diferente

00:14:07.480 --> 00:14:11.980
de estrutura. Um agente de dados do Fabric criado sobre o serviço de agente de Ia do Azuri traduz

00:14:11.980 --> 00:14:15.740
a linguagem natural em consultas estruturadas que atravessam essas camadas com segurança.

00:14:15.920 --> 00:14:19.400
Pergunte, mostre a variação de rendimento trimestral para o produto A por região e ele

00:14:19.400 --> 00:14:23.740
silenciosamente cria uma consulta otimizada semelhante a SQL direcionada às tabelas e partições

00:14:23.740 --> 00:14:28.620
certas. Executando em seu contexto autenticado, sem promptes, sem ferramentas do PowerBD,

00:14:28.860 --> 00:14:33.000
inteligência governada direta. Agora, o acesso bruto a números não tem sentido sem proteção,

00:14:33.260 --> 00:14:37.080
então a segurança asiática do Fabric não é uma opção, é arquitetura. Cada interação

00:14:37.080 --> 00:14:41.260
é criptografada e autenticada por meio do Microsoft EntraID, garantido que o agente

00:14:41.260 --> 00:14:45.240
opere sob seu token de usuário verificado. Lembra do caos dos atalhos de entidade de

00:14:45.240 --> 00:14:48.880
serviço que ignoram a segurança em nível de linha? Eles são proibidos aqui.

00:14:48.880 --> 00:14:53.580
O fluxo em nome do transporta sua identidade de ponta a ponta, aplicando RLS e segurança

00:14:53.580 --> 00:14:56.980
em nível de coluna automaticamente. Se o departamento financeiro marcar uma coluna

00:14:56.980 --> 00:15:00.580
como confidencial, a IA nunca a vislumbrará, e cada execução deixará rastros nos logs

00:15:00.580 --> 00:15:04.120
de auditoria do Fabric, satisfazendo os auditores que tratam os logs como histórias de Ninar.

00:15:04.240 --> 00:15:08.300
Além disso, está a governança do Curvio. Os rótulos de sensibilidade viajam com os

00:15:08.300 --> 00:15:12.300
dados, confidenciais, somente internos, com restrição de exportação. Quando o agente de

00:15:12.300 --> 00:15:16.200
dados do Fabric compõe uma consulta usando esses campos, as políticas interceptam instantaneamente.

00:15:16.200 --> 00:15:19.960
As tentativas de violação acionam a aplicação de DLP antes que um único byte escape. É

00:15:19.960 --> 00:15:23.440
essencialmente uma proteção contra bebês de nível empresarial para a IA. O modelo pode

00:15:23.440 --> 00:15:27.220
explorar, mas não se eletrocutar. Então, o que acontece quando combinamos essa disciplina

00:15:27.220 --> 00:15:31.580
estruturada com a intuição confusa do SharePoint? O serviço do agente de IA do Azur e orquestra

00:15:31.580 --> 00:15:36.260
isso. Imagine um tribunal. O agente do Fabric fornece as evidências concretas, gráficos,

00:15:36.440 --> 00:15:40.280
contagens, médias de sensores, enquanto o agente do SharePoint fornece os depoimentos das

00:15:40.280 --> 00:15:44.300
testemunhas. O agente verificador os interroga, garantido que os números e as narrativas estejam

00:15:44.300 --> 00:15:47.960
alinhados antes de apresentar o veredito como uma resposta unificada e rica em citações.

00:15:48.180 --> 00:15:52.500
Vamos usar um exemplo. Um líder de operações pergunta. Estamos perdendo eficiência devido

00:15:52.500 --> 00:15:56.660
a defeitos de embalagem? O planejador envia o agente Fabric para recuperar as taxas de rendimento

00:15:56.660 --> 00:16:00.700
por linha de produção do depósito. Simultaneamente, ele envia o agente SharePoint para vasculhar

00:16:00.700 --> 00:16:04.500
os registros de manutenção e a correspondência do fornecedor. O agente Fabric retorna um conjunto

00:16:04.500 --> 00:16:08.740
de dados que mostra pequenas quedas correlacionadas a picos de umidade. O agente SharePoint exibe

00:16:08.740 --> 00:16:12.420
uma sequência de e-mails citando materiais de embalagem deformados durante o mesmo período.

00:16:12.420 --> 00:16:16.860
O verificador corrobora ambos, rotula a correlação como confiável e o sistema elabora uma descoberta

00:16:16.860 --> 00:16:20.940
concisa completa com gráficos quantitativos e documentos de referência. Diagnóstico Six

00:16:20.940 --> 00:16:25.440
Sigma instantâneo sem os analistas insônias. Nos bastidores, o serviço do agente de IA do

00:16:25.440 --> 00:16:29.320
Azure lida com a simultaneidade, recuperações em lote por meio do que é efetivamente uma

00:16:29.320 --> 00:16:33.060
malha de microserviços. Cada agente publica um esquema descrevendo o que pode acessar,

00:16:33.300 --> 00:16:38.220
esquemas Fabric, metadados do SharePoint ou o contexto da web aberta do Bing. O planejador utiliza

00:16:38.220 --> 00:16:42.700
esse registro como um diretório de app. O resultado é inteligência modular. Troque

00:16:42.700 --> 00:16:46.980
ou estenda agentes conforme novos domínios de dados surgem sem reescrever todo o copilô.

00:16:46.980 --> 00:16:50.840
Em termos de desempenho, a inovação não são modelos maiores, mas uma ordem de recuperação

00:16:50.840 --> 00:16:54.520
mais inteligente. O planejador pode consultar o Fabric primeiro para definir limites numéricos

00:16:54.520 --> 00:16:58.180
e, em seguida, usá-los para restringir a exploração do SharePoint. Isso reduz o ruído

00:16:58.180 --> 00:17:02.180
e acelera a convergência. Pense nisso como uma poda de dados por meio da razão.

00:17:02.180 --> 00:17:06.420
Em vez de se afogar em 10 mil documentos, o sistema sabe quais 10 são importantes porque

00:17:06.420 --> 00:17:09.980
os números já enquadram a questão. Os gestores de Compliance adoram esta configuração,

00:17:10.180 --> 00:17:13.860
pois a governança escala com inteligência. Cada chamada de agente é registrada, cada

00:17:13.860 --> 00:17:18.480
transformação rastreável. Quando o CFO pergunta de onde veio esse número, você pode apontar

00:17:18.480 --> 00:17:22.460
diretamente para a tabela do Fabric, o registro de data e hora e o token do usuário em execução.

00:17:22.640 --> 00:17:27.300
Essa transparência converte medo em confiança, moeda essencial em setores regulamentados como

00:17:27.300 --> 00:17:31.440
finanças ou saúde. Combine essas propriedades e você terá criado uma sinfonia analítica,

00:17:31.440 --> 00:17:35.280
precisão estruturada do Fabric harmonizada com compreensão contextual do SharePoint.

00:17:35.480 --> 00:17:39.720
A empresa passa da busca e esperança para recuperação, verificação e decisão. E sim,

00:17:39.940 --> 00:17:43.660
a velocidade é assustadora. Agora, combine essa recuperação em várias camadas com o raciocínio

00:17:43.660 --> 00:17:47.880
e você terá velocidade. Uma velocidade assustadora. O ciclo de pesquisa para decisão

00:17:47.880 --> 00:17:52.540
que antes exigia um desfile de analistas agora se reduz a horas, o que nos leva diretamente ao

00:17:52.540 --> 00:17:58.520
movimento final. Impacto. O impacto empresarial de meses para minutos. Vamos falar sobre as consequências,

00:17:58.520 --> 00:18:02.700
as boas. Quando você faz o upgrade do RAG passivo para o RAG agente no Fabric e no SharePoint,

00:18:02.940 --> 00:18:07.040
o cronograma médio da empresa se curva. O que levava meses de relatórios se transforma em minutos

00:18:07.040 --> 00:18:12.160
de síntese verificada. A IA não espera mais que os humanos traduzam perguntas em consultas de dados.

00:18:12.400 --> 00:18:17.820
Ela executa essa tradução, validação e resumo automaticamente. Pense em P&D. As equipes

00:18:17.820 --> 00:18:22.480
costumavam montar comitês multifuncionais para se alinharem aos dados. Engenheiros exportando métricas

00:18:22.480 --> 00:18:26.740
de teste, analistas limpando-as, verificando permissões de conformidade e alguém inevitavelmente

00:18:26.740 --> 00:18:31.240
renomeando arquivos como final final. O RAG agente acaba com esse ciclo. O planejador

00:18:31.240 --> 00:18:35.260
orquestra agentes que recuperam tabelas de desempenho do Fabric e notas de design do SharePoint

00:18:35.260 --> 00:18:39.560
simultaneamente, mesclaram-nas e elaboram um resumo validado completo com citações e rótulos

00:18:39.560 --> 00:18:44.600
de segurança. Latência de decisão, quase zero. Conformidade e auditoria vivenciam ondas de

00:18:44.600 --> 00:18:49.100
choque semelhantes. Auditoriais tradicionais exigiam enviar pacotes de provas por e-mail. Agora,

00:18:49.100 --> 00:18:53.540
a mesma IAC escreveu o relatório pode regenerar sua trilha de raciocínio sob demanda. Toda chamada

00:18:53.540 --> 00:18:57.620
de busca, stream de consulta, caminho de arquivo e datas são registrados. Os auditores podem

00:18:57.620 --> 00:19:00.960
reproduzir as etapas exatas que levam a uma conclusão, transformando a diligência devida

00:19:00.960 --> 00:19:04.680
de uma caça ao tesouro em uma caixa de seleção. O que costumava ser uma exposição ao risco se

00:19:04.680 --> 00:19:09.480
torna uma joia da governança. A manufatura ganha uma vantagem preditiva. Os fluxos quantitativos

00:19:09.480 --> 00:19:14.180
do Fabric revelam desvios de processo. As notas qualitativas do SharePoint explicam as causas.

00:19:14.180 --> 00:19:18.260
O Argentique Loop os correlaciona antes que os alertas aumentem, realizando efetivamente a

00:19:18.260 --> 00:19:22.100
melhoria contínua sem um consultor Six Sigma. Imagine substituir uma sala de estagiários

00:19:22.100 --> 00:19:25.620
sobrecarregados por um painel de consultores especialistas que nunca dormem, nunca esquecem

00:19:25.620 --> 00:19:29.480
o contexto e nunca excedem o orçamento. Esse é o equivalente operacional da inteligência

00:19:29.480 --> 00:19:34.240
composta. Claro, a automação só importa se for responsável. O Argentique RAG preserva

00:19:34.240 --> 00:19:38.360
cada camada de herança empresarial, permissões, rótulos de sensibilidade e registros de auditoria,

00:19:38.580 --> 00:19:42.640
para que os CIUS possam dimensionar a inteligência sem dimensionar o risco. Cada insight é rastreável

00:19:42.640 --> 00:19:47.460
até a credencial do usuário e o repositório governado que o produziu. O sistema opera como um livro

00:19:47.460 --> 00:19:52.740
Razão Financeiro para pensamentos, transparente, reversível e inviolável. E o custo humano,

00:19:53.000 --> 00:19:57.420
menos tédio. Os profissionais param de copiar e colar de exportações e começam a interpretar

00:19:57.420 --> 00:20:02.080
verdades sintetizadas. As reuniões encurtam porque a IA chega com evidências pré-validadas.

00:20:02.220 --> 00:20:06.640
Os projetos aceleram porque os dados e a narrativa convergem instantaneamente. É a parte que a maioria

00:20:06.640 --> 00:20:11.520
dos executivos ignora. Agir rápido não é imprudente quando o raciocínio é documentado. A verdadeira

00:20:11.520 --> 00:20:15.740
imprudência ainda é criar copilotos idiotas, papagaios cegos ao contexto e de tiro único disfarçados

00:20:15.740 --> 00:20:19.980
de estrategistas. Esses pertencem ao museu das primeiras curiosidades da IA, ao lado do clipe.

00:20:20.140 --> 00:20:23.600
Portanto, se sua empresa ainda celebra um copiloto que apenas recupera, parabéns,

00:20:23.780 --> 00:20:27.780
você está financiando um autocompletar sofisticado. Os participantes sérios já estão usando agentes

00:20:27.780 --> 00:20:32.260
que planejam, verificam e agem. A regressão de meses para minutos é apenas o benefício superficial.

00:20:32.580 --> 00:20:36.860
O mais profundo é a integridade epistêmica. Decisões que realmente refletem a realidade porque

00:20:36.860 --> 00:20:41.220
a inteligência que as constrói é responsabilizada. É por isso que continuar a construir copilotos burros

00:20:41.220 --> 00:20:45.660
não é apenas ineficiente, é imprudente. O futuro da IA empresarial não são promptes maiores,

00:20:45.900 --> 00:20:50.660
são ciclos de feedback menores com melhor memória e governança. O Argentic Rag oferece ambos.

00:20:50.860 --> 00:20:55.100
A inteligência finalmente se comporta como um sistema, não como uma façanha. Pare de construir,

00:20:55.460 --> 00:21:00.500
comece a pensar. O Rag sem agência é obsoleto. É a arquitetura de ontem fingindo lidar com os

00:21:00.500 --> 00:21:05.300
problemas de amanhã. A empresa moderna não precisa de chatbots, precisa de infraestrutura cognitiva,

00:21:05.560 --> 00:21:09.520
sistemas que possam planejar, verificar e agir sob sua identidade, não ao lado dela.

00:21:09.520 --> 00:21:14.300
Esse é o Agnetic Rag, um ecossistema de raciocínio deliberado criado no Azure AI Agent Service que

00:21:14.300 --> 00:21:18.360
se comunica com segurança com o SharePoint e o Microsoft Fabric como uma equipe de especialistas

00:21:18.360 --> 00:21:22.020
compartilhando um cérebro autonticado. Se o seu copiloto ainda não consegue programar suas

00:21:22.020 --> 00:21:26.120
próprias recuperações, validar referências ou explicar sua trilha de raciocínio, pare de chamá-lo

00:21:26.120 --> 00:21:31.040
de inteligente, ele é decorativo. Inteligência implica intenção, verificação e consequência.

00:21:31.260 --> 00:21:36.260
A IA decorativa realiza monólogos, a IA Agnetic conduz experimentos. A diferença é a

00:21:36.260 --> 00:21:41.740
responsabilização. Uma cria resultados, a outra cria compreensão. Essa mudança arquitetônica

00:21:41.740 --> 00:21:45.520
não é mais opcional. No momento em que sua decisão abrange dados estruturados e não

00:21:45.520 --> 00:21:49.500
estruturados, o Estetic Rag entra em colapso. Os responsáveis pela conformidade já sabem

00:21:49.500 --> 00:21:53.180
disso, os analistas já sentem isso e a liderança em breve exigirá provas de raciocínio, não

00:21:53.180 --> 00:21:56.940
apenas confiança no tom. A pilha da Microsoft finalmente fornece a estrutura.

00:21:57.120 --> 00:22:01.300
O Azure AI Agent Service para orquestração, agentes de dados do Fabric para verdade quantitativa,

00:22:01.540 --> 00:22:04.780
recuperações do SharePoint para contexto e governança do curvio selando todo o sistema

00:22:04.780 --> 00:22:09.480
nervoso. Então, aqui está seu desafio. Pare de implantar pôneis de exibição. Crie

00:22:09.480 --> 00:22:13.720
agentes que discutam entre si até concordarem sobre a verdade. Experimente o planejamento

00:22:13.720 --> 00:22:18.120
multi-agente. Teste em nome da autenticação. Conecte o Fabric e o SharePoint até que sua

00:22:18.120 --> 00:22:21.860
IA possa realmente defender suas respostas. Porque inteligência sem ação não é inteligência

00:22:21.860 --> 00:22:25.560
de forma alguma. Se esta explicação esclareceu mais do que seu fornecedor jamais esclareceu,

00:22:25.760 --> 00:22:29.660
inscreva-se. O próximo mergulho profundo desconstrói o design multi-agente dentro da IA

00:22:29.660 --> 00:22:35.220
do Microsoft 365. Como tornar seu copiloto não apenas atento, mas sensível dentro da

00:22:35.220 --> 00:22:40.420
política. Eficiência não é mágica, é arquitetura. Bloqueie seu caminho de atualização, inscreva-se,

00:22:40.600 --> 00:22:44.260
habilite alertas e deixe novos insights serem implantados automaticamente. Prossiga.
