A ontologia registra permissão, mas a autoridade real é outra

A notícia destaca o Authority Resolution Framework (ARF), desenvolvido por Parviz Shariff, que atua na Coca-Cola HBC. O ARF propõe uma análise profunda da autoridade em decisões corporativas, diferenciando cinco objetos: direitos formais (políticas), permissões de sistema, aprovações registradas, influência prática (julgamento real) e o mandato de um agente de IA. O problema surge quando há inconsistência entre esses pontos, especialmente em contextos automatizados. A CEVIU já alertou em julho de 2026, com o artigo "Alerta de Segurança: Agentes de IA Empresariais e o Perigo do Contexto Não Governado", sobre o risco de agentes de IA com acesso irrestrito a dados cruciais, sem um contexto devidamente governado.

O framework de Shariff aborda essa lacuna identificada pela CEVIU, mostrando que as permissões tradicionais e a documentação formal não capturam a complexidade da autoridade em ação. Isso se conecta diretamente às discussões anteriores da CEVIU, como em setembro de 2026 na matéria "Agentes de IA Revelam Brecha de Segurança Crítica em Sistemas Corporativos", que apontou a insuficiência de permissões de aplicativos para agentes de IA, e em abril de 2026, no artigo "A Governança de IA é o Gargalo", que destacava como a falta de governança impede a escalabilidade da IA. O ARF busca tornar essa complexidade mensurável, identificando desvios entre a autoridade documentada e a prática, oferecendo um caminho para evitar que a automação amplifique erros por falta de clareza nas decisões.

A cobertura anterior do CEVIU, com artigos como "Alerta de Segurança: Agentes de IA Empresariais e o Perigo do Contexto Não Governado" e "A Governança de IA é o Gargalo", já havia estabelecido que a governança de IA é um desafio crescente, identificando a falta de contexto e as vulnerabilidades. O que mudou é a proposição do Authority Resolution Framework (ARF) como uma ferramenta estruturada para diagnosticar e resolver essas inconsistências. Antes, a CEVIU levantava o problema; agora, Parviz Shariff apresenta uma metodologia que decompõe a autoridade em seus múltiplos aspectos, incluindo a influência informal, para revelar onde a falha de governança reside.

Shariff também aprimorou o próprio framework, que antes considerava a influência prática como uma forma de autoridade. Agora, ele a vê como um indicador diagnóstico, uma forma de medir se a estrutura documentada está sendo exercida como pretendido ou se tornou meramente cerimonial. Essa evolução conceitual dentro do próprio ARF é fundamental para uma análise mais precisa e para a tomada de decisões sobre como escalar a IA com segurança.

Para empresas que trabalham com Dados, Engenharia e Analytics, o Authority Resolution Framework (ARF) é crucial porque endereça a raiz de muitos problemas de integridade de dados e confiabilidade de processos automatizados. Sem entender a real dinâmica da autoridade, agentes de IA podem operar com base em informações incompletas ou enganosas, transformando pontos cegos organizacionais em ações de alto risco. Isso gera o que Shariff chama de "conta de inferência", que é o custo humano de corrigir decisões erradas, gerando retrabalho e atrasos significativos.

A aplicação do ARF permite que as organizações construam ontologias de dados e arquiteturas de sistemas que reflitam não apenas a estrutura formal, mas também o julgamento e a influência prática. Isso garante que a automação não se torne um catalisador de erros, mas sim um acelerador de decisões bem informadas e governadas. É a diferença entre uma IA que segue regras formais e uma IA que compreende o contexto completo da decisão, essencial para qualquer escala de automação com IA.