Monday.com dá a agentes de IA acesso à produção, com guardrails padronizados

A equipe de Production Engineering da monday.com montou uma plataforma compartilhada para que agentes baseados em LLM atuem sobre código de infraestrutura (Terraform, Helm, GitOps, CDKTF) e até aprovem pull requests. O ponto central é onde a segurança mora: os guardrails ficam na plataforma, não no modelo. Valem para qualquer agente, seja qual for a decisão que o modelo tomar.

O desenho técnico é enxuto. Um orquestrador em TypeScript recebe webhooks do monday.com e menções no Slack, confere a assinatura do evento e sobe um Kubernetes Job descartável, com token do GitHub App restrito aos repositórios da tarefa e validade de cerca de uma hora. Não há chaves de longa duração nem credenciais AWS de data plane no container. As ferramentas passam por um dispatcher de políticas (identidade do ticket, repositórios permitidos, blocklist de caminhos), sem http_request, shell ou eval genérico. Um classificador de risco independente, em outra chamada ao Bedrock com contexto limpo, avalia diff, plano e arquivos tocados. Se o veredito for crítico, a aprovação é bloqueada antes de chegar ao GitHub. Mudanças escritas pelo agente sempre abrem como PR, e a branch protection continua exigindo revisão humana.

Há ainda sanitização de segredos por regex e de dados pessoais por Presidio antes de salvar memória, memória separada por nível de confiança, evals de prompt no CI, kill switches por feature flag e trilha de auditoria no LangSmith. A própria equipe admite que marcar conteúdo externo como não confiável reduz o risco de prompt injection, mas não o elimina. Por isso as outras camadas existem.

Os números: antes, scripts automatizaram cerca de 30% da carga, a parte determinística. Após um trimestre, os agentes resolveram cerca de 50% dos 1.688 tickets mensais de infraestrutura sem escalonar para humanos. A plataforma tem 7 agentes e atende 6 times de Infra. Novos agentes entram com três arquivos de configuração, sem serviço novo.

Em 15 de setembro de 2026, o CEVIU noticiou "Monday.com Detalha Estratégia Robusta para Agentes de IA em Produção", sobre o 'feedAgent harness', que encapsula o modelo com etapas de validação. A notícia de agora mostra a mesma empresa aplicando a lógica de guardrails fora do produto, na operação da própria infraestrutura, com resultado medido em tickets resolvidos.

Para quem opera TI corporativa, a leitura é que dar acesso a produção para agentes é questão de arquitetura de controle, não de confiar mais no modelo. Credenciais efêmeras, ferramentas sem escape genérico, avaliador de risco separado e branch protection no Git host são controles que times de governança já conhecem, aplicados a um ator novo. O ganho de 50% de resolução sem escalonamento é número da própria empresa, sem verificação externa, mas serve de referência para dimensionar o custo de plantão. O risco que sobra, como prompt injection, exige defesa em camadas.