← Todos os insights

Análise de notíciaRecorte: Brasil4 min de leitura

Agentes de indústria do Google herdam barreiras éticas e citam fontes. IA é sobre regras, não vocabulário.

Gemini para Serviços Financeiros e Jurídico, ambos em preview, dependem de permissões de caso do NetDocuments e iManage e de linhagem. O que isso resolve para equipes reguladas, e o que não resolve.

Ouça este artigo · 5 min

Narração completa do artigo, gerada por IA.

Um martelo de juiz em seu bloco, em duotone La Madre, ao lado das palavras Regras, não jargão
Foto: rawpixel (CC0)

Uma IA jurídica que sabe o que é uma cláusula de indenização, mas não sabe quais advogados estão impedidos de acessar um caso, não é um produto jurídico. É um passivo com bom vocabulário.

Essa é a forma útil de ler as edições de indústria do Gemini do Google, anunciadas no Gemini at Work em 8 de outubro. O Google diz que o Gemini especializado está “agora em preview para Financial Services e Legal, e em breve para Government, Healthcare e Retail”. As partes interessantes das duas previews não são o que o modelo sabe sobre o setor. São as regras que ele promete respeitar.

No jurídico, as barreiras vivem no sistema de documentos

Para escritórios de advocacia e departamentos jurídicos, a manchete do Google é que o Gemini “herda permissões em nível de caso e barreiras éticas diretamente de plataformas de gestão de documentos como NetDocuments e iManage”. Harvey e Onit são citados como parceiros, e a Cooley, diz o Google, está construindo um agente que oculta informações confidenciais antes que os documentos se tornem públicos.

Herdar as barreiras em vez de reconstruí-las é o design certo. Os escritórios já aplicam barreiras de informação em seus sistemas de documentos, e são esses sistemas que as equipes de risco auditam. Uma camada de IA com sua própria cópia das regras se desviaria do original na primeira vez que uma barreira mudasse. É o mesmo raciocínio que vimos em agentes da SAP dentro do sistema de transação: controles que já funcionam valem mais do que novos.

A herança, porém, levanta questões que uma preview precisa responder antes que um escritório confie nela:

  • Quando a barreira é verificada? No momento de cada solicitação, ou quando os documentos foram indexados? Uma barreira criada esta manhã precisa valer esta manhã.
  • Ela alcança material derivado? Resumos, minutas, memória do agente e índices de busca são cópias do conteúdo do caso. Se um agente se lembra de algo do caso A e depois trabalha para um advogado isolado do caso A, a permissão no documento original não protege mais nada.
  • Quem vê a resposta? Uma resposta compartilhada em um espaço de equipe chega a todos nele, independentemente do que o solicitante tinha permissão para ler.

Nenhuma delas é exótica. São o que o jurídico de um escritório vai perguntar, e o período de preview é a hora de perguntar.

Em finanças, a citação é o produto

Para serviços financeiros, o Google lista mais de 50 habilidades fundamentais, dados da FactSet, LSEG, S&P Global, documentos da SEC e repositórios da própria empresa, e resultados com “pontuações de confiança, metodologias explícitas, linhagem de dados completa para facilitar a auditoria e citações de fontes que você pode conferir”. CME Group e Deutsche Bank são citados como clientes.

No mesmo keynote, o Google cita Bradesco e Banco BV entre clientes brasileiros do produto geral Gemini Enterprise (não da edição de serviços financeiros): o Bradesco usa o Gemini Enterprise para análise fiscal, contábil e contratual e, segundo o Google, reduziu a revisão de documentos de cerca de 1 hora para 5 minutos (números reportados pelo Google, já publicados no anúncio de expansão do Google no Brasil de 24 de setembro de 2026); o Banco BV o usa para criar roteiros personalizados para gerentes de relacionamento. O keynote não afirma que eles usam a edição de serviços financeiros.

Linhagem e citações são o que tornam o trabalho de um analista auditável, então construí-las é o instinto certo. Mas uma citação é um ponteiro, não uma prova. Como argumentamos em nosso artigo sobre IA regulada, a evidência de que um resultado está certo precisa vir de algo independente do modelo: um revisor que confere a fonte, uma reconciliação com um sistema confiável. Uma pontuação de confiança produzida pelo sistema que escreveu a resposta é um sinal, não um controle.

Duas verificações práticas pertencem a qualquer avaliação. O keynote não diz se os dados de mercado da FactSet, LSEG ou S&P Global vêm com o produto ou exigem licenças existentes da empresa, e essas licenças frequentemente restringem como os dados podem ser redistribuídos dentro do conteúdo gerado. E “linhagem de dados completa” deve ser testada rastreando uma amostra de respostas até suas fontes, não aceita de um slide.

Para que serve uma preview

Preview significa nenhum compromisso de disponibilidade geral (GA), e para trabalho regulado deve significar nenhuma obrigação de produção. É também o momento mais barato para testar as alegações que importam: crie uma barreira e tente atravessá-la, mude uma permissão e cronometre quanto tempo o agente leva para notar, rastreie um número em uma resposta até sua fonte.

As edições de indústria serão julgadas pelo conhecimento de domínio nas demos. Em produção, serão julgadas por quão fielmente aplicam as regras que o escritório já tem. Avalie-as da segunda forma: tentando quebrar as regras.

Tem um caso de uso de IA parado entre o protótipo e a produção?

Conte o que você quer colocar no ar. Respondemos com próximos passos honestos.

Converse sobre um caso de uso