Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarAWS Machine Learning Blog→ original

BMW leva as regras de agentes de IA para o CI/CD e um registro comum para 12 500 desenvolvedores

A BMW Group tem 12 500 desenvolvedores, e centenas de equipes criam agentes de IA cada uma do seu jeito. Para não acabar com um zoológico, a empresa tirou as regras de segurança do código dos agentes e as levou para o CI/CD (o pipeline que verifica cada deploy), para o gateway MCP e para o registro. O agente escreve rascunhos de documentação quase sozinho, mas a gravação no banco de dados de produção exige aprovação humana. A conclusão: é mais barato embutir as verificações desde o início do que desfazer depois as «ilhas de IA».

Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
BMW leva as regras de agentes de IA para o CI/CD e um registro comum para 12 500 desenvolvedores
Fonte: AWS Machine Learning Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalAWS Machine Learning Blog ↗
Editor-chefe
Nível 0o humano aprova cada ação; o nível 2, apenas dentro de limites rígidos
Dado-chave #2No cadastro, o registro procura sozinho duplicatas de agentes e habilidades de outras equipes
Dado-chave #3A avaliação de qualidade só roda depois que os testes do build passam

A BMW Group tem mais de 12 500 desenvolvedores em P&D, e centenas de equipes ao redor do mundo criam agentes de IA: programas baseados em modelos de linguagem que chamam ferramentas e executam tarefas por conta própria. Se cada equipe escreve seus agentes de um jeito, o resultado é um zoológico impossível de verificar e de manter. Por isso, na BMW, as regras de segurança não ficam embutidas no código de cada agente.

Elas foram levadas para três pontos comuns: o CI/CD (pipeline automático que verifica cada alteração antes do deploy em produção), o gateway MCP (ponto único pelo qual os agentes acessam as ferramentas) e um registro compartilhado de agentes. Imagine um agente que escreve rascunhos de documentação e outro que atualiza o banco de dados de produção. O risco de cada um é diferente, e verificar os dois pelas mesmas regras não faz sentido.

Os engenheiros da BMW contaram isso no blog da AWS. O ponto prático para o leitor: dá para manter o controle sobre dezenas de agentes sem travar as equipes.

Escala e ideia central

O contexto impressiona. O P&D da BMW tem cerca de 500 milhões de linhas de código de software automotivo. O backend do Connected Vehicle reúne mais de 1 300 microsserviços, que entregam serviços digitais para 24 milhões de carros em circulação. Num setor regulado, o nível exigido de qualidade, estabilidade e conformidade é muito alto.

As equipes precisam de liberdade para experimentar, mas a empresa tem de manter padrões de segurança, compatibilidade e custo. Sem equilíbrio, surgem «ilhas de IA» isoladas e trabalho duplicado. A BMW não impõe um framework único. As regras de autenticação, autorização, limites de requisições e filtragem de conteúdo funcionam na camada de integração, e não dentro do código do agente. Por isso, elas sobrevivem à troca de framework, à substituição do modelo e à reorganização das equipes.

Três níveis de autonomia e verificações fora do agente

A BMW define o nível de confiança para cada etapa, e não para o agente inteiro:

  • Nível 0 (human-in-the-loop): o humano confirma cada ação. É por onde começam os agentes novos e as operações arriscadas.
  • Nível 1 (human-on-the-loop): o agente age sozinho, e o humano revisa as decisões depois. Serve para tarefas de risco médio, com entradas e saídas claras e possibilidade de reverter.
  • Nível 2: o agente trabalha de forma autônoma dentro de políticas rígidas, verificadas por código comum, e não por um pedido no prompt. Esse nível fica reservado a operações bem compreendidas e com histórico comprovado.

Um único cenário pode incluir etapas dos três níveis. A autonomia aumenta aos poucos, com base na qualidade medida, e não na sensação.

As verificações rodam no CI/CD, fora do ciclo de raciocínio do agente: permissões de acesso, regras em forma de código e checagens de conformidade bloqueiam o deploy antes da produção. Nem o agente nem o prompt dele podem anulá-las. Controles de egress separados, com lista de destinatários permitidos e busca de segredos nos dados de saída, impedem que um agente com dados confidenciais os envie por meio de uma chamada formalmente legítima.

Qualidade, montagem em blocos e registro

A BMW constrói os agentes em três camadas: ferramentas MCP (uma única operação, como uma chamada de API), habilidades (conjunto de ferramentas para uma tarefa de domínio, por exemplo, revisão de código) e fluxos (processos de ponta a ponta, como a revisão completa de um pull request). Cada camada é testada separadamente, e as junções entre elas passam por testes de interação. Tudo se conecta por padrões abertos: MCP, Agent Skills, o protocolo A2A para comunicação entre agentes e OpenTelemetry para tracing.

Qualquer mudança no agente dispara o pipeline: ajuste de prompt, nova ferramenta, troca de modelo. Primeiro rodam testes de regressão automáticos e rápidos; depois, a avaliação da qualidade das respostas contra um conjunto de dados de referência, com limiares. A ordem é intencional: a avaliação só roda em um build que passou nos testes. Um agente sem tracing é reprovado na verificação antes mesmo da avaliação.

Antes de escrever código, a equipe prepara cinco artefatos: os limites das tarefas do agente, o modelo de interação, a descrição clara das ferramentas, o dataset de referência e os critérios de qualidade. É assim que a BMW combate agentes sobrecarregados, cujo prompt inchado reduz a precisão e aumenta a latência. Se um agente cresceu além da tarefa, ele é dividido em especialistas mais estreitos. Eles são atualizados e escalados de forma independente, e o erro de um não derruba todo o processo. Um agente estreito muitas vezes se contenta com um modelo menor, o que reduz o custo de execução. O princípio do menor privilégio se cumpre naturalmente: o agente só tem acesso aos dados de que precisa.

O registro central de agentes, ferramentas e habilidades funciona como catálogo, como ponto de aprovação com log de auditoria e como ponto de verificação automática de segurança, incluindo prompt injection. No cadastro, ele também procura duplicatas que outras equipes já mantêm.

O que levar para casa

Comece pelo dataset de referência e pelo tracing, e não pela orquestração. Defina a autonomia por etapa. Mantenha as políticas no pipeline, e não nos prompts. Ressalva: é o relato da própria empresa no blog da AWS, e o trecho disponível é interrompido na seção sobre codificação via Terraform e CloudFormation. Não há números de economia, então não dá para avaliar o efeito. Mas, como checklist para quem implanta agentes em um setor regulado, o esquema é concreto.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Escala e ideia central?

O contexto impressiona. O P&D da BMW tem cerca de 500 milhões de linhas de código de software automotivo. O backend do Connected Vehicle reúne mais de 1 300 microsserviços, que entregam serviços digitais para 24 milhões de carros em circulação. Num setor regulado, o nível exigido de qualidade, estabilidade e conformidade é muito alto. As equipes precisam de liberdade para experimentar, mas a empresa tem de manter padrões de segurança, compatibilidade e custo.

O que se sabe sobre Três níveis de autonomia e verificações fora do agente?

A BMW define o nível de confiança para cada etapa, e não para o agente inteiro: Nível 0 (human-in-the-loop): o humano confirma cada ação. É por onde começam os agentes novos e as operações arriscadas. Nível 1 (human-on-the-loop): o agente age sozinho, e o humano revisa as decisões depois. Serve para tarefas de risco médio, com entradas e saídas claras e possibilidade de reverter. Nível 2: o agente trabalha de forma autônoma dentro de políticas rígidas, verificadas por código comum, e não por um pedido no prompt.

O que se sabe sobre Qualidade, montagem em blocos e registro?

A BMW constrói os agentes em três camadas: ferramentas MCP (uma única operação, como uma chamada de API), habilidades (conjunto de ferramentas para uma tarefa de domínio, por exemplo, revisão de código) e fluxos (processos de ponta a ponta, como a revisão completa de um pull request). Cada camada é testada separadamente, e as junções entre elas passam por testes de interação. Tudo se conecta por padrões abertos: MCP, Agent Skills, o protocolo A2A para comunicação entre agentes e OpenTelemetry para tracing.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…