Como dar memória de longo prazo a um agente de IA para tocar um caso de vários dias

Um caso de dez dias também é trabalho de longo prazo, mesmo sem a IA ligada o tempo todo

No podcast Latent Space, publicado em 31 de outubro de 2026, Aman Singh, Lead AI Engineer na Arca (fintech de gestão de patrimônio que se descreve como "nativa em IA"), explicou um problema que qualquer advogado ou contador reconhece na hora: o trabalho sério raramente acontece numa sessão só. Ele se espalha por dias, com pausas, retomadas e gente diferente entrando em cada etapa.

Singh chama isso de trabalho de "horizonte longo" mas não "execução longa": o agente de IA não fica rodando dez dias seguidos, mas a tarefa como um todo leva até dez dias para fechar, porque depende de aprovações, documentos que chegam depois e decisões de terceiros.

É muito parar e começar, tem muitos atores no meio, muitos pontos de decisão, muitas passagens de bastão.

It's very stop-start, there's many actors in between, many decision points, many handoffs.Aman Singh, Lead AI Engineer na Arca

Troque "plano financeiro" por "processo trabalhista", "parcelamento tributário" ou "due diligence contábil" e a descrição não muda uma vírgula. É exatamente o formato do trabalho de escritório: abre, espera, retoma, passa para outra pessoa, espera de novo.

A memória que a Arca construiu: um arquivo vivo por cliente

O problema prático de um trabalho assim é que o chat de IA comum não lembra de nada entre uma sessão e outra. Cada conversa nova começa do zero, e quem usa ferramentas de IA no dia a dia sabe o custo de reexplicar o contexto toda vez.

A Arca resolveu isso com um sistema de memória interno que acompanha, para cada cliente, o que já aconteceu, o que precisa acontecer nos próximos dias, o que está sendo monitorado a longo prazo e qual pessoa é responsável por qual ação. Os próprios agentes alimentam esse registro a cada interação, então ele cresce sozinho enquanto o caso avança.

A empresa usa modelos da Anthropic e da OpenAI, com o Claude como provedor principal, e construiu por conta própria uma camada de orquestração (o que Singh chama de harness) que escolhe automaticamente qual modelo entra em cada tarefa, com base em testes internos da própria Arca. Ter essa camada própria, em vez de depender de um produto de agente fechado, é o que dá à empresa liberdade para trocar de fornecedor de modelo quando quiser.

O que dá para copiar sem construir nada disso

Nenhum escritório de advocacia ou contabilidade vai montar um harness próprio nem levantar os US$ 48,5 milhões que a Arca captou numa rodada liderada pela General Catalyst, com participação da Index Ventures e da Venrock. Mas a ideia central, o registro vivo por cliente, não depende de infraestrutura nenhuma: dá para montar com um arquivo de texto.

O caminho mais simples é manter um arquivo markdown por caso ou por cliente, com seções fixas, e colar esse arquivo no início de cada nova conversa com a IA (ou subir o arquivo num recurso de contexto persistente, como o Projects do Claude ou os GPTs customizados do ChatGPT). A cada sessão, você atualiza o arquivo com o que mudou antes de fechar a conversa.

# Cliente: Fulano de Tal, parcelamento tributário federal

## Histórico (atualizado em 28/10/2026)
- Protocolo do pedido de parcelamento feito em 14/10
- Receita pediu retificação da DCTF, prazo até 05/11

## Pendências imediatas
- Enviar retificação da DCTF (responsável: Ana, contadora)
- Revisar cálculo de multa com o cliente (responsável: você)

## Pendências de longo prazo
- Acompanhar homologação do parcelamento (previsão: dezembro de 2026)

## Decisões que exigem aprovação humana
- Qualquer assinatura de documento enviado à Receita
- Qualquer valor de parcela definido com o cliente

O ganho não é mágico, é mecânico: em vez de reexplicar o caso toda vez, você entrega o arquivo e pede "continue a partir daqui". A IA responde com contexto completo, e o histórico fica registrado em algo que você controla, não preso dentro do chat.

Os freios que não podem faltar

A parte mais relevante do modelo da Arca para quem lida com dinheiro e documento alheio não é a memória, é o limite. Singh foi direto sobre isso: o agente analisa e propõe, mas qualquer operação de risco (movimentar dinheiro, no caso da Arca) passa por um humano.

Todas as nossas restrições de segurança são totalmente determinísticas. E elas tiram a tomada de decisão das mãos do agente.

All of our safety restrictions are fully deterministic. And they take the decision making off the agent's hands.Aman Singh, Lead AI Engineer na Arca

Na prática isso significa regra fixa, não "bom senso" do modelo. Para um escritório, a tradução direta é:

• A IA redige minuta, petição ou parecer, mas quem assina e protocola é a pessoa
• A IA sugere valor de acordo ou cálculo de multa, mas quem fecha número com o cliente é a pessoa
• A IA nunca envia nada direto à Receita Federal, ao tribunal ou ao cliente final sem revisão

A Arca ainda roda verificações específicas contra ataques de prompt injection (quando um texto malicioso, escondido num documento, tenta mudar o comportamento do agente) e isola a execução de código dos agentes em ambientes separados, traduzindo o código gerado para um formato estrito antes de deixar qualquer coisa tocar dados reais do cliente. É mais engenharia do que a maioria dos escritórios vai montar, mas o princípio (nunca deixar o agente tocar dado sensível sem uma camada de validação no meio) vale igual numa planilha de cliente guardada localmente.

Onde fica o cuidado que a Arca não precisa ter

A Arca lida com dados financeiros nos Estados Unidos, sob regras próprias daquele mercado. Um escritório brasileiro que monta um arquivo de memória por cliente, com nome, CPF, valores e estratégia processual, está sob a LGPD, e isso muda a escolha de ferramenta.

Colar dados de cliente em qualquer chat de IA gratuito é a forma mais rápida de criar um incidente de proteção de dados. Vale a pena checar, antes de adotar o fluxo, se o plano contratado (Claude for Work, ChatGPT Team ou equivalente) tem contrato de processamento de dados e política de retenção compatível com o sigilo profissional, e manter o arquivo de memória fora do histórico de conversa comum, só como anexo controlado por você.

Um último ponto que a Arca resolveu e o escritório pequeno não vai resolver sozinho: a empresa usa um "meta-agente" que analisa o feedback dos consultores humanos e os registros de uso dos agentes para sugerir ajustes na própria orquestração. Sem esse nível de automação, a alternativa manual é simples e funciona: depois de cada caso fechado, anote em uma linha o que a IA acertou e o que errou, e use essa nota para ajustar o prompt do próximo caso parecido. É o mesmo princípio, só sem o software por trás.

Fonte: Latent Space