Mercado Bitcoin · Capítulo Gen AI

O desafio.

Operar Gen AI em uma fintech regulada de cripto exige equilíbrio raro: experimentação rápida + governança severa + risco operacional alto. Como entregar valor com LLM em produção sem virar incident report da semana?

Como abordamos.

1. A01

   Definição de princípios e guardrails antes de feature — não tecnologia em busca de uso, uso em busca de tecnologia.

2. A02

   Pipeline de eval contínuo: cada caso de uso entra com eval set declarado, regression testada em CI/CD interno.

3. A03

   Observability de LLM como cidadão de primeira classe: logs estruturados, traces de chamadas de ferramenta, custos por funcionalidade.

4. A04

   Harness interno para PMs e devs operarem com agentes (vibe coding + Claude Code + Cursor + n8n) com auditoria.

5. A05

   Programa de capacitação — capítulo de Gen AI como hub, não como bottleneck.

O que foi entregue.

Iniciativas Gen AI em produção operando com governança, eval contínua e observability. Disclosure público limitado — detalhes específicos sob NDA, mas a tese ("agentes em produção precisam de eval antes de prompt bonito") é o que ensino em palestras e cursos.

Stack técnica.

• Claude · GPT · Gemini
• LangChain / LangGraph
• Function Calling · MCP
• Pipelines de eval (próprios + tooling de mercado)
• Observability LLM
• n8n (workflows internos)

O que levaria para o próximo.

1. L01

   Em ambiente regulado, eval e observability vêm antes da feature. Sempre.

2. L02

   Gen AI em escala enterprise é 30% modelo, 70% plumbing — RAG, tool use, fallback, retry, custo, latência.

3. L03

   Capítulo (chapter) funciona melhor que squad dedicada quando o objetivo é elevar o piso técnico da empresa inteira.