WhatsApp

Uber apresenta estrutura de segurança para agentes de IA em todo o ciclo de vida

A Uber combina cadastro, autorização contextual e auditoria para avaliar ações de agentes de IA antes, durante e depois da implantação.

Por Jaime Linhares · 15/11/2026

Permissões de acesso não avaliam o contexto

A Uber desenvolveu uma estrutura para avaliar se as ações de agentes de inteligência artificial são apropriadas à solicitação do usuário, ao propósito do agente, às permissões concedidas e ao contexto da interação. Controles tradicionais de identidade e API verificam acesso a recursos, mas não determinam se uma ação proposta faz sentido para a tarefa.

Essa lacuna pode abrir espaço para injeção de prompt, envenenamento de ferramentas ou memória, desvio de objetivos, mudanças de comportamento e ações motivadas por alucinações. A estrutura combina três camadas: provisionamento antes da implantação, aplicação de controles durante a execução e garantia contínua depois que o agente entra em operação.

Cadastro e análise antes da implantação

Antes de operar, cada agente deve ser registrado no Uber AI Registry. O cadastro estabelece identidade, responsáveis, persona, intenções permitidas, restrições, dependências e classificação de risco, dados que servem de base para as políticas aplicáveis ao sistema.

A análise automatizada é feita pelo Argus, que examina código-fonte, prompts, configurações, dependências, endpoints expostos e caminhos de chamada de ferramentas para identificar fragilidades. A Uber também aplica o processo a servidores MCP e ferramentas usados pelos agentes, estendendo a avaliação aos componentes conectados.

Autorização comportamental durante a execução

Durante a operação, a estrutura acrescenta autorização comportamental ao modelo tradicional de administração, decisão e aplicação de políticas. O controle avalia se cada ação é adequada à solicitação, ao propósito do agente, às permissões concedidas e às circunstâncias da interação.

O Uber AI Registry gerencia políticas, personas, intenções e restrições, enquanto os AI Guards avaliam interações e ações propostas. Ganchos de execução do Agent Guard acionam esses protetores em pontos críticos e aplicam suas decisões antes que a interação ou a ação prossiga.

Auditoria contínua e desafios de adoção

Depois da implantação, a camada Continuous Assurance reúne observabilidade, auditoria, explicabilidade e reprodução de interações. Um rastro unificado conecta ações do agente, chamadas de ferramentas e decisões de segurança; interações registradas podem ser reproduzidas após mudanças nas políticas para avaliar sua eficácia.

A Uber cita desafios como equilibrar restrições para evitar falsos positivos e proteção insuficiente, reduzir a latência e limitar o atrito para desenvolvedores. Especialistas observam que políticas específicas por agente aumentam o trabalho conforme crescem os fluxos e são difíceis de aplicar a agentes de fornecedores sem ganchos próprios. Um deles também destaca que intenções e restrições explícitas, uma forma de privilégio mínimo, trazem precisão, mas reduzem a flexibilidade. A estrutura ainda está em evolução, com planos de ampliar seus recursos.

Visitar site
Informações deste conteúdo

Tecnologias: AI, API, Agent Guard, Argus, Identity, MCP server, Uber AI Registry

Carreiras: Administrador de Cloud, Administrador de Sistemas, Engenheiro de Prompt

Idiomas: Português

Tags: agentesdeia, api, auditoriacontinua, autorizacaocomportamental, ia, mcp, segurancadeagentes, workflows