ContactLab
Para quem decide o dia inteiro

7 perguntas sobre agentes de IA — respondidas com desenho, não com jargão.

Você não precisa entender de IA para usar IA com segurança. Leia por 3 minutos. Se fizer sentido, uma mensagem resolve o resto.

Sua mensagem chega direto ao fundador.

1. O que a ContactLab faz, em uma frase?

Executa tarefas com agentes de IA em ambiente isolado — e entrega a prova do que foi feito.

Conciliação de notas fiscais. Liberação de lote. Rastreabilidade e recall. Trabalho que se repete — e precisa de prova.

E não se limita ao operacional: o catálogo traz centenas de pontos de partida — agentes, skills e templates, do financeiro ao marketing, da saúde à engenharia. Se um agente de código com um bom modelo consegue fazer, aqui sai com prova.

Da tarefa à provaA tarefavocê descreve o que precisaA execuçãoagente roda em ambiente isoladoA provaregistro completo + resultado

2. Não é só mais um chat de IA?

Não. No chat, você opera: pergunta, lê, copia e cola. Aqui, um agente montado a partir do catálogo executa a tarefa em ambiente isolado — e o trabalho volta com recibo, do primeiro comando ao resultado final.

Por dentro, são agentes de código: a tecnologia que engenharias do mundo inteiro usam em produção todos os dias (Claude Code, OpenAI Codex, Qwen Code, Google Antigravity). A aposta aqui não é num agente experimental — é reaproveitar a classe de agente mais rodada em produção, com governança por cima.

Quem acompanha o resultado é o seu time, no painel — sem terminal, sem programação.

O chat continua sendo sua ferramenta de pensamento. A ContactLab é sua linha de execução.

3. Como eu sei o que o agente fez?

Cada execução deixa um registro completo: os comandos, os arquivos criados, os acessos feitos e o resultado. Você lê o relatório como quem lê um laudo de auditoria.

E enquanto o agente trabalha — por muitos minutos — você acompanha pelos eventos e aprova o que importa. Ninguém fica esperando na tela.

Anatomia de uma execuçãoPrompt / gatilhoo que você pede + contexto verificadoSandboxambiente efêmero por tarefaAgente executaClaude Code · Codex · Qwen · AntigravityRede com escopotentativas fora da política: bloqueio registradoAprovação humanaconsentimentos por agente e ferramentaResultados + Evidênciaarquivos, eventos, decisõesCada execução registra: Contexto · Atividade · Resultados · Rede · Aprovações · Evidência

4. E se ele errar? E se fizer algo demais?

Três frentes de controle — e todas definidas por você:

Três frentes de controlePermissõeso que ele pode fazerRedeonde ele pode acessarAprovaçãoo que depende de você

Ações consequentes — enviar, pagar, publicar — só acontecem com aprovação registrada. O catálogo é ponto de partida, não endosso: quem revisa o conteúdo e cada passo é você. Autonomia se ganha com evidência, não é concedida.

5. Quanto custa? E se estourar o orçamento?

O custo aparece por execução: tokens, tempo e modelo usados. Você vê o gasto antes de ele virar fatura. E o piloto de 30 dias só começa com critérios de sucesso acordados por escrito.

O “e se não der certo” também fica acordado: se o fluxo não rodar ponta a ponta com trilha de evidências, a decisão documentada é Encerrar — sem compromisso de continuidade.

Ver o escopo do piloto

6. Eu já uso ChatGPT e Claude. Por que mais uma ferramenta?

Você não troca nada — e o chat de hoje é poderoso: pensa, responde, redige e, cada vez mais, age.

O próprio ChatGPT hoje se anuncia como agente que “pensa e age”. A pergunta da empresa não é se o agente age — é quem responde por ele.

A ContactLab cuida do trabalho que não pode ficar sem recibo: o que toca dinheiro, cliente ou sistema da empresa.

O que o chat de hoje já faz

Muito mais que conversar: o ChatGPT e o Claude navegam, executam código, usam conectores e resolvem tarefas multi-etapas — em ambiente dos próprios fornecedores, com você operando cada tarefa.

O que a empresa precisa em volta

Execução em ambiente isolado — e as ferramentas na sua conta AWS. Rede e credenciais com escopo. Aprovação registrada nas ações consequentes. O mesmo trabalho repetível sem reescrever o prompt, com custo e resultado medidos por execução — e o trabalho virando ativo da empresa, não conversa de uma pessoa.

E o modelo certo muda com a tarefa: a mesma tarefa pode custar muitas vezes mais — ou errar mais — em outra combinação de agente e modelo. A ContactLab mede cada combinação (Claude Code, OpenAI Codex, Qwen Code, Google Antigravity). E você escolhe pela evidência do seu próprio trabalho, não por ranking genérico.

E o uso de IA que hoje é pessoal passa a ser da empresa: execução isolada, memória compartilhada e histórico auditável.

E você vira a pessoa que trouxe IA com controle para a empresa — não a pessoa que importou um risco.

O que vem dentro

Para o cético do time — a especificação em dez linhas:

Execução isolada por tarefa

Ambiente temporário, destruído no fim. Rede com destinos permitidos — tentativas fora da política ficam registradas. Credenciais com escopo.

Evidência completa por execução

Entradas, saídas, eventos, decisões, tempo, custo, agente e modelo. Quando a auditoria perguntar, a resposta existe.

Revisão humana e autonomia progressiva

Toda execução passa por uma pessoa. Autonomia cresce com evidência — por design, não por promessa.

Catálogo de trabalho reutilizável

Centenas de pontos de partida, skills e templates — ambiente em 1 clique e importação direta do GitHub.

MCP: público e na sua conta AWS

Conectores públicos (context7) e MCP custom via Bedrock AgentCore com SSO. Suas ferramentas, sua conta, seu controle.

Memória da empresa

Hindsight em runtime: procedimentos e correções aprovadas viram contexto. A segunda execução sai melhor que a primeira.

Multi-agente, multi-modelo

Claude Code, Codex, Qwen e Antigravity — com Anthropic, OpenAI/Azure, Bedrock, Gemini/Vertex, Alibaba ou local (vLLM/Ollama).

Governança e privacidade

SSO e permissões por papel, privado por padrão, criptografia em trânsito e em repouso, consumo medido no painel.

Analytics e FinOps

Conclusão técnica, latência de aprovações (p50/p95), adoção sob governança, custo por modelo e tokens. Nem o custo fica escondido.

Acesso granular

Visibilidade por recurso — privado, compartilhado ou organização — e consentimentos revogáveis a qualquer momento.

Suas ferramentas, sua conta AWS

Seus dados e arquivos são privados por padrão — e podem persistir em recursos AWS controlados por você, com acesso cross-account controlado. O MCP roda via AWS Bedrock AgentCore: um token efêmero por execução, autorizado contra o seu SSO.

MCP custom na sua conta AWSContactLabAgente (runtime)Claude Code · Codex · Qwen · Antigravitymcp-broker sidecartoken efêmero por execuçãoSUA CONTA AWSBedrock AgentCore — gatewayautorizador JWT + seu SSOSuas ferramentas MCPrecursos na sua contastream_httpCada execução registra: Contexto · Atividade · Resultados · Rede · Aprovações · Evidência

7. Como começo?

Uma conversa de 30 minutos, com execução real na sua frente. Se fizer sentido, um diagnóstico de entrada no seu primeiro fluxo — e um piloto de 30 dias com sucesso acordado antes de rodar.

O diagnóstico — uma leitura do seu fluxo atual, com plano de execução — entra como crédito no piloto. E o piloto inclui documentação de arquitetura e segurança pronta para o seu time de TI — quem aprova o piloto costuma ser outra pessoa.

Depois, o caminho é gradual:

Ciclo de maturidade da adoçãoExperimentarObservarRevisarRepetirGovernarAutomatizarrepete até a evidência mostrar maturidade

Ficou uma pergunta? Ela vira resposta em uma mensagem.

Não somos nós dizendo. É o mercado.

“O uso de IA pelas empresas brasileiras quase dobrou em um ano: de 29% para 45%.”

FGV — estudo com 3 mil empresas

“O ChatGPT agora pensa e age — usa ferramentas para completar tarefas.”

OpenAI — lançamento do ChatGPT agent

“Se você vende a ferramenta, está numa corrida contra o modelo.”

Sequoia Capital — Services: The New Software

“Mais de 40% dos projetos de IA agêntica devem ser cancelados até 2027 — entre as causas, controles de risco inadequados.”

Gartner — 2025

“Why AI is going vertical (again)”

“82% das empresas brasileiras têm IA em uso sem aprovação — e só 18% de forma integrada.”

Exame — uso corporativo de IA no Brasil
Anthropic — Dianne Penn, no Lenny’s Podcast

Quando os modelos viram commodity, o valor migra para as aplicações.

Mistral — Arthur Mensch, CEO

Os agentes e o raciocínio mais barato expandem o que software consegue fazer.

Sarah Guo — Conviction, AI Engineer 2025

IA exige um novo modelo operacional: da experimentação artesanal à produção em escala.

Marco Iansiti — Harvard Business School

Agentes em produção pedem isolamento de sessão, identidade, memória e observabilidade.

AWS — Bedrock AgentCore

“Só 7% dos turnos de agente exigem um modelo de fronteira.”

LangChain — benchmark Switchyard

Opportunities in AI: o mapa das oportunidades — de tarefas a sistemas que executam trabalho.

Andrew Ng — Stanford, 2023

“O uso de IA pelas empresas brasileiras quase dobrou em um ano: de 29% para 45%.”

FGV — estudo com 3 mil empresas

“O ChatGPT agora pensa e age — usa ferramentas para completar tarefas.”

OpenAI — lançamento do ChatGPT agent

“Se você vende a ferramenta, está numa corrida contra o modelo.”

Sequoia Capital — Services: The New Software

“Mais de 40% dos projetos de IA agêntica devem ser cancelados até 2027 — entre as causas, controles de risco inadequados.”

Gartner — 2025

“Why AI is going vertical (again)”

“82% das empresas brasileiras têm IA em uso sem aprovação — e só 18% de forma integrada.”

Exame — uso corporativo de IA no Brasil
Anthropic — Dianne Penn, no Lenny’s Podcast

Quando os modelos viram commodity, o valor migra para as aplicações.

Mistral — Arthur Mensch, CEO

Os agentes e o raciocínio mais barato expandem o que software consegue fazer.

Sarah Guo — Conviction, AI Engineer 2025

IA exige um novo modelo operacional: da experimentação artesanal à produção em escala.

Marco Iansiti — Harvard Business School

Agentes em produção pedem isolamento de sessão, identidade, memória e observabilidade.

AWS — Bedrock AgentCore

“Só 7% dos turnos de agente exigem um modelo de fronteira.”

LangChain — benchmark Switchyard

Opportunities in AI: o mapa das oportunidades — de tarefas a sistemas que executam trabalho.

Andrew Ng — Stanford, 2023