A gestão de políticas para agentes de IA é a forma como uma equipe de suporte mantém as regras que um agente de IA segue (o que ele pode fazer, os seus limites, as exceções e quando ele precisa transferir) escritas uma única vez, com responsável, versionadas e alinhadas com o que os seus atendentes ouvem. A base de conhecimento dá fatos ao agente. Uma central de políticas diz o que ele pode fazer com esses fatos.
Em resumo
- Os artigos da central de ajuda são escritos para pessoas, que preenchem as lacunas com bom senso; um agente de IA repete em escala as exceções implícitas, as versões antigas e as contradições desses artigos.
- Separe conhecimento (fatos), política (o que o agente pode fazer, limites, exceções, escalonamento) e procedimento (as etapas): cada um falha de um jeito e tem um responsável diferente.
- Mantenha uma ficha de política por regra, com responsável, versão, data de revisão, artigos vinculados e casos de teste, e faça tanto a macro dos atendentes quanto a instrução do agente de IA apontarem para ela.
- Trate cada mudança de política como uma nova versão: um aprovador nomeado conforme o nível de risco, uma data de vigência, a reexecução dos casos de teste vinculados e uma semana de revisão mais próxima.
- Feche o ciclo: classifique cada conversa com IA reprovada pela causa, encaminhe as causas de política ao responsável pela ficha e avalie de novo depois da correção.
Este guia é o ponto central sobre políticas e conhecimento da nossa série sobre governança de agentes de IA, escrito para a liderança de Atendimento ou de IA cujo agente de IA vive dando respostas que “tecnicamente estavam na central de ajuda”.
Por que uma base de conhecimento escrita para pessoas falha com agentes de IA?
Uma base de conhecimento escrita para pessoas falha com agentes de IA porque as pessoas leem nas entrelinhas e o agente de IA não. Os atendentes sabem qual artigo está desatualizado, qual exceção a liderança permite e quais duas páginas se contradizem. O agente recupera o que tiver a melhor correspondência e afirma aquilo com confiança, toda vez.
Quatro padrões de falha cobrem a maior parte do que dá errado:
| Padrão | O que o atendente faz | O que o agente de IA faz | Correção |
|---|---|---|---|
| Exceções implícitas (“normalmente abrimos uma exceção para…”) | Aplica a exceção não escrita quando o caso parece pedir | Nunca aplica, ou aplica uma versão adivinhada a todo mundo | Escreva a exceção na ficha de política, com as condições e o limite |
| Versões desatualizadas (o prazo antigo de devolução ainda em um artigo) | Sabe que a política mudou no mês passado | Cita o artigo que recuperar primeiro | Um responsável por política, artigos antigos retirados das fontes do agente, cada mudança versionada |
| Artigos conflitantes (duas páginas, dois números) | Pergunta a um colega qual está certo | Escolhe um, ou mistura os dois | Uma única fonte da verdade por política; as outras páginas apontam para ela em vez de repeti-la |
| Conhecimento tácito (regras que vivem no Slack, na cabeça da liderança, em macros) | Aprendeu no onboarding ou com quem senta ao lado | Não tem acesso nenhum a ele | Leve toda regra que muda um desfecho para uma ficha antes que o agente atenda aquele motivo de contato |
O próprio guia da Intercom sobre bases de conhecimento para chatbots (em inglês) descreve o risco sem rodeios: um agente de IA vai recuperar fielmente um artigo desatualizado e dar uma resposta errada com toda a confiança. O custo não é abstrato. No caso Moffatt v. Air Canada (2024 BCCRT 149), um chatbot sugeriu a um cliente de luto que ele poderia pedir uma tarifa por luto depois da viagem. A Air Canada argumentou que a informação correta estava na sua própria página sobre tarifas por luto, com link naquela mesma resposta, e que o chatbot era uma entidade jurídica separada, responsável pelos próprios atos. O tribunal da Colúmbia Britânica rejeitou esse argumento, como explica este resumo do escritório WeirFoulds (em inglês). A empresa respondia pela resposta.
Muitas “alucinações” no atendimento são problemas de conteúdo. O nosso guia sobre alucinações de agentes de IA mostra como distinguir uma resposta inventada de uma resposta errada repetida fielmente, e o artigo por que as conversas com IA falham detalha as causas.
Qual é a diferença entre conhecimento e política para um agente de IA?
Conhecimento é o que é verdade: preços, prazos de devolução, prazos de entrega, como uma funcionalidade funciona. Política é o que o agente de IA pode fazer a respeito: quais ações ele pode executar, até qual limite, com quais exceções e quando precisa transferir. Procedimento é a ordem das etapas. Misturar os três em um único artigo é a raiz da maioria dos desvios.
| Conhecimento | Política | Procedimento | |
|---|---|---|---|
| Responde a | O que é verdade? | O que o agente pode fazer, e onde ele para? | Em que ordem as etapas são feitas? |
| Exemplo | “Pedidos padrão podem ser devolvidos em até 30 dias.” | “O agente pode reembolsar até US$ 100 sem aprovação; acima disso, transfere com o ID do pedido.” | “Verifique o pedido, confira a data de entrega, gere a etiqueta de devolução, confirme por e-mail.” |
| Responsável | Equipe de conteúdo ou de conhecimento | Dono da área de negócio (financeiro, jurídico, operações) | Operações de suporte |
| Como falha | Fato errado ou desatualizado | Ação não autorizada, exceção esquecida, escalonamento esquecido | Etapa pulada ou fora de ordem |
As plataformas de agentes já traçam essa linha. A Intercom consulta as orientações (guidance) do Fin antes de o Fin buscar uma resposta no seu conteúdo de ajuda (em inglês), e os seus Fin Procedures (em inglês) acrescentam condições e transferências para uma equipe. A Decagon descreve os seus Agent Operating Procedures (em inglês) como instruções em linguagem natural apoiadas por código, escritas de forma parecida com o treinamento de uma equipe humana em procedimentos operacionais. Cada plataforma dá um lugar para escrever instruções. Nenhuma decide qual regra é a vigente. Esse é o papel de uma central de políticas.
Como preparar uma base de conhecimento para um agente de IA?
Para preparar uma base de conhecimento para um agente de IA, comece pelos motivos de contato que o agente vai atender, e não pela central de ajuda inteira. Para cada motivo, encontre todos os artigos que tratam dele, elimine duplicações e contradições, escreva as condições de forma explícita e leve toda regra que muda um desfecho para uma ficha de política à qual o artigo aponta.
- Liste os principais motivos de contato do primeiro trimestre do agente, ordenados por volume e risco (dinheiro, elegibilidade, linguagem jurídica).
- Reúna todas as fontes que respondem a cada motivo: artigos de ajuda, macros, páginas da wiki, respostas salvas, mensagens fixadas no Slack.
- Marque cada frase como conhecimento, política ou procedimento. As frases de política têm palavras como “pode”, “deve”, “até”, “somente se”, “exceto” e “fale conosco”.
- Resolva os conflitos antes do lançamento. Se duas fontes discordam, o responsável pela política decide, uma ficha registra a resposta, e a página perdedora é reescrita ou retirada das fontes do agente.
- Escreva as condições por extenso. “Se você está no plano anual” é melhor que “dependendo do seu plano”. O guia da Intercom recomenda uma pergunta por artigo e condições explícitas pelo mesmo motivo.
- Separe as variantes. Cada variante de região, plano e produto ganha a sua própria ficha ou o seu próprio público.
- Aponte, não copie. Artigos de ajuda e instruções do agente fazem referência à ficha; eles nunca repetem o limite com as próprias palavras.
Para a central de ajuda em si, o nosso guia sobre como montar uma base de conhecimento de atendimento (em inglês) cobre a estrutura e as regras de escrita para leitores humanos.
O que uma ficha de política para agente de IA deve conter?
Uma ficha de política para agente de IA deve conter a política em uma frase, o seu escopo, as ações permitidas e os limites, as exceções, a regra de escalonamento, um responsável, uma data de revisão, os artigos de ajuda vinculados e os casos de teste que provam que o agente a segue. Acrescente uma versão e uma data de vigência para que pessoas e agente mudem juntos.
Aqui está o modelo, preenchido para um reembolso de item danificado. Copie para uma planilha ou wiki, uma ficha por política.
| Campo | O que escrever | Exemplo: item danificado na entrega |
|---|---|---|
| ID e versão da política | ID estável, número da versão, data de vigência | RF-DMG-02 · v3 · vigente a partir de 1º de dezembro |
| Política | Uma frase que um cliente entenderia | Itens que chegam danificados são substituídos ou reembolsados se o problema for informado em até 14 dias após a entrega |
| Escopo | Canais, regiões, planos, produtos e motivos de contato cobertos | Chat e e-mail · EUA e Canadá · todos os planos · motivos “item danificado”, “chegou quebrado” |
| Ações permitidas e limites | O que o agente pode fazer sozinho, com limites numéricos | Consultar o pedido: sim. Pedir uma foto: sim. Criar uma substituição: sim. Reembolso: até US$ 100 por pedido. Crédito na loja: não |
| Exceções | Cada exceção, com a sua condição e o seu próprio limite | Aviso entre o 15º e o 30º dia, com foto: somente substituição, sem reembolso. Produtos perecíveis: reembolso sem foto |
| Regra de escalonamento | Quando transferir, para quem, com qual contexto | Reembolso acima de US$ 100, terceira reclamação em 90 dias ou problema de segurança: transferir para a equipe de Reclamações com ID do pedido, foto e data de entrega |
| Nunca | Promessas que o agente não pode fazer | Nenhuma compensação além do valor do pedido; nenhuma promessa sobre reclamações à transportadora |
| Responsável | Um papel nomeado, mais um substituto | Head de Operações com Clientes (substituto: líder de Reclamações) |
| Data de revisão | A próxima revisão programada e o gatilho para uma revisão antecipada | 1º de março, ou qualquer mudança nas condições da transportadora |
| Artigos de ajuda vinculados | As páginas voltadas ao cliente que expõem a política | “Itens danificados ou faltando”, “Prazos de reembolso” |
| Instrução do agente | Onde a instrução fica na plataforma do agente, por referência | A regra de guidance “Itens danificados” aponta para RF-DMG-02 v3 |
| Macro dos atendentes | A macro ou o script que a sua equipe usa | Macro “Item danificado: substituição ou reembolso” |
| Casos de teste | IDs dos casos que precisam passar depois de qualquer mudança | RF-014 (15º dia, sem foto), RF-015 (perecível), RF-016 (terceira reclamação) |
| Histórico de mudanças | Data, mudança, aprovador | 12 de novembro: prazo de 30 para 14 dias, aprovado pelo Head de Operações com Clientes |
Duas regras mantêm a ficha honesta. Cada limite aparece em um único lugar, a ficha, e o artigo, a macro e a instrução do agente apontam para ela. E uma ficha sem casos de teste não está pronta. O nosso guia de testes de agentes de IA traz o modelo de caso de teste que corresponde aos últimos campos desta ficha.
Como manter os procedimentos dos atendentes e as instruções do agente de IA em uma única fonte da verdade?
Faça da ficha de política o único lugar onde uma regra é definida e vincule a ela tanto a macro dos atendentes quanto a instrução do agente de IA. Quando a ficha muda, as duas mudam na mesma versão, e ninguém edita um limite diretamente dentro de um prompt ou de uma macro.
A fonte da verdade não é uma ferramenta nova. É uma disciplina sobre onde cada texto fica:
| Camada | Contém | Não pode conter |
|---|---|---|
| Ficha de política | A regra, os limites, as exceções, o escalonamento, o responsável, a versão | Texto voltado ao cliente, cliques passo a passo |
| Artigo de ajuda | A explicação voltada ao cliente, vinculada à ficha | Um limite ou uma exceção diferente da ficha |
| Macro e onboarding dos atendentes | O script e as etapas para a sua equipe | A sua própria cópia do limite |
| Instrução do agente de IA (guidance, procedure, AOP) | Como o agente aplica a ficha: tom, etapas, transferência | Uma cópia colada do texto da política que ninguém atualiza |
Dois hábitos fazem isso funcionar. Dê às instruções o nome do ID da ficha, para que uma busca por “RF-DMG-02” encontre todos os lugares que dependem dela. E compare desfechos, não textos: uma vez por mês, verifique se um atendente e o agente de IA chegam ao mesmo resultado no mesmo tipo de caso. Se não chegam, um dos dois está trabalhando com uma versão antiga.
Instruções sozinhas não aposentam uma fonte. As orientações da Intercom observam que o Fin ainda pode trazer conteúdo que as regras de Guidance mandam evitar, e recomendam remover esse conteúdo ou restringi-lo por público. Retirar um artigo antigo das fontes do agente faz parte de toda mudança de política.
Quem aprova uma mudança de política, e como ela chega ao agente de IA?
Uma mudança de política é aprovada pelo dono de negócio da política, com mais aprovadores conforme o risco aumenta. Ela chega ao agente de IA na mesma versão que a macro dos atendentes e o artigo de ajuda: ficha atualizada, fontes aposentadas, instrução atualizada, casos de teste reexecutados, data de vigência definida e, depois, uma semana de revisão mais próxima.
Amarre o caminho de aprovação ao que a mudança faz com o desfecho para o cliente:
| Nível | O que muda | Aprovador | Antes de entrar no ar | Depois |
|---|---|---|---|---|
| A. Redação | Texto mais claro, mesmo desfecho | Responsável pelo conhecimento | Reexecutar os casos de teste da ficha | Revisão normal |
| B. Limites ou elegibilidade | Um prazo, um valor, quem tem direito | Responsável pela política mais operações de suporte | Todos os casos de teste da ficha, atendentes informados, data de vigência definida no agente | Avaliar todas as conversas daquele motivo de contato por 7 dias |
| C. Nova ação ou autoridade | O agente passa a poder reembolsar, cancelar, dar crédito ou alterar uma conta | Responsável pela política, responsável pela IA, risco ou compliance | Testes mais um período supervisionado em que uma pessoa aprova a ação | Ampliar só quando a revisão mostrar que se sustenta |
| D. Emergência | Recall, indisponibilidade, ordem judicial | Responsável de plantão | Caminho rápido: restringir ou transferir primeiro, refinar depois | Revisão retroativa em até 48 horas |
O nível C é onde política e autonomia se encontram. Decidir quais ações um agente pode executar sozinho é tema do nosso guia sobre níveis de autonomia de agentes de IA, e os limites fixos que valem independentemente das instruções estão no nosso guia de guardrails para agentes de IA.
Isso espelha a prática geral de gestão de riscos de IA: o NIST AI Risk Management Framework pede políticas e procedimentos transparentes, revisão periódica planejada e papéis claramente definidos (em inglês). Uma ficha de política com responsável, data de revisão e histórico de mudanças aplica isso a uma regra de reembolso.
A etapa que a maioria das equipes pula é a data de vigência. Uma política que muda em 1º de dezembro deve chegar ao agente em 1º de dezembro, e não em 20 de novembro ou em 5 de dezembro, no mesmo momento em que a equipe humana muda.
Como as conversas reprovadas viram correções de política?
As conversas reprovadas viram correções de política quando cada falha é classificada pela causa, as causas de política são encaminhadas ao responsável pela ficha e a correção é conferida avaliando de novo o mesmo motivo de contato depois. Sem classificação, toda falha parece um problema da IA, e a equipe ajusta prompts enquanto a causa real está em um artigo desatualizado. O ciclo:
- Avalie as conversas do agente de IA com critérios que separam os tipos de falha: precisão em relação ao seu conteúdo, fidelidade à política, escopo e escalonamento.
- Classifique a causa de cada falha: versão desatualizada da política, exceção faltando, fontes conflitantes, instrução não seguida, falta de acesso a ferramenta ou dado, ou um bug do produto. O nosso guia sobre erro do atendente ou erro de processo (em inglês) propõe a mesma divisão para atendentes.
- Encaminhe cada causa ao seu responsável: causas de política ao responsável pela ficha, causas de instrução ao responsável pela IA, causas de acesso à engenharia.
- Corrija primeiro a ficha, depois os artigos, a macro e a instrução que apontam para ela.
- Acrescente um caso de teste a partir da conversa que expôs a lacuna e vincule-o à ficha.
- Avalie de novo o motivo de contato na semana seguinte e compare a taxa de falha com a da semana anterior.
Corrigir um agente de IA não é o mesmo que dar coaching a uma pessoa; veja coaching de pessoas versus correção de agentes de IA.
Um exemplo calculado (ilustração, não são dados de clientes)
Um agente de IA atende 20.000 conversas por mês, 3.000 delas sobre reembolsos e devoluções. Avaliar todas mostra uma taxa de falha de 3% em fidelidade à política nesse motivo de contato: 90 conversas. A pessoa responsável pela qualidade classifica essas conversas:
| Causa | Conversas | Parcela | Responsável |
|---|---|---|---|
| Versão desatualizada (o antigo prazo de 30 dias em uma FAQ aposentada que ainda estava nas fontes do agente) | 38 | 42% | Responsável pelo conhecimento |
| Exceção faltando (perecíveis reembolsados sem foto pelos atendentes, nunca escrito) | 27 | 30% | Responsável pela política |
| Artigos conflitantes (duas páginas, dois prazos de reembolso) | 14 | 16% | Responsável pelo conhecimento |
| Instrução não seguida (o agente ofereceu crédito na loja, que a ficha proíbe) | 7 | 8% | Responsável pela IA |
| Ferramenta ou dado (a consulta do pedido falhou e o agente chutou) | 4 | 4% | Engenharia |
| Total | 90 | 100% |
Duas correções de conteúdo (aposentar a FAQ antiga e escrever a exceção dos perecíveis na ficha) resolvem 65 das 90 falhas, ou 72%. Somando a correção dos artigos conflitantes, chega-se a 79 de 90, ou 88%. Só 7 falhas, 8%, são um problema de prompt: uma equipe que começasse reescrevendo o prompt teria mexido na menor fatia. As notas da semana seguinte mostram se as correções se sustentaram.
Como detectar o desvio de política antes dos clientes?
Você detecta o desvio de política verificando, com uma cadência fixa, que cada política está definida uma única vez, tem responsável, está atualizada e é aplicada da mesma forma pelos atendentes e pelo agente de IA. O desvio aparece como uma alta lenta de escalonamentos marcados como “política pouco clara”, ou como atendentes e agente chegando a desfechos diferentes no mesmo caso.
Copie este checklist de desvios para a sua revisão mensal de políticas:
| # | Verificação | Sinal de desvio | Cadência |
|---|---|---|---|
| 1 | Toda política que o agente aplica tem uma ficha com responsável e data de revisão futura | Fichas com a data de revisão vencida | Mensal |
| 2 | A versão na instrução do agente é a mesma da ficha | A instrução cita uma versão mais antiga | A cada mudança |
| 3 | Nenhum par de artigos de ajuda traz valores diferentes para o mesmo limite | Uma busca pelo número retorna dois valores | Mensal |
| 4 | Os artigos aposentados também foram retirados das fontes do agente | Página aposentada ainda citada em respostas da IA | A cada mudança |
| 5 | As instruções do agente fazem referência às fichas em vez de colar o texto da política | Um limite aparece dentro de um prompt | Trimestral |
| 6 | As exceções que os atendentes concedem estão escritas na ficha | Cortesias ou exceções em um motivo de contato sem exceção registrada | Mensal |
| 7 | Os escalonamentos marcados como “política pouco clara” estão estáveis | Alta semana a semana em um motivo de contato | Semanal |
| 8 | As falhas de fidelidade à política por ficha estão estáveis | As falhas de uma ficha sobem depois de uma mudança | Semanal |
| 9 | Atendentes e agente de IA chegam ao mesmo desfecho no mesmo tipo de caso | Desfechos diferentes em uma amostra pareada | Mensal |
| 10 | Os casos de teste de cada ficha passaram depois da última mudança | Mudança publicada sem rodar os testes | A cada mudança |
| 11 | As datas de vigência futuras estão programadas no agente | Uma política vale para os atendentes, mas não para o agente, ou o contrário | A cada mudança |
| 12 | As variantes de região, plano e produto estão com o escopo correto | O agente responde com a regra de outro produto ou de outra região | Trimestral |
As verificações 7, 8 e 9 precisam de dados de conversas, não de revisão de documentos: um desvio que atinge 2% de um motivo de contato é invisível em uma amostra de 50 e evidente em uma semana inteira de notas. A nossa auditoria da taxa de resolução de agentes de IA mostra como verificar se as conversas “resolvidas” foram de fato resolvidas corretamente.
Onde a Kaizo entra
A Kaizo cobre o lado das evidências do ciclo: a avaliação, os padrões de falha e a nova avaliação depois de uma correção. O AutoPilot avalia cada conversa resolvida com base no seu próprio formulário de monitoria.
Com o QA de agentes de IA, você acrescenta os critérios em que um bot falha (precisão factual, fidelidade à política, escopo e escalonamento), escritos com as suas próprias palavras, e conecta a sua base de conhecimento para que a IA julgue com base no seu conteúdo. Cada nota leva à evidência na conversa. A análise de causa raiz agrupa as falhas por trás de uma queda, para que dez respostas ruins vindas de um mesmo artigo virem uma única correção. Avalie de novo depois de cada mudança para confirmar que a correção se sustentou.
Veja isso nas suas próprias conversas. Agende uma demo e traga um motivo de contato em que o seu agente de IA e a sua equipe discordam.
Quando uma central de políticas é mais do que você precisa?
Uma central de políticas completa ainda não é para você quando o seu agente de IA só responde perguntas a partir de uma central de ajuda pequena, não executa ações e atende algumas centenas de conversas por mês. Nesse caso, um responsável por artigo, uma data de revisão e uma leitura mensal das conversas do agente bastam. Os sinais de que você já superou essa estrutura leve:
- O agente executa ações (reembolsos, cancelamentos, alterações de conta) em vez de só responder.
- As suas políticas variam por região, plano ou produto.
- As políticas mudam mais de uma vez por trimestre, ou em uma data de vigência fixa.
- Os atendentes concedem exceções que os clientes depois pedem ao agente de IA.
- Mais de um agente de IA atende os mesmos clientes. Cada um precisa apontar para a mesma ficha, como parte de uma migração segura para o atendimento agêntico.
Como começar esta semana
Comece por um motivo de contato, não pela central de ajuda inteira. Uma semana basta para escrever uma ficha de política, limpar as fontes ao redor dela e começar a medir se o agente de IA a segue.
- Escolha um motivo de contato que envolva dinheiro, em geral reembolsos ou cancelamentos.
- Reúna todas as fontes que respondem a ele: artigos, macros, páginas da wiki, mensagens fixadas no Slack, as instruções do agente.
- Escreva uma ficha de política com o modelo acima e peça ao dono de negócio que assine os limites e as exceções.
- Aposente ou reescreva toda fonte que discorde da ficha e retire as páginas aposentadas das fontes do agente.
- Transforme três conversas reprovadas do passado em casos de teste vinculados à ficha.
- Avalie esse motivo de contato por duas semanas, classifique cada falha pela causa e rode o checklist de desvios antes de começar a segunda ficha.
Perguntas frequentes
O que é uma base de conhecimento no atendimento ao cliente?
Uma base de conhecimento é uma biblioteca de respostas que clientes e atendentes podem pesquisar, como uma central de ajuda com artigos do tipo “Como devolvo um item?”. Ela vira a base de conhecimento de um agente de IA quando o agente recupera esses artigos para responder aos clientes, e é por isso que artigos desatualizados ou conflitantes viram respostas erradas em escala. As regras por trás deles pertencem às fichas de política para as quais os artigos apontam.
As políticas do agente de IA devem ficar no prompt ou na base de conhecimento?
Em nenhum dos dois sozinho. Os fatos pertencem à base de conhecimento, as regras a uma ficha de política com responsável e versão, e a instrução do agente deve fazer referência a essa ficha em vez de colar o texto. Um limite copiado em um prompt é a primeira coisa a ficar desatualizada.
A empresa responde quando o chatbot erra uma política?
Pode responder. No caso Moffatt v. Air Canada (2024 BCCRT 149), um tribunal da Colúmbia Britânica responsabilizou a companhia aérea pelo que o chatbot disse a um cliente e rejeitou o argumento de que o chatbot era uma entidade jurídica separada. Trate cada resposta do agente de IA como uma declaração de política da sua empresa e busque orientação jurídica para o seu mercado.
Com que frequência as políticas do agente de IA devem ser revisadas?
Revise cada ficha em uma data fixa definida pelo risco (mensalmente para regras de dinheiro e elegibilidade, trimestralmente para o resto) e imediatamente quando a regra de negócio mudar. Toda semana, confira por ficha as falhas de fidelidade à política e os escalonamentos marcados como “política pouco clara”.
Qual é a diferença entre um chatbot e um agente de IA que executa ações?
Um chatbot responde perguntas a partir do seu conteúdo. Um agente de IA também age: consulta o pedido, aplica a política, faz o reembolso. É por isso que um agente precisa de políticas com limites, exceções e regras de escalonamento, e não só de artigos corretos.
