Academia Gemini Enterprise e Agent Platform
Da experimentação à capacidade interna: como a Niteo ajudou a CELEPAR a estruturar uma academia prática de agentes de IA
Resultado
10 replicadores técnicos
Resumo
A CELEPAR estruturou uma academia para formar um núcleo de replicadores técnicos capaz de projetar, desenvolver, publicar e operar agentes corporativos no ecossistema Google Cloud.
Contexto
A CELEPAR é a Companhia de Tecnologia da Informação e Comunicação do Paraná. Segundo seu site institucional, tem como acionistas o Estado do Paraná e a Fundação Celepar e atende áreas do governo estadual como educação, segurança, saúde, transporte e fazenda.
O uso de IA no setor público brasileiro vem sendo organizado em torno de capacitação e governança. No governo federal, o Núcleo de Inteligência Artificial da Secretaria de Governo Digital oferece trilhas de aprendizagem por perfil de atuação e um instrumento de autoavaliação de impacto ético. Essa referência descreve o ambiente em que empresas públicas de tecnologia operam. Ela não tem relação direta com o projeto.
Nesse cenário, a CELEPAR estruturou com a Niteo e o Google Cloud a Academia Gemini Enterprise e Agent Platform.
Problema de negócio
Adotar IA generativa exige pessoas que saibam levar um agente da ideia à operação. A CELEPAR queria formar esse conhecimento dentro de casa: um núcleo técnico apto a projetar, desenvolver, publicar e operar agentes corporativos, e a liderar a adoção na empresa.
O dossiê não descreve o nível de conhecimento da equipe antes da academia nem iniciativas anteriores de IA.
Impacto do problema
O material não quantifica perdas de tempo, custo ou produtividade no cenário inicial. Também não registra incidentes ou riscos ocorridos.
O que o dossiê indica é o que a CELEPAR esperava endereçar: formação de especialistas internos, padronização de prompts, governança de IA, segurança e observabilidade. A leitura razoável, apresentada aqui como interpretação, é que esses pontos ainda precisavam de um padrão comum.
Dois dados de mercado ajudam a dimensionar o tema. O Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados (Gartner, 25/06/2025). Pesquisa da McKinsey indica que quase todas as empresas investem em IA, mas apenas 1% dos líderes considera sua organização madura no uso, e que quase metade dos funcionários quer mais treinamento formal (Superagency in the workplace, 2025). As duas referências mostram por que formar pessoas e definir governança antes de escalar é relevante. Elas não descrevem a situação da CELEPAR.
Desafio
O problema não era trivial por quatro razões:
-
Ciclo completo: o objetivo cobria projetar, desenvolver, publicar e operar agentes, e não apenas usar assistentes de IA.
-
Conjunto amplo de ferramentas: a trilha envolvia Gemini Enterprise, Gemini CLI, Vertex AI, Agent Platform, BigQuery, Antigravity IDE, Skills e Model Armor.
-
Governança e segurança: os resultados esperados incluíam governança de IA, segurança e observabilidade, além da construção dos agentes.
-
Replicação: os participantes deveriam sair aptos a multiplicar o conhecimento e liderar a adoção.
Estratégia
O desenho da academia mostra três escolhas. O dossiê não registra as alternativas avaliadas nem os critérios de decisão.
Núcleo pequeno de replicadores. Em vez de um treinamento amplo, a academia concentrou a formação em 10 replicadores técnicos, com o papel de liderar a adoção.
Aprender construindo. A estrutura combinou workshops, mentorias e MVPs reais, baseados em casos de uso da própria CELEPAR.
Transferência de conhecimento como entrega. A transferência aparece como componente da estrutura, ao lado dos workshops e dos MVPs.
Solução
-
Trilha de formação: workshops e mentorias em cadência fixa, voltados ao ciclo completo de um agente corporativo.
-
Plataforma de agentes: o Gemini Enterprise é descrito pelo Google Cloud como plataforma de busca, assistente e agentes, com acesso a informações corporativas que respeita permissões. O dossiê o coloca como primeira tecnologia da trilha, sem detalhar como foi usado.
-
Desenvolvimento e dados: Vertex AI, Agent Platform, Gemini CLI, Antigravity IDE, Skills e BigQuery compõem o ambiente de construção. O dossiê não detalha o uso de cada ferramenta.
-
Segurança: o Model Armor, segundo a documentação oficial, examina prompts e respostas de modelos para tratar riscos como injeção de prompt e exposição de dados sensíveis. O dossiê o inclui na trilha, associada ao resultado esperado de segurança.
-
MVPs: construção de protótipos a partir de casos de uso da CELEPAR. O material não informa quais casos nem quantos.
Transformação: antes × depois
| Aspecto | Antes | Depois |
|---|---|---|
| Conhecimento em agentes | Núcleo de replicadores a formar. | Academia estruturada para capacitar 10 replicadores técnicos. |
| Forma de aprender | Não descrita no dossiê. | Workshops, mentorias e MVPs com casos de uso da CELEPAR. |
| Prompts | Padronização listada como resultado esperado. | Padronização prevista na trilha. Conclusão não registrada. |
| Governança e segurança | Listadas como resultados esperados. | Temas incluídos na trilha, com Model Armor entre as tecnologias. |
A coluna "Depois" descreve o que a academia foi desenhada para entregar. O dossiê não traz registro de conclusão nem de aceite.
Resultados mensuráveis
O dossiê não apresenta resultados medidos. Os itens abaixo são números e componentes de escopo.
| Entrega ou indicador | Resultado |
|---|---|
| Replicadores técnicos no escopo | 10 |
| Componentes da academia | Workshops, mentorias, MVPs reais, casos de uso da CELEPAR e transferência de conhecimento |
| Tecnologias da trilha | 8, de Gemini Enterprise a Model Armor |
- Impacto qualitativo: resultados esperados de formação de especialistas internos, criação de MVPs, padronização de prompts, governança de IA, segurança e observabilidade.
Impacto estratégico
O significado executivo está no modelo: a CELEPAR optou por formar capacidade própria para construir e operar agentes, com um núcleo que replica o conhecimento. Se os resultados esperados se confirmarem, a empresa passa a contar com especialistas internos e com padrões de prompts, governança e segurança. Essa confirmação depende de medição que o material não traz.
Próximo capítulo
O dossiê não registra nova fase aprovada.
Como possibilidade, e não projeto aprovado, a CELEPAR pode acompanhar quantos MVPs evoluem para agentes em operação e como os replicadores disseminam o conhecimento. Essa medição transformaria a capacidade formada em evidência de valor.