Licenças do ChatGPT Enterprise e do Microsoft Copilot ou um pipeline de processamento de documentos: do que uma empresa regulada precisa

O ChatGPT Enterprise, o ChatGPT Business e o Microsoft Copilot dão aos funcionários um assistente que consegue ler um contrato ou um formulário de sinistro e responder perguntas sobre ele. Essas assinaturas por pessoa, muitas vezes chamadas de licenças ou “seats”, servem para documentos que as pessoas leem e sobre os quais decidem um a um. Quando os mesmos tipos de documento chegam todos os dias e os campos deles precisam ir parar em outro sistema, você precisa de um pipeline de processamento de documentos. Ele lê cada documento com um modelo de linguagem grande (LLM), o tipo de IA por trás do ChatGPT. Depois confere cada campo com as suas regras, manda os duvidosos para uma pessoa e grava o resto nos seus sistemas. Em uma empresa regulada, o que decide entre os dois é o volume e o lugar onde os seus documentos podem ser processados.

O que as licenças do ChatGPT Enterprise e do Copilot oferecem a uma empresa regulada?

As licenças dão a cada funcionário um assistente, com preço por pessoa e com termos empresariais sobre como o fornecedor usa os dados da empresa. A página de preços da OpenAI, consultada em 16 de outubro de 2026, diz que os planos pagos do ChatGPT, incluindo Business e Enterprise, “têm preço por usuário por mês”. A página da Microsoft sobre opções de licenciamento descreve o Microsoft Copilot, produto que ela chamava de Microsoft 365 Copilot, como “um plano complementar” a uma assinatura do Microsoft 365, com uma licença atribuída a cada usuário.

A página de privacidade corporativa da OpenAI, atualizada em 8 de janeiro de 2026, diz: “Por padrão, não treinamos nossos modelos com os seus dados”. Ela dá esse compromisso para o ChatGPT Business, o ChatGPT Enterprise e a API, entre outros produtos. A API é a interface que o seu próprio software usa para chamar os modelos da OpenAI. A página de privacidade da Microsoft sobre o Copilot, consultada em 16 de outubro de 2026, diz: “Prompts, respostas e dados acessados por meio do Microsoft Graph não são usados para treinar LLMs fundacionais, incluindo os usados pelo Microsoft Copilot.” O Microsoft Graph é a camada pela qual o Copilot lê os e-mails, os chats e os arquivos da sua empresa.

Os documentos continuam indo para a nuvem do fornecedor. Para clientes da UE, a Microsoft chama o Copilot de serviço do Limite de Dados da UE (EU Data Boundary), um serviço cujos dados de clientes ela se compromete a armazenar e processar dentro da UE e da EFTA, e acrescenta: “Os modelos fornecidos pela Anthropic como suboperador estão atualmente excluídos do Limite de Dados da UE.” A página da Microsoft sobre os modelos da Anthropic diz que clientes no Limite de Dados da UE e no Reino Unido “têm os modelos da Anthropic desativados por padrão”. Se as suas regras dizem que certos documentos precisam ficar em servidores que você controla, as licenças estão fora de questão para esses documentos. Para um assistente que roda nos seus próprios servidores, veja o artigo sobre um ChatGPT privado, com link acima.

Onde as licenças deixam de bastar para o trabalho com documentos?

Com volume alto, o primeiro limite é o tempo das pessoas: cada documento exige que alguém o envie, pergunte, leia a resposta e copie o resultado. A OpenAI também limita o ritmo. O artigo de ajuda dela sobre envio de arquivos, consultado no mesmo dia, diz: “Você pode enviar até 80 arquivos a cada 3 horas.” E acrescenta: “A OpenAI pode reduzir esses limites nos horários de pico.”

Dois colegas que formulam a mesma pergunta de jeitos diferentes podem obter valores diferentes do mesmo formulário. Uma instrução escrita fixa por tipo de documento ajuda. Mesmo assim, alguém precisa medir com que frequência cada campo sai certo, pontuando as respostas em um conjunto de aceitação. Ou seja, um conjunto de documentos reais com o valor correto de cada campo anotado pelos seus funcionários.

Em um chat, o resultado fica na tela, e alguém o digita no sistema de sinistros, de tickets ou de onboarding de clientes, com o risco de um erro novo a cada vez. Um pipeline confere cada valor com as suas regras, como um montante dentro de um limite, uma data que existe ou um número de cliente que bate com os seus registros, e o grava por conta própria.

As licenças vêm com registros das conversas. A OpenAI diz que os administradores de workspaces do ChatGPT Enterprise “podem acessar um log de auditoria de conversas e GPTs por meio da Enterprise Compliance API”, e a Microsoft armazena “o prompt do usuário e a resposta do Copilot”. Um processo de documentos pode precisar, em vez disso, de um registro por documento, que mostre as instruções e a versão do modelo por trás de cada campo, as verificações em que ele passou e quem o aprovou. Pergunte ao seu time de compliance de qual dos dois o seu processo precisa.

Agentes do Copilot ou GPTs personalizados podem fazer o trabalho do pipeline?

Em parte. GPTs personalizados e agentes do Copilot são assistentes configurados para tarefas específicas. Conectados aos seus sistemas, eles podem assumir parte da cópia manual, e para alguns tipos de documento isso pode bastar.

A página de privacidade da OpenAI diz que os membros do workspace “podem criar e compartilhar GPTs internamente”. A mesma página diz que os apps “permitem que o ChatGPT envie e obtenha informações de fontes internas conectadas e de aplicativos de terceiros”, e que os administradores escolhem quais apps ficam ativados. A Microsoft permite que o Copilot use agentes e conectores com outras ferramentas. A página de privacidade dela diz: “Os administradores têm controle total para selecionar quais agentes são permitidos na organização”. Ela também orienta as empresas que usam um agente a “verificar a declaração de privacidade e os termos de uso do agente para determinar como ele vai tratar os dados da sua organização.”

Teste um agente como você testaria um pipeline. Rode-o no seu conjunto de aceitação, descubra onde cada documento é processado, inclusive no próprio fornecedor do agente, e veja o registro que ele mantém de cada documento. Use-o só nos tipos de documento em que ele for aprovado.

O que um pipeline de documentos acrescenta?

Um pipeline executa as mesmas etapas em todos os documentos, e uma pessoa só vê os documentos que não passam nas verificações:

• A ingestão recebe documentos por e-mail, por uma página de upload ou por um scanner e os separa por tipo
• Um modelo de linguagem lê cada documento e devolve os campos que você pede, com o lugar do documento de onde veio cada valor
• As suas regras conferem cada valor, e tudo o que é duvidoso vai para uma fila de revisão, a lista de documentos que esperam por uma pessoa
• Os valores conferidos são gravados no sistema que os usa
• Um registro por documento guarda a versão do modelo, as instruções, os resultados das verificações e o nome de quem revisou, se alguém revisou

O modelo pode ser um que os seus funcionários já usam. A página de privacidade da OpenAI separa os dois usos: “A maneira mais fácil de começar com a OpenAI é implantar o ChatGPT Business ou o ChatGPT Enterprise para os seus funcionários” e “Se as suas equipes de engenharia quiserem criar soluções personalizadas usando a nossa tecnologia, experimente a nossa API Platform”. Um pipeline pode chamar a API de um provedor sob os termos empresariais dele ou rodar um modelo de pesos abertos em servidores que você controla. Um modelo de pesos abertos é aquele cujos arquivos você pode baixar e rodar por conta própria. O artigo sobre configurações via API, auto-hospedadas e híbridas, com link acima, compara essas opções.

Os termos da API são diferentes dos termos das licenças, então leia-os separadamente. A mesma página da OpenAI diz: “Exceto por determinados endpoints e recursos listados na documentação da nossa plataforma, a OpenAI pode reter com segurança as entradas e saídas da API por até 30 dias para prestar os serviços e identificar abusos.” Ela acrescenta que você pode solicitar retenção zero de dados (zero data retention) “para endpoints elegíveis, se tiver um caso de uso que se qualifique”.

Como decidimos qual documento vai para onde?

Liste os seus tipos de documento e anote para cada um: quantos chegam por mês, quantos campos você tira de cada documento, para qual sistema esses campos vão e se os documentos podem sair do seu perímetro (os servidores e as contas de nuvem que a sua empresa controla).

• As licenças servem para documentos variados que uma pessoa lê de qualquer forma para decidir algo, como um contrato lido antes de uma reunião, quando nada deles vai para outro sistema
• Um pipeline serve para tipos que se repetem, como formulários de sinistro, faturas ou documentos de abertura de conta, quando os campos deles alimentam outro sistema e um erro tem um custo concreto, como um pagamento errado
• Documentos que precisam ficar dentro do seu perímetro exigem um sistema em servidores que você controla, um pipeline ou um assistente privado, seja qual for o volume

Licenças e pipeline podem funcionar lado a lado. Os funcionários mantêm as licenças para ler e redigir, e o fluxo constante de documentos padrão passa para o pipeline.

Como comparamos as duas opções nos nossos próprios documentos?

Pontue as duas opções em um mesmo conjunto de aceitação, formado por documentos recentes de cada tipo. O artigo sobre comprar software de IA para documentos ou construir um pipeline, com link acima, explica como montar o conjunto e reservar uma parte dele para a nota final.

• Dê as licenças a dois ou três funcionários, com uma instrução escrita por tipo de documento, e cronometre o trabalho deles em uma amostra do conjunto
• Pontue as respostas deles campo a campo em relação aos valores corretos
• Faça o pipeline processar a mesma amostra onde as suas regras permitem processar os documentos e pontue-o da mesma forma
• Compare a acurácia de cada campo, os minutos de trabalho dos funcionários por documento e quantos resultados chegaram ao sistema de destino sem redigitação

Se, em um tipo de documento, as licenças pontuam tão bem quanto o pipeline e o tempo dos funcionários é aceitável, deixe esse tipo com as licenças.

Quanto custa cada opção à medida que o volume cresce?

Com preço por pessoa, a conta das licenças acompanha o número de funcionários, mais os créditos extras de uso que você comprar. Se o volume dobra e você contrata pessoas para dar conta dele, também compra mais licenças. A conta de um pipeline acompanha os documentos: uso do modelo ou servidores, mais os funcionários que trabalham na fila de revisão e as pessoas que operam o sistema. Peça ao fornecedor das licenças e a cada empresa que oferece um pipeline um orçamento de três anos para os mesmos volumes, definidos por escrito, e conte o tempo dos seus próprios funcionários nos dois lados.

Podemos começar com licenças e acrescentar um pipeline depois?

Sim, e os meses com licenças podem preparar o pipeline. Enquanto os funcionários trabalham com elas, reúna para cada tipo de documento a lista de campos que você tira dele, a instrução escrita a que a sua equipe chegou e os documentos em que os funcionários tiveram de corrigir o resultado. A lista de campos e a instrução viram o ponto de partida da especificação do pipeline. Os documentos corrigidos, com os valores corretos, vão para o conjunto de aceitação.

Guarde esse material nos arquivos da própria empresa, e não espalhado por históricos de chat, para que qualquer fornecedor ou empresa com quem você conversar depois possa ser testado com ele.

O que devemos perguntar a uma empresa que se oferece para construir o pipeline?

• Qual pipeline de documentos vocês já levaram à produção, ou seja, ao uso diário, e o que aconteceu com os documentos que ele não conseguiu ler?
• Vocês vão pontuar o protótipo no nosso conjunto de aceitação, onde as nossas regras permitirem, antes de assinarmos a construção completa?
• Quais dos nossos tipos de documento vocês deixariam com os funcionários e as licenças deles, e por quê?
• O que o registro de cada documento contém, e o nosso time de compliance consegue lê-lo sem a ajuda de vocês?
• De quem são o código, as instruções dadas ao modelo e o conjunto de aceitação quando o trabalho termina?

Onde a amBrain se encaixa?

O único projeto com modelo de linguagem que a amBrain descreve publicamente é este: “Levamos à produção uma integração de LLM dentro do perímetro de FinTech de um cliente: extração e normalização de avisos não estruturados de corretoras e de venues — eventos corporativos, alterações de instrumentos e de margem — em registros estruturados que o sistema de trading consome.”

Este artigo não é um estudo de caso, e o cliente não é nomeado. A frase citada não diz como aquele projeto começou, qual modelo usou, onde o modelo rodava nem quais das etapas acima incluía. Nada aqui afirma que a amBrain substituiu licenças por um pipeline, comparou as duas opções para um cliente, construiu sistemas para formulários de sinistro, faturas ou documentos de abertura de conta, ou implantou o ChatGPT Enterprise, o ChatGPT Business, o Microsoft Copilot ou a API da OpenAI para alguém. A OpenAI e a Microsoft são citadas como exemplos a partir das próprias páginas publicadas, e o artigo não afirma nenhuma relação entre elas e a amBrain. Não são informados preços, prazos nem condições da amBrain para um protótipo ou para um teste antes da assinatura.

A amBrain constrói software desde 2019. Ela trabalha em três formatos: entrega completa, time dedicado ou engenheiros embarcados no seu time. A frase dela sobre propriedade é: “O cliente mantém a propriedade integral do produto e do código, exceto dos nossos componentes reutilizáveis.” Se a amBrain estiver na sua lista curta, dê a ela o mesmo conjunto de aceitação e as mesmas perguntas que a qualquer outra empresa.