CAMADA DE GOVERNANÇA DE IA CORPORATIVA

Sua empresa usa IA.
Você governa?

Uma camada entre seus times e qualquer LLM: bloqueia dado sensível, controla custo, aprova modelos e isola acesso — sem trocar de ferramenta.

5 FRENTES · 1 CHAVE · QUALQUER PROVEDOR
PULSE CONSOLE · ESCUDO DLPPRE-CALL
MODO4 violações interceptadas — neste teste
REGISTRO NA TRILHA · MASCARADO
Resuma o cadastro do cliente: cartão [CARTÃO MASCARADO], CPF [CPF MASCARADO], contato . Use a chave [SEGREDO REMOVIDO] pra puxar o histórico.
VIOLAÇÃO REGISTRADA · PROMPT SEGUE
DETECTA: CARTÃO (LUHN) · CPF (CHECKSUM) · API KEY · E-MAIL1 dos 5 controles · roda no seu navegador — nada é enviado
— POR ONDE DÓI
5 FRENTES · 1 CAMADA

Governança tem 5 frentes. Comece pela sua.

ROLE PARA ATRAVESSAR AS 5 FRENTES
01 · DADOSDados bancários estão saindo nos prompts?DLP em tempo real: mascara ou bloqueia antes do provedor.02 · CUSTOQuanto sua empresa gasta com IA — e quem gasta?Budget por time, alerta por limiar, corte no estouro.03 · ACESSOQuem pode usar o quê?Multi-tenant, RBAC e credenciais que nunca vazam.04 · MODELOSQual modelo é aprovado pra uso?Catálogo governado, default-OFF; não-aprovado → 403.05 · CONECTIVIDADEE quando a IA sai do chat?WhatsApp, IDEs e agentes atrás da mesma camada.
— A CAMADA
ENTRE A EMPRESA E O MODELO

Uma camada entre sua empresa e qualquer LLM.

Ninguém fala direto com o provedor. Cada requisição atravessa a camada — e é nela que as suas regras valem: dado inspecionado, custo contado, modelo verificado, acesso conferido, tudo registrado. Seu time não muda de ferramenta; a empresa ganha o controle.

SUA EMPRESA
times · apps · agentes · IDEs
HorseLabs.
CAMADA DE GOVERNANÇA
DADOSCUSTOMODELOSACESSOCONECTIVIDADE
requisição governadaresposta
PROVEDORES DE LLM
Anthropic · OpenAI · Google · xAI
— AS 5 FRENTES
STATUS HONESTO · POR FEATURE

O que a camada governa.

PILAR 01 · GOVERNANÇA DE DADOS

O que impede dados bancários de sair num prompt?

Todo prompt que sai da sua empresa passa primeiro pela camada — e é nela que o dado sensível para. O Escudo DLP inspeciona o conteúdo antes de a requisição chegar ao provedor: regras determinísticas detectam número de cartão de crédito (com checksum Luhn), CPF, e-mail e credenciais; uma camada de NLP detecta nome de pessoa e PII que regra não alcança. A política é sua, por time: monitorar, mascarar ou bloquear. Quando a política é de bloqueio e o detector fica indisponível, a requisição é barrada — fail-closed, porque proteger o dado é o default. Cada tentativa de exposição vira um registro de auditoria com usuário, classe de dado e horário, sem nunca persistir o dado em claro. Você descobre o Shadow AI que já existe, trava o que não pode sair e guarda a prova de cada decisão.

  • Escudo DLP (determinístico + NLP)
  • Alerta de Exposição em tempo real
  • Políticas de Proteção (Off · Monitor · Block + regex)
  • Trilha de Violações (mascarada)
  • Relatório de Conformidade exportávelEM BREVE
PILAR 02 · GOVERNANÇA DE CUSTO

Quanto sua empresa gasta com IA — e quem gasta?

Cada time recebe uma chave virtual — e é ela que carrega o orçamento. O gasto com IA fica visível por usuário, por chave, por time e por centro de custo, em tempo real, qualquer que seja o provedor. Você define o budget; a camada avisa quando o consumo cruza o limiar (webhook pro seu fluxo) e corta quando estoura — o freio é enforcement, não relatório. Cada requisição fica registrada: quem chamou, qual modelo, quantos tokens, quanto custou. É o fim da fatura-surpresa e do gasto invisível espalhado em contas pessoais: um único ponto de passagem, um único extrato, e a conta de IA volta a ser uma linha de orçamento que alguém governa.

  • Centro de Custo de IA (spend por user · chave · time)
  • Freio de Orçamento (limiar + webhook + corte)
  • Registro de Requisições
  • Reset por CalendárioEM BREVE
PILAR 03 · ACESSO & IDENTIDADE

Quem pode usar o quê — e com qual chave?

Governança começa em quem pode fazer o quê. A camada isola cada organização e cada área em seu próprio tenant, com papéis de escopo estrito — operador, administrador, membro: o admin de uma área não enxerga a outra, e ninguém enxerga o que não governa. As credenciais dos provedores ficam num cofre (Vault) e nunca chegam ao usuário final: quem usa IA recebe uma chave virtual, não a chave do provedor. Ações sensíveis exigem segundo fator (step-up 2FA), o login é protegido por MFA e rate-limit, e cada acesso e cada revelação de segredo entra na trilha de auditoria. Você dá IA pra empresa inteira sem distribuir segredo, sem misturar áreas e sem perder o registro de quem fez o quê.

  • Isolamento Multi-tenant (RBAC)
  • Cofre de Credenciais (Vault + step-up 2FA)
  • Acesso Blindado (MFA + rate-limit + auditoria)
PILAR 04 · GOVERNANÇA DE MODELOS

Quem decide qual modelo seu time pode usar?

Hoje, cada colaborador decide sozinho qual modelo usar — e a empresa descobre depois. Na camada, o catálogo de modelos é governado: tudo nasce desligado (default-OFF) e só entra em uso o que um administrador aprovar, por organização e por centro de custo. O time chama um modelo não aprovado? A resposta é 403 — antes de qualquer token ser gasto. E como a camada fala o padrão OpenAI-compatible com todos os provedores, a aprovação não cria lock-in: Claude, GPT, Gemini e Grok ficam atrás da mesma chave, e trocar de modelo vira decisão de governança, não projeto de migração. O catálogo se atualiza com os modelos vivos de cada provedor — você aprova no painel, o enforcement acontece no gateway.

  • Catálogo Governado (allowlist default-OFF)
  • Gateway Universal (Claude · GPT · Gemini · Grok)
PILAR 05 · CONECTIVIDADE

E quando a IA sai do chat?

Governança só funciona se alcançar onde a IA de fato opera — e cada vez menos isso é uma janela de chat. A camada expõe o gateway no padrão OpenAI-compatible: o que o seu time já usa (IDEs, agentes, scripts, ferramentas internas) passa a apontar pra ela trocando uma URL, e herda DLP, budget e allowlist em toda chamada. A operação também sai do dashboard: alertas de orçamento e de violação chegam no WhatsApp, onde o gestor realmente está. Esta é a frente mais nova da plataforma — os rótulos abaixo dizem exatamente o que já roda e o que está em homologação.

  • Operação no WhatsApp (alertas · relatórios)BETA
  • Conecta no seu IDE (padrão OpenAI-compatible)EM HOMOLOGAÇÃO
— COMO FUNCIONA
1 REQUISIÇÃO · 5 CONTROLES

O caminho de uma requisição.

As 5 frentes não são 5 produtos — são um ciclo. Cada chamada de IA da sua empresa atravessa todos os controles, nesta ordem, em milissegundos.

Pipeline de uma requisição na HorseLabsA requisição sai do app, é autenticada pela chave virtual, passa pela allowlist de modelos, pelo escudo DLP e pelo freio de orçamento, segue ao provedor de LLM e fica registrada na trilha de auditoria.01APPsua ferramenta02CHAVE VIRTUALsk-hl-…03ALLOWLISTaprovado?04ESCUDO DLPpre-call05BUDGETdentro do limite?06PROVEDORanthropic/…07TRILHAauditável
  1. 01APPsua ferramenta
  2. 02CHAVE VIRTUALsk-hl-…
  3. 03ALLOWLISTaprovado?
  4. 04ESCUDO DLPpre-call
  5. 05BUDGETdentro do limite?
  6. 06PROVEDORanthropic/…
  7. 07TRILHAauditável

Uma URL, uma chave — e cada requisição passa a ser governada.

— DENTRO DO PILAR DE DADOS
DETECTA → MASCARA → AUDITA

O dado sensível para antes de sair.

01 · DETECTA

Duas camadas de detecção

Regras determinísticas pegam dados bancários — número de cartão de crédito (Luhn) — além de CPF (com checksum), e-mail e credenciais. A camada de NLP pega nome de pessoa e PII que regra não alcança. Tudo no pre-call — o prompt ainda não saiu.

02 · MASCARA

Mascara ou bloqueia, por política

O dado vira um marcador antes do provedor — ou a requisição é recusada (HTTP 400 · content_blocked). Se o detector cai com a política em bloqueio, a chamada não passa: fail-closed.

03 · AUDITA

Trilha sem segundo vazamento

Cada violação registrada com usuário, classe de dado, modelo e horário — com o dado já mascarado na própria trilha. Você prova o controle sem criar outra cópia do dado em claro.

— SEM ILUSÃO
O CONTRATO DE HONESTIDADE

O que somos. E o que não somos.

O que entregamos

  • Uma camada de controle no caminho da requisição: bloqueio, máscara, budget e allowlist aplicados em tempo real — enforcement, não recomendação.
  • Visibilidade: quem usa IA, com qual dado, em qual modelo, a que custo — num único ponto de passagem.
  • Trilha: cada violação, cada corte e cada aprovação registrados, com o dado sensível já mascarado.

O que não prometemos

  • Governança não é conformidade resolvida. Nenhuma ferramenta — a nossa incluída — te deixa "em conformidade" sozinha: conformidade envolve processo, jurídico e gente.
  • Todo provedor relevante de LLM é estrangeiro. Transferência internacional de dados é intrínseca ao uso de IA — entregamos controle, redução e prova sobre o que sai, não a ilusão de que nada sai.
  • Não substituímos seu DPO, seu jurídico nem sua política. Damos a eles a camada técnica e a evidência que faltavam.
— TEMPO ATÉ O CONTROLE
3 PASSOS · SEM MIGRAÇÃO

Três passos até a primeira requisição governada.

PASSO 01

Aponte a base_url

A camada fala o padrão OpenAI-compatible. Suas ferramentas continuam as mesmas — só passam a apontar pro gateway.

PASSO 02

Crie a chave virtual

Cada time recebe a sua. A chave do provedor fica no cofre — ninguém mais distribui segredo.

PASSO 03

Defina budget e allowlist

Orçamento por centro de custo, modelos aprovados por área. A partir daí, toda chamada é governada.

SETUP · TERMINAL
# 1 · aponte sua ferramenta pra camada
export OPENAI_BASE_URL="https://gateway.horse-labs.dev/v1"  # URL entregue no onboarding

# 2 · use a chave virtual do seu time (não a do provedor)
export OPENAI_API_KEY="sk-hl-vendas-…"

# 3 · pronto — DLP, budget e allowlist valem pra TODA chamada
— PERGUNTAS FREQUENTES
O QUE O COMITÊ PERGUNTA

O que perguntam antes de começar.

É uma camada de software que fica entre as ferramentas da empresa e os provedores de LLM e aplica as regras da organização em cada requisição: bloqueia ou mascara dado sensível, controla gasto por orçamento, restringe quais modelos podem ser usados, isola o acesso por área e registra tudo em trilha de auditoria. A HorseLabs implementa essa camada em 5 frentes — dados, custo, modelos, acesso e conectividade — atrás de uma única chave, pra qualquer provedor.

Todo prompt passa pelo gateway antes do modelo. O Escudo DLP inspeciona o conteúdo no pre-call: regras determinísticas detectam dados bancários — cartão de crédito (Luhn) —, CPF, e-mail e credenciais; uma camada de NLP detecta nome de pessoa e PII que regra não alcança. Conforme a política do time, o dado é mascarado ou a requisição é bloqueada antes de sair — e a violação fica registrada na trilha, com o dado já mascarado.

Não sozinha — e desconfie de quem prometer isso. Conformidade envolve processo, base legal, contrato e gente; nenhuma ferramenta a "resolve". O que a HorseLabs entrega são os controles técnicos que sustentam a sua postura: bloqueio e mascaramento de dado pessoal antes do provedor, trilha de auditoria de violações e isolamento de acesso. E vale dizer com clareza: todo provedor relevante de LLM é estrangeiro, então transferência internacional é intrínseca ao uso de IA. Nós damos controle, redução e prova sobre o que sai — não a ilusão de que nada sai.

Não. A camada fala o padrão OpenAI-compatible: o que já funciona com esse padrão — IDEs, agentes, scripts, ferramentas internas — passa a apontar pro gateway trocando a base_url e usando a chave virtual do time. O colaborador não muda o fluxo; a empresa ganha o controle.

Fail-closed. Quando a política do time está em bloqueio e o detector fica indisponível, a camada barra a requisição em vez de deixar passar. Proteger o dado é o default de arquitetura — não uma configuração que alguém esquece de ligar.

Cada time usa uma chave virtual com orçamento próprio. O gasto aparece em tempo real por usuário, chave, time e centro de custo. Quando o consumo cruza o limiar definido, a camada dispara um alerta (webhook pro seu fluxo); quando estoura, corta. E cada requisição fica registrada: quem, qual modelo, quantos tokens, quanto custou.

Claude (Anthropic), GPT (OpenAI), Gemini (Google) e Grok (xAI), atrás da mesma chave e do mesmo padrão de API. O catálogo é alimentado pelos modelos vivos de cada provedor e governado por allowlist: tudo nasce desligado, e só entra em uso o que um administrador aprovar. Modelo não aprovado recebe 403.

Cada organização e cada área vive em seu próprio tenant, com papéis de escopo estrito (operador, admin, membro). As credenciais dos provedores ficam num cofre (Vault) e nunca chegam ao usuário final. Ações sensíveis exigem segundo fator, e cada acesso entra na trilha de auditoria.

Depende do escopo — tamanho da operação, número de áreas/tenants e volume de requisições. A estrutura de investimento está em horse-labs.dev/pricing; escopo e métrica são definidos antes de começar, sem surpresa.

Pedindo acesso no formulário desta página — e-mail corporativo e tamanho do time bastam. Estamos em fase de validação com empresas selecionadas: o fundador responde em até 1 dia útil.

Aprofunde: guia de governança de IA corporativa →

— GLOSSÁRIO
8 TERMOS · SEM JARGÃO VAZIO

Os termos que aparecem na sua reunião.

Shadow AI
Uso de ferramentas de IA por colaboradores fora do controle da empresa — contas pessoais, extensões, agentes não aprovados. É o ponto cego que a camada de governança torna visível e governável.
DLP (Data Loss Prevention)
Conjunto de controles que impede dado sensível de sair do perímetro. Em IA, significa inspecionar cada prompt antes do provedor e mascarar ou bloquear CPF, cartão, credenciais e PII.
Governança de IA
A capacidade de uma empresa aplicar suas regras ao uso de IA — sobre dados, custo, modelos, acesso e canais — com enforcement em tempo real e trilha de auditoria, não só política no papel.
Multi-tenant
Arquitetura em que cada organização ou área opera em um espaço isolado (organização), com dados, chaves, budgets e permissões que não se misturam.
Fail-closed
Decisão de arquitetura: se o controle de segurança fica indisponível, a requisição é barrada em vez de passar sem inspeção. O default protege o dado, não a conveniência.
Transferência internacional
Envio de dado pessoal para fora do país. Como os provedores relevantes de LLM são estrangeiros, ela é intrínseca ao uso de IA — o papel da governança é controlar, reduzir e provar o que sai.
Chave virtual
Credencial emitida pela camada para cada time ou pessoa, no lugar da chave real do provedor. Carrega o perfil de acesso: modelos permitidos, orçamento e identidade para a trilha.
Allowlist de modelos
Lista de modelos aprovados para uso, por organização e centro de custo. Default-OFF: o que não foi aprovado explicitamente é recusado com 403, antes de gastar tokens.

Ver o glossário completo →

— PEDIR ACESSO

Pronto pra governar?

Estamos abrindo acesso pra empresas em fase de validação. Conte o seu cenário — o fundador te chama pra entender onde dói primeiro.

VALIDAÇÃO COM EMPRESAS SELECIONADAS
Sem spam · sem compromisso
Pedir acesso →