Seguro por Padrão
O ShowOps.AI é feito para profissionais que não podem se dar ao luxo de uma surpresa com dados. Ético, responsável, seguro, privado — concebido desde a origem, não acrescentado depois.
A Afirmação Central
Seus dados treinam seu sistema.
Nunca os de outra pessoa.
O ShowOps.AI aprende por tenant — seus locais, seus padrões de equipe, seus fluxos de trabalho. Sem treinamento conjunto. Sem agregação entre tenants. Nenhum LLM de fornecedor é treinado com seus dados, jamais. Padrões aprendidos podem ser apagados com uma única ação, em até 24 horas.
Quatro Pilares
Toda decisão de IA no ShowOps.AI passa por essas quatro lentes. Na dúvida, os pilares prevalecem sobre conveniência e velocidade.
Não construímos recursos cujo valor principal seja monitorar pessoas. Expomos vieses na priorização — cada nota de fornecedor, sugestão de equipe e resolução de conflito vem com os fatores que a originaram. Não automatizamos decisões que afetam pessoas de forma significativa sem um humano no processo.
Os agentes propõem; humanos decidem. Toda ação consequente cria uma proposta (revisável em /api/vip/agents/proposals), e não uma alteração direta. Autonomia é conquistada por capacidade através de revisão explícita — não concedida por padrão.
Row-Level Security em todas as tabelas. RBAC em 3 camadas para agentes: papel → acesso do agente → escopo de local → filtro de dados. Defesa contra prompt injection em toda entrada não confiável (lib/agent-input-guard.ts). Logs de auditoria com snapshots antes/depois e retenção de 24 meses.
Aprendizado por tenant, sem treinamento conjunto. Seus dados treinam seu sistema, nunca os de outra pessoa. As chamadas à API da Anthropic operam sob Zero Data Retention (ZDR) — certificado pela Anthropic, ativado em junho de 2026. Nenhum prompt enviado desta plataforma é retido pela Anthropic ou usado para treinar qualquer modelo. Minimização de dados: coletamos apenas o que o recurso precisa. Subprocessadores (Supabase, Anthropic, Vercel, Resend, Sentry, mais integrações opcionais como Microsoft Graph) listados no DPA; cada papel no fluxo de dados está documentado. Sem analytics de terceiros que façam fingerprint de usuários.
Adaptação por Tenant
A adaptação está ativa por padrão, é informada no onboarding e pode ser desativada com uma única ação. Veja o escopo exato.
✓ O que a adaptação usa
✗ O que a adaptação NÃO usa
O compromisso de revogabilidade: todo tenant tem uma ação de primeira classe "Excluir meus padrões aprendidos" que devolve o ShowOps.AI ao estado inicial para sua organização em até 24 horas. Sem chamado de suporte. Sem conversa de retenção com vendas. Um botão.
O Meta-Loop
O ritmo de um evento são seis fases. O que acontece ao longo de eventos é um loop de quatro. Cada show acrescenta ao contexto do seu tenant — seu sistema acumula de evento para evento, e o próximo já começa mais afiado que o anterior.
Cada evento acrescenta ao contexto do seu tenant. Layouts de locais, padrões de equipe, redes de fornecedores, ritmos de cronograma — capturados como sinal estrutural, não como conteúdo bruto.
O sistema se adapta dentro da sua fronteira. Preferências registradas. Correções absorvidas. Padrões reconhecidos. Sem agregação entre tenants, jamais.
O próximo evento roda com mais do seu contexto incorporado. Recomendações mais inteligentes desde o primeiro dia. Menos tempo ensinando ao sistema o que sua equipe já sabe.
Variação, resultados, o que não funcionou. Realimentado na próxima captura — o ciclo se fecha e recomeça, mais afiado.
O movimento é real — e estritamente por tenant. Sem agrupamento entre clientes. Sem corpus para todo o setor. Seu ciclo permanece dentro do seu limite, e você pode pará-lo ou redefini-lo com um clique.
Dez Compromissos
Cada compromisso abaixo é rastreável até uma migração, uma biblioteca ou um teste. Se precisar do arquivo e linha exatos, peça ao seu revisor de segurança que envie um e-mail para security@showops.ai — nós enviamos.
Seus dados treinam o seu ShowOps.AI — adaptando-se aos seus locais, padrões de equipe e preferências. Nunca treina um modelo entre tenants, nunca agrupa com dados de outro tenant, nunca alimenta um corpus para todo o setor.
PROVA →A API da Anthropic roda sob Zero Data Retention (ZDR) — certificado pela Anthropic, ativado em junho de 2026. O estado de adaptação por tenant é restrito à organização e isolado na camada de aprendizado. Nenhum pipeline de fine-tuning cruza os limites do tenant.
Toda ação de agente com consequência cria uma proposta, não uma mutação direta. Propostas expiram em 7 dias. Aprovar/rejeitar é restrito por papel.
PROVA →tabela intelligence.agent_proposals, endpoint /api/vip/agents/proposals.
Os agentes recebem apenas os dados que seu papel e escopo permitem — não uma licença para vasculhar dados de todo o tenant.
PROVA →lib/agent-rbac.ts — RBAC em 3 camadas (papel → agente → local → filtro de dados). getChatContextDepth(role) limita a entrada do LLM por papel.
Entradas não confiáveis (texto do usuário, arquivos importados, dados de fornecedores) são tratadas como hostis. Sanitizadas e sinalizadas antes de chegar a qualquer modelo.
PROVA →lib/agent-input-guard.ts + tests/lib/agent-input-guard.test.ts.
Toda invocação de agente é registrada com entradas, saídas, versão do prompt, contagem de tokens e modelo. As saídas remetem aos dados de origem que citaram.
PROVA →intelligence.agent_runs, gravado pelo wrapper de agent-run em lib/intelligence. Log de auditoria em lib/audit.ts com snapshots antes/depois (retenção de 24 meses).
Tudo que é escrito por um agente é rotulado visivelmente na interface. Os usuários sempre sabem quando estão lendo saída de máquina ou de humano.
PROVA →components/lld/agents/agent-results.tsx renderiza o selo "Gerado por IA, aguardando revisão". As propostas carregam pílulas de status pelo fluxo de revisão.
Compromissos de orçamento, assinaturas de SOW, despacho de ordens de serviço e aprovações de ordens de mudança exigem aprovação humana. Agentes recomendam; humanos comprometem.
PROVA →O agente de orçamento (platform:margin_advisor) é apenas consultivo. Assinatura de SOW restrita por canSignSow (apenas executivos). Atualização disparada por conclusão de OS confirmada por humano.
Os recursos de ranqueamento expõem seus sinais e permitem substituição. Toda pontuação de fornecedor vem com os fatores que a determinaram.
PROVA →lib/supplier-scoring.ts retorna a média das avaliações, a quantidade de avaliações e a contagem de sinais recentes por trás de cada ranking. O otimizador de equipe mostra ao revisor o "porquê desta sugestão".
Equipe rastreia certificações, disponibilidade e custos — não localização, digitação ou comportamento.
PROVA →O esquema de equipe não tem colunas de localização, captura de tela ou rastreamento de atividade. Checklist de PR-template em toda migração de equipe.
Toda mutação iniciada por agente tem um caminho de desfazer: uma ação de reverter, uma reversão manual respaldada por log de auditoria, ou um processo explícito fora de banda.
PROVA →lib/audit.ts captura snapshots antes/depois em toda mutação. Rejeitar uma proposta tem custo zero (nada é alterado).
Subprocessadores
A lista completa de serviços terceiros que processam dados de clientes do ShowOps.AI, o que cada um faz e onde opera. Os termos completos estão em nosso DPA.
| Fornecedor | Papel | Região |
|---|---|---|
| Supabase | Banco de dados, autenticação, armazenamento de arquivos | EUA (Leste) |
| Anthropic | API de LLM (Zero Data Retention — certificado, ativado junho 2026) | EUA |
| Vercel | Hospedagem da aplicação, edge network | CDN global, EUA primário |
| Resend | Entrega de e-mails transacionais | EUA |
| Sentry | Monitoramento de erros, rastreamento de desempenho | EUA |
| Google Cloud | Sincronização do Google Sheets via service account para dados de LLD de venues | EUA |
| Microsoft (Graph API) | Opcional, por tenant — ingestão de conteúdo de palestrantes via OneDrive / SharePoint | EUA / UE (região do tenant) |
Limites conhecidos
Avaliação honesta. Cada item abaixo é uma lacuna na qual estamos trabalhando ativamente — e uma promessa de avisar você antes de afirmar que foi fechada.
DELETE /api/platform/learned-patterns reseta hoje os limiares adaptativos (os parâmetros ajústáveis que aprendem com as substituições do seu time) em até 24 horas. À medida que tabelas adicionais de estado aprendido entrem em fases futuras (linhas de base de métricas, sugestões de templates), o mesmo endpoint se estende para cobri-las.
Trimestrais internos; anuais externos no roadmap.
Arquitetura alinhada ao SOC 2 com análise interna de gaps concluída. Atestado Type 1 no roadmap.
Hoje a plataforma de produção roda em Vercel e Supabase, ambos em us-east-2 — uma única região dos EUA. Não oferecemos hoje residência de dados na UE nem em outras regiões; entre em contato com security@showops.ai se hospedagem regional for um requisito obrigatório para sua avaliação.
O SAML 2.0 está implementado de ponta a ponta, com mapeamento de papel a partir dos claims de grupo do IdP e reconciliação a cada reautenticação. O redirecionamento SAML por domínio a partir do formulário de login ainda não está habilitado, então os tenants SAML entram conosco e não em autoatendimento, e o desprovisionamento automático via SCIM não foi publicado. Entre em contato com security@showops.ai para saber o cronograma atual.
Contato de Segurança
Respondemos a relatos de segurança em até um dia útil. Divulgação coordenada é bem-vinda. Se alguma afirmação desta página não corresponder ao que você encontrou no produto ou no DPA, queremos saber — e vamos corrigir a afirmação ou o produto.