Agentforce em IL5: o que o caso do Army HRC ensina sobre agentic AI em ambiente sensível
O U.S. Army Human Resources Command virou o primeiro órgão do Departamento de Guerra americano a rodar Agentforce em ambiente Impact Level 5, e isso diz mais sobre arquitetura de permissão do que sobre inteligência artificial
O Army HRC deployou Agentforce dentro do ambiente IL5 da Salesforce para atender 9,2 milhões de soldados, veteranos e famílias. Menos sobre chatbot, mais sobre governança de dados sensível em escala federal.
Todo case de governo com Salesforce que chega até nós tem uma tentação: ler como PR de escala (9,2 milhões de pessoas! 55 milhões de conversas por mês!) e não como decisão de arquitetura. O deploy do Army Human Resources Command é o contrário disso. O número que realmente importa aqui não é o volume de soldados atendidos, é a palavra IL5.
Impact Level 5 é uma classificação de segurança do Departamento de Defesa americano para ambientes que lidam com Controlled Unclassified Information (CUI) sensível, geralmente dados de missão, RH militar, informação que não é classificada no sentido estrito mas que também não pode vazar. Rodar Agentforce dentro de um ambiente IL5 autorizado significa que a Salesforce teve que provar, com auditoria formal, que os agentes autônomos respeitam os mesmos boundaries de segurança que qualquer outro workload dentro daquele perímetro. Isso é o oposto de "plugar um LLM em cima do Service Cloud e ver o que acontece".
O HRC processa mais de 1.500 casos por dia, entre promoções, benefícios, transferências e gestão de registros de uma das maiores forças de trabalho federais do país. Antes da modernização (o que eles chamam de Digital Front Door, construído sobre Salesforce e entregue via Professional Services), os analistas navegavam sistemas legados desconectados para responder um caso simples. Isso é a realidade de 80% dos ambientes de Service Cloud grandes que eu já vi: o problema não é falta de IA, é fragmentação de dado e processo manual disfarçado de processo formal.
A arquitetura descrita segue um padrão que eu recomendo em qualquer projeto de Agentforce com dado sensível: os agentes respondem perguntas rotineiras, resumem histórico de caso, buscam política e informação de carreira em fontes aprovadas, mas qualquer decisão sobre benefício ou matéria sensível é roteada para um especialista humano, que mantém autoridade de decisão. Não é automação total, é triagem inteligente com human-in-the-loop nos pontos de risco. Isso é decisão de governança, não limitação técnica.
O detalhe que eu destacaria para quem trabalha com Experience Cloud: os 55 milhões de conversas projetadas por mês acontecem via Experience Cloud com Agentforce como camada conversacional. Isso implica sharing model, autenticação e segregação de audiência (soldado ativo, veterano, cônjuge, funcionário civil) desenhados com extremo cuidado, porque o mesmo portal atende perfis com direitos de acesso completamente diferentes. Errar isso em produção não é bug, é incidente de segurança.
Os números de negócio (US$ 6 milhões de economia anual projetada, redução de sistemas legados redundantes) vêm antes de qualquer agente de IA entrar em produção, só da consolidação de plataforma. Isso reforça algo que eu repito em toda reunião de kickoff: ROI de dado limpo e processo unificado costuma superar ROI de IA generativa isolada. Agentforce aqui é a cereja, não o bolo.
Esse caso normaliza um argumento que eu uso em vendas complexas de setor público e regulado no Brasil: dado que agentic AI já é auditável o suficiente para operar em ambientes de segurança nível 5 do governo americano, a barreira para adoção em bancos, saúde e órgãos públicos brasileiros deixa de ser "a tecnologia é confiável?" e passa a ser "nosso modelo de permissão e nosso dado estão maduros para isso?". A resposta, na maioria dos projetos que vejo, é não.
Para arquitetos, o recado é que a conversa sobre Agentforce em contexto sensível não é sobre prompt engineering, é sobre modelagem de permissão, Data Cloud bem estruturado e workflow de escalonamento humano bem definido antes de qualquer agente ir para produção.
Este é um press release institucional da Salesforce, então os números de impacto (economia, volume de conversas, casos por dia) são projeções da própria empresa e do cliente, não dados auditados independentemente. Trato como indicativo de intenção de escala, não como resultado comprovado.
Se você está desenhando um projeto de Agentforce para cliente com dado sensível (saúde, RH, financeiro, jurídico), use esse case como referência de padrão arquitetural: defina antes de tudo quais decisões o agente pode tomar sozinho e quais exigem roteamento obrigatório para humano, documente isso como regra de negócio formal (não como prompt), e trate o Digital Front Door como metáfora útil: consolide sistema legado e dado fragmentado antes de colocar um agente conversacional em cima disso.
No Brasil, isso normalmente significa arrumar Data Cloud, revisar Sharing Rules e Permission Sets do zero, e só depois discutir qual agente resolve qual intenção.
Cuidado com o entusiasmo de cliente que vê esse case e quer pular direto para "vamos automatizar tudo". O próprio deploy do Army preserva decisão humana em matérias sensíveis, isso não é timidez tecnológica, é design responsável. Replicar o resultado sem replicar essa disciplina de governança é receita para expor dado que não deveria estar acessível a um agente.
Outro ponto: ambiente IL5 é uma certificação específica de governo americano, não existe equivalente direto no Brasil. Não use esse case como prova de que "está tudo liberado" para qualquer contexto regulatório local sem validar a certificação e a legislação aplicável (LGPD, normas setoriais) no seu projeto.
Este conteúdo foi reescrito e analisado editorialmente em português a partir de informações públicas da fonte indicada.