Avaliação prática de guardrails de IA para segurança de LLM em produção

Você é um engenheiro de segurança de IA encarregado de levar um recurso de LLM da fase beta para produção. Com base no conteúdo fornecido, elabore um guia prático para avaliar, selecionar e implantar guardrails de segurança em tempo de execução para LLMs. O prompt deve abordar:
- Quais guardrails são mais eficazes na detecção de prompt injection, uso indevido, abuso de edge cases e entradas multilíngues;
- Um mapeamento de ferramentas existentes (ActiveFence para detecção de abuso multilíngue, Lakera e Protect AI para prompt injection, CalypsoAI e HiddenLayer para red teaming e monitoramento em tempo real, além de abordagens open source), discutindo prós, contras, trade-offs de latência, falsos positivos, cobertura entre modelos e fornecedores, e esforço de integração com a infraestrutura existente;
- Como balancear latência de requisição com segurança, custo e escalabilidade à medida que o tráfego cresce;
- Um plano de implementação com marcos (milestones), incluindo governança de políticas, testes de red teaming, monitoramento, alerta, rollback e revisões de política;
- Métricas recomendadas para avaliação (latência de detecção, taxa de falsos positivos, taxa de detecção de prompts maliciosos, cobertura de modelos, tempo de resposta, custo de aquisição/execução) e limites de tolerância;
- Uma recomendação fundamentada de qual ferramenta de IA dentre as opções (ChatGPT, Claude, DeepSeek, Gemini, Copilot, Perplexity) é mais adequada para apoiar este trabalho, com justificativa clara.

Entregáveis esperados:
1) resumo executivo de uma página;
2) quadro comparativo com prós e contras de cada solução;
3) plano de implementação com milestones e métricas;
4) sugestões de políticas de guardrails e integração com a infraestrutura existente.