Serviço

Agentes de IA para o trabalho que exige ler e interpretar

Leitura de contrato e nota, triagem de atendimento, resumo de histórico. Com supervisão humana onde a decisão tem consequência, e a lista do que ainda não funciona.

2 a 4
semanas até o primeiro agente em produção
100%
das decisões com trilha e nível de confiança
0
decisões de risco no automático, por desenho

Resposta curta

Agente de IA rende onde há volume, texto livre e uma regra que a pessoa aplicaria se tivesse tempo: triagem, leitura de documento, resposta de primeiro nível. Desenhamos com passagem para humano e trilha do que foi decidido. Onde a regra é determinística, uma automação comum sai mais barata e erra menos.

O trabalho que automação comum não alcança

Regra fixa automatiza bem: se o valor passa de tanto, aprova; se o campo está vazio, recusa. O que não cabe em regra é a maior parte do trabalho de escritório: ler um contrato de quarenta páginas e achar a cláusula de reajuste, entender o que o cliente quis dizer numa mensagem confusa, conferir se a nota que chegou corresponde ao pedido que foi feito.

Isso hoje consome as pessoas que mais entendem do negócio, e consome no pior formato: em lotes, no fim do dia, sob pressão. É onde o erro nasce e onde ele demora mais para aparecer.

O mercado responde a isso com promessa exagerada, e o resultado é ceticismo justificado. Quem já viu um piloto de IA falhar em produção sabe que a pergunta certa não é o que a tecnologia consegue fazer numa demonstração, e sim o que ela sustenta em volume, com dado real e sujo, todo dia.

Como fazemos

  1. Recorte pelo custo do erro

    Começamos pelas tarefas onde errar é barato de perceber e barato de corrigir: classificar, extrair, resumir, rascunhar. É onde a IA já entrega hoje sem precisar de fé.

  2. Base de avaliação antes do agente

    Montamos um conjunto de casos reais com a resposta certa conhecida, incluindo os casos difíceis, antes de escrever o agente. Sem essa régua não há como dizer se uma mudança melhorou ou piorou, e todo agente muda toda semana.

  3. Humano no ponto de decisão

    O agente prepara, classifica e sugere; a pessoa aprova. Decisão com consequência financeira ou jurídica direta não vai para o automático, e isso está escrito no desenho, não na esperança.

  4. Confiança declarada

    Todo resultado vem com o quanto o agente está seguro e com a passagem do documento que embasou a resposta. Caso de baixa confiança vai para a fila humana sozinho, em vez de passar batido.

  5. Medição contínua

    A base de avaliação roda a cada mudança de modelo ou de instrução. Modelo de terceiro muda sem aviso; sem régua automática, a qualidade cai e ninguém percebe até o cliente reclamar.

O que você recebe

  • Agentes em produção, integrados ao sistema onde o trabalho já acontece
  • Base de avaliação com casos reais e resposta esperada, versionada
  • Fila de revisão humana para os casos de baixa confiança
  • Trilha de auditoria: o que foi decidido, com que base e com que confiança
  • Painel de acerto e de custo por execução

Com o que trabalhamos

  • Claude
  • OpenAI
  • Python
  • Node.js
  • PostgreSQL
  • pgvector
  • n8n

Tudo que já publicamos sobre IA aplicada

O nome da categoria no blog é “IA sem hype”, e é um contrato: nada aqui promete, nada aqui projeta e nada aqui cita nome de modelo. Modelo muda de mês em mês e o texto envelhece junto. O que fica são as decisões que continuam valendo depois que a novidade passa, e o recorte de cada função onde elas caem.

As decisões que valem para qualquer aplicação

  • Onde a IA já funciona

    As tarefas em que ela entrega hoje, sem promessa. O ponto de partida de qualquer conversa séria sobre o assunto.

  • Onde ela não deve entrar

    O inverso, e o mais útil dos dois: erro assimétrico, decisão que precisa de responsável, e a regra simples que resolve melhor e mais barato.

  • Sugerir ou decidir

    Autonomia é decisão de projeto, não de tecnologia. A escada de quatro degraus e o critério para subir um.

  • Como saber se está funcionando

    “Parece bom” não é medida. O conjunto de casos com resposta conhecida montado antes de subir, e o que medir depois.

  • Quando ela inventa informação

    A diferença entre reduzir e eliminar, e por que exigir citação da fonte muda o desenho do sistema inteiro.

  • A passagem para a pessoa

    O que acontece no momento em que o agente desiste, e por que esse momento define a experiência mais que o resto.

  • O dado da empresa dentro do modelo

    Busca em base própria contra treinar modelo, o que precisa estar arrumado antes e o problema de quem pode ver o quê.

  • Quanto custa rodar um agente

    A pergunta que aparece em toda conversa e que quase ninguém responde com número próprio.

  • Segurança de agente de IA

    O que ele lê, o que ele tem permissão de fazer e o que sobra no log. As três superfícies que a pergunta sobre treino esconde.

  • Quando ela executa, e não só responde

    Depois de decidida a autonomia e a permissão, sobra a engenharia da ação: reversibilidade, autoria no registro e a chave para quando ele tentar duas vezes.

Como isso cai numa função concreta

  • No WhatsApp da empresa

    A conversa não tem começo nem fim, a pessoa some e volta em dois dias, e o número é da empresa e não de um vendedor.

  • Na conciliação bancária

    Onde o casamento é determinístico e não precisa de IA nenhuma, e por que conciliação é o pior lugar para uma resposta inventada.

  • No resto do ciclo financeiro

    O que sobra depois da conciliação: o documento que chega, o lançamento que nasce dele e a projeção de caixa, sem que o agente toque no saldo.

  • Na contabilidade e no fiscal

    O volume de um escritório contábil não é apuração: é dizer o que o documento é. E por que apuração não aceita resposta aproximada.

  • Na triagem de e-mail

    Classificar e encaminhar é barato e seguro; redigir a resposta é caro e arriscado. A distinção organiza o resto.

  • Na prospecção

    O que ela faz bem, e o que todo mundo tenta primeiro e destrói a taxa de resposta do próprio domínio.

  • No atendimento de clínica

    Agendamento e confirmação são o volume real, e nenhum deles é decisão clínica. Onde a linha é intransponível.

  • No atendimento de farmácia

    Disponibilidade, preço e retirada são consulta a campo. A linha da orientação farmacêutica se sustenta no que está indexado, não na instrução.

  • Para ler documento e contrato

    Extrair campo é verificável; resumir cláusula é interpretação. Por que exigir o trecho de origem muda o desenho inteiro.

  • Para gerar relatório gerencial

    A IA escreve sobre o número e nunca calcula o número. Como a causa inventada entra no texto sem ninguém notar.

  • Na cobrança de inadimplentes

    Lembrar antes do vencimento é serviço; cobrar depois tem limite de conduta. Negociação só dentro da alçada escrita.

  • No recrutamento e seleção

    Extrair, responder e agendar rendem sem decidir nada. Classificar candidato é o exemplo do manual de decisão com dono.

  • Para preencher planilha

    O pedido mais comum, e aquele em que a resposta certa quase sempre é fórmula, importação ou sistema, não IA.

  • Em compras e suprimentos

    Normalizar proposta em formatos diferentes rende. O risco é o comparativo que traz preço e deixa prazo, frete, garantia e imposto de fora.

  • Na operação de marketplace

    O canal acompanha tempo de resposta e desfecho ao mesmo tempo, então responder rápido e errado troca um indicador por outro pior.

Para decidir antes de contratar

A divisão em dois grupos é a fronteira que organiza o assunto: o primeiro vale para qualquer aplicação, o segundo é o recorte de uma função. Sem ela os textos convergiriam, porque toda discussão de IA aplicada tende a voltar para custo, avaliação e autonomia, e aí o acervo inteiro vira a mesma página repetida.

Comece pelo diagnóstico

Sete dias, sem custo e sem compromisso. Você sai com um plano de ação, uma estimativa de esforço e o caminho mais curto para o seu caso.

Resposta em até 1 dia útil

Perguntas frequentes

Onde a IA já funciona bem hoje?

Leitura e extração de dado de documento, classificação e roteamento de atendimento, resumo de histórico longo, rascunho de resposta e conferência de nota contra pedido. São tarefas em que existe uma resposta verificável e o erro é barato de perceber.

E onde ela ainda não funciona?

Decisão com consequência direta: aprovar crédito, precificar contrato, cancelar serviço, tomar posição jurídica. A IA organiza e sugere, mas quem assina é uma pessoa. Quem promete o contrário está vendendo o que não sustenta em auditoria.

Meus dados vão treinar o modelo de alguém?

Não. Usamos as modalidades corporativas dos provedores, em que o conteúdo enviado não alimenta treino, e o dado sensível é reduzido ao mínimo antes de sair da sua infraestrutura. O que é possível manter dentro de casa, mantemos.

Como sei que não piorou depois de uma atualização?

Pela base de avaliação, que roda a cada mudança e compara com a rodada anterior. É o entregável menos vistoso do projeto e o mais importante: sem ele, a única forma de descobrir uma queda de qualidade é o cliente reclamando.