Software sob medida · IA aplicada
Demonstração de IA impressiona.Produção é outro problema.
A parte difícil não é fazer a IA responder. É fazer ela responder certo, com a informação da sua empresa, dentro de um custo que fecha.
- Usos que se pagam
- Busca na base, triagem, execução de tarefa
- Modelos
- Claude, GPT e modelos abertos, conforme o caso
- Prazo típico
- Duas a seis semanas
IA aplicada
IA aplicada é usar modelo de linguagem para resolver uma tarefa específica do negócio, em vez de comprar uma ferramenta genérica. Os usos que se pagam na prática são três: buscar resposta dentro da base de documentos da empresa (o que se chama de RAG), triar e classificar mensagem de atendimento, e executar tarefa repetitiva conectando sistemas. O que separa demonstração de produção é controle de custo, tratamento de erro e uma forma de saber quando a resposta veio errada.
Como isso aparece para o seu cliente.
O desenho ao lado é ilustrativo, para você ver o formato antes de entrar em qualquer detalhe técnico.
Qual o prazo de garantia do serviço que fizemos para o cliente C?
Tem uma tarefa repetitiva comendo o tempo do time?
Me descreve ela. Eu digo se IA resolve, se automação simples resolve melhor, ou se o caso é não mexer.
O caminho, do primeiro dia até o acompanhamento.
- 01
Começo pela tarefa, não pela tecnologia
Primeiro a gente escolhe uma tarefa cara e repetitiva com resultado verificável. IA sem tarefa definida vira demonstração bonita que ninguém usa.
- 02
Ligo o modelo na informação certa
A resposta precisa vir da base da empresa, não da memória do modelo. Isso é o que reduz invenção e o que faz a resposta ser confiável.
- 03
Coloco limite de custo e de alcance
Cada chamada tem custo, e sem controle a conta surpreende no fim do mês. Também defino o que a IA não pode fazer sozinha.
- 04
Meço acerto antes de ampliar
Roda numa fatia pequena, com alguém conferindo, até a taxa de acerto justificar ampliar. Sem essa etapa, o erro só aparece no cliente.
Onde a IA entra e onde ela para.
O erro comum é automatizar até o fim. O que funciona é a IA preparar o terreno e a pessoa fechar.
- 01Mensagem chegacliente
- 02Responde o básico e coleta o contextoIA
- 03Classifica e encaminhaIA
- 04Decide, negocia e fechapessoa
O que muda no seu negócio quando isso está de pé.
Nada aqui é promessa de número. É o que a ferramenta permite que passe a acontecer.
- 01
Resposta rápida sem contratar
O repetitivo sai da fila de uma pessoa. O time passa a cuidar do que exige decisão.
- 02
Conhecimento que não sai pela porta
O que estava na cabeça de quem tem mais tempo de casa vira base consultável.
- 03
Triagem antes do atendimento
A conversa chega classificada e com o contexto já levantado, e quem atende não começa do zero.
- 04
Custo previsível
Com limite por chamada e escolha certa de modelo, dá para saber quanto aquilo custa por mês antes de ligar.
O que entra no trabalho, item por item.
- Definição da tarefa e do critério de acerto
- Base de conhecimento indexada a partir dos seus documentos
- Integração com o sistema ou canal onde a tarefa acontece
- Controle de custo por chamada e limite de uso
- Registro das respostas para auditoria
- Ajuste após a primeira rodada de uso real
Os casos em que eu digo para você não contratar.
Prefiro perder o pedido a entregar algo que eu já sei que não sustenta.
- “A tarefa acontece três vezes por mês. O ganho não paga a manutenção.
- “O erro custa caro e não dá para conferir. Nesse cenário, automação com regra fixa é mais segura que modelo de linguagem.
- “A informação da empresa está espalhada e desatualizada. Primeiro organiza, senão a IA responde com dado errado, e mais rápido.
Perguntas que sempre aparecem
Isso não é só plugar o ChatGPT?
Não. Assinar uma ferramenta genérica resolve uso individual. O que eu faço é ligar o modelo à informação da sua empresa, dentro do seu sistema, com controle de custo e registro do que foi respondido. A diferença aparece quando alguém pergunta algo que só existe no seu documento interno.
A IA vai inventar resposta?
Modelo de linguagem inventa quando não tem a informação. Por isso a arquitetura importa: a resposta é montada a partir dos seus documentos, com a origem registrada, e o sistema é orientado a dizer que não sabe em vez de arriscar. Isso reduz muito, mas não zera, e por isso a etapa de conferência existe.
Quanto custa manter?
Tem dois custos: o desenvolvimento, que é fechado por escopo, e o consumo dos modelos, que é por uso. O consumo depende do volume e do modelo escolhido, e na proposta eu coloco a estimativa mensal com a conta feita. Escolher modelo mais barato para a tarefa certa costuma cortar a conta pela metade sem perder qualidade.
Meus dados vão para treinar o modelo?
Não, quando é configurado direito. As APIs empresariais dos principais provedores não usam o conteúdo enviado para treino, e essa é uma das coisas que eu verifico ao escolher o provedor. Se o dado for sensível demais, existe o caminho de modelo aberto rodando em servidor seu.
Em quanto tempo isso fica em pé?
Um caso pequeno e bem delimitado costuma levar de duas a três semanas até estar em uso real com acompanhamento. Projeto que envolve várias bases e integração com sistema legado leva mais, e o prazo só vira compromisso depois do escopo escrito.
Leitura antes de decidir, e a frente completa.
Qual tarefa está consumindo mais tempo do seu time?
Me descreve ela. Eu digo se IA resolve, se automação simples resolve melhor, ou se o caso é não mexer.