Adoção de inteligência artificial

Adotar IA — significa embutir um modelo em um processo que já roda, e não lançar um sistema separado ao lado. O modelo lê os dados da empresa, encontra um padrão neles e produz uma decisão; a ação sobre essa decisão é executada pelo sistema em que o processo vive — CRM, ERP, o programa de armazém, o caixa, o portal, o mensageiro.

Por isso um projeto começa não pela escolha de um modelo, mas por quatro respostas: quais dados existem e em que estado estão; qual decisão precisa ser tomada; quem executa essa decisão e com o quê; e qual número vai mostrar que melhorou. Sem qualquer uma das quatro, um modelo acrescenta mais uma fonte de dados pela qual ninguém responde.

Onde a IA não é necessária. Se uma regra pode ser escrita em uma linha — estoque abaixo de cinco unidades, avise compras — ela é escrita como regra: mais barato, previsível e verificável linha a linha. A IA cabe onde há dezenas de sinais, eles mudam com o tempo e uma pessoa até agora decidia no olho: classificar um chamado, estimar a demanda, notar uma operação atípica, extrair campos de um documento em formato livre.

Dados coletados não estão prontos para uso: o mesmo item é chamado de três formas, as unidades de medida estão misturadas, metade dos registros não tem um atributo obrigatório e parte das linhas são duplicatas de uma mesma operação. Um modelo treinado em um conjunto assim vai reproduzir a bagunça, em vez de encontrar um padrão.

Processamento por IA cobre aqui três tarefas: levar os registros a uma forma única, preencher atributos onde não existem e distribuir os objetos em categorias que não existiam nos dados de origem.

• Normalização — um formato único para datas, números, unidades de medida, telefones, endereços e dados cadastrais
• Casamento de nomes — «cabo VVGng 3x2,5», «VVG-ng 3*2,5» e «cabo vvgng 3x2.5 norma» se reduzem a um item de catálogo
• Preenchimento de lacunas — uma categoria, marca ou unidade de medida ausente é prevista a partir dos outros campos da ficha
• Classificação — um produto é atribuído a um grupo, um chamado a um tema, um pagamento a uma rubrica de despesa, uma contraparte a um segmento
• Extração de características — da descrição são extraídas características: volume, peso, potência, composição, prazo de validade
• Detecção de duplicatas — duas fichas de uma mesma contraparte ou dois documentos de uma mesma entrega são encontrados por uma combinação de campos, e não por coincidência exata de texto
• Verificação de consistência — estoque negativo, data de expedição anterior à data do pedido, itens que não somam o total do documento

Ação: as correções seguras são aplicadas automaticamente e gravadas no registro com o valor original; as limítrofes vão ao dono do cadastro para confirmação, em uma lista única, e não em e-mails avulsos.

Por que isso é uma tarefa em si

Qualidade de dados não é uma arrumação única antes de um projeto, mas um processo contínuo: os cadastros crescem todo dia, os fornecedores mudam os formatos das listas de preços, e os gerentes criam fichas do zero em vez de procurar a existente. Por isso as regras e os modelos de limpeza vivem no sistema ao lado dos dados e são aplicados a cada carga.

Toda correção tem um autor — uma regra ou um modelo —, um horário e um valor antigo e um novo. Isso não é burocracia: sem o histórico é impossível descobrir por que o relatório do mês passado mostra hoje números diferentes.

Resultado

Os cadastros param de se ramificar, os relatórios por grupo de produtos e por rubrica de despesa passam a bater entre si, e preparar dados deixa de consumir a maior parte do cronograma de todo projeto de analítica.

Um relatório comum responde à pergunta que lhe foi feita: receita por mês, vendas por filial, estoque por armazém. As perguntas são feitas por uma pessoa, então você vê exatamente aquilo que alguém pensou em olhar.

Processamento por IA inverte aqui o sentido: o modelo revisa sozinho os recortes e traz aqueles em que um indicador se comporta de forma diferente do esperado. Não «desenhe um gráfico para mim», mas «há três lugares em que algo incomum está acontecendo, e é com isto que se correlaciona».

O que a analítica inteligente faz:

• Segmentação — clientes, pontos de venda e produtos são agrupados por comportamento real, e não por categorias pensadas de antemão
• Decomposição de um indicador — uma queda de receita é aberta nas contribuições de categorias, filiais, canais e ticket médio: fica claro o que exatamente caiu
• Vínculos entre eventos — quais características de um pedido, de um cliente ou de um ponto acompanham com mais frequência uma recusa, uma devolução, um atraso de pagamento ou a saída de um cliente
• Avaliação de risco — a probabilidade de um pedido ser cancelado, de uma fatura não ser paga no prazo, de um cliente parar de comprar
• Ordenação da atenção — uma lista de objetos que exigem apuração, ordenada por perdas potenciais, e não em ordem alfabética
• Consultas em linguagem comum — uma pergunta feita aos dados em palavras, com indicação obrigatória da fonte e do período na resposta

Ação: um achado não fica em um painel — vira uma tarefa com destinatário e prazo: apurar o ponto com a queda, contatar o cliente do grupo de risco, verificar a categoria com devoluções em alta.

Rotina são operações que se repetem dezenas de vezes por dia, exigem atenção e não exigem qualificação: copiar dados de um e-mail para uma ficha, atribuir um pagamento a uma rubrica de despesa, designar um executor, conferir se um documento está completo, definir um status.

Processamento por IA é necessária onde a entrada não é formalizada: o e-mail está escrito em palavras, o documento chegou no formato de outra pessoa, a solicitação é redigida de um jeito por cada cliente. O modelo leva essa entrada a uma estrutura, e daí em diante o processo passa a regras comuns — previsíveis e verificáveis.

Operações que passam a ser automáticas:

• Triar e-mails e solicitações recebidos
• Determinar o tema e a urgência de um chamado
• Designar um executor e um prazo
• Criar uma ficha de cliente e um negócio
• Extrair dados de documentos
• Conferir um documento contra o pedido e a fatura
• Atribuir um pagamento a uma rubrica de despesa e a um contrato
• Conferir se um conjunto de documentos está completo
• Preparar um rascunho de resposta a uma solicitação padrão
• Traduzir textos e levá-los a uma forma única
• Preparar demonstrativos e certidões a partir de um modelo
• Preencher campos de ficha de produto a partir da descrição
• Conferir a completude de uma solicitação antes de ela ser lançada
• Priorizar uma fila de tarefas
• Resumos por turno, dia e obra
• Alertas a responsáveis quando ocorrem eventos

Ação e resultado: a operação é executada pelo sistema e gravada no registro com autor, horário e valor original. O funcionário passa da digitação de dados ao tratamento de exceções — os casos em que o modelo não tem certeza ou em que o custo de um erro é alto.

Dados: notas de entrega, faturas, certificados, contratos, especificações, ordens de pagamento, requerimentos, fichas técnicas de equipamentos, e-mails com anexos. Os formatos variam: pdf, foto de celular, digitalização, arquivo de exportação, original em papel.

Processamento por IA: reconhecimento de texto, identificação do tipo de documento, extração de campos e da parte tabular, casamento dos itens com o catálogo e vínculo do documento a um pedido, a um contrato ou a uma contraparte. Para cada campo são devolvidos um valor e um número de confiança.

O que é extraído:

• Os dados das partes — nome, números de registro, endereço, dados bancários
• Número e data do documento, referências ao contrato, à fatura e ao pedido
• A parte tabular — itens, quantidade, preço, valor, alíquota
• Totais — valor líquido, imposto, total a pagar, moeda
• Condições e prazos — condições de pagamento, condições de entrega, garantia, multas
• Assinaturas e carimbos — presença, não autenticidade: autenticidade é assunto do fluxo de documentos com validade jurídica

Ação: o documento é conferido contra o pedido e a fatura, as divergências são listadas, e o documento ou é lançado, ou é enviado para revisão a um funcionário específico. Resultado: digitar documentos deixa de ser um trabalho em si, e as divergências são encontradas antes do pagamento, e não no fechamento do mês.

Onde está o limite

O reconhecimento nunca dá cem por cento de precisão em nenhum conjunto de documentos — e não deveria dar. A questão é outra: o sistema mostra em quais campos confia e quais pede para confirmar. O operador confere alguns campos sinalizados, em vez de digitar o documento inteiro.

Qualidade ruim da origem não é desculpa para um erro silencioso: foto tremida, página cortada, segunda página de uma especificação faltando — tudo isso é sinalizado de forma explícita e devolvido a quem enviou, com o motivo declarado.

Resultado

A velocidade de processamento deixa de depender do volume do fluxo recebido, e a contabilidade e as compras veem o estado dos documentos em uma lista, e não nas caixas de e-mail de cada funcionário.

Dados: e-mails, solicitações do site, mensagens em mensageiros, transcrições de ligações, correspondência do chat de suporte, avaliações e notas. Tudo isso é texto em formato livre que até agora uma pessoa precisava ler e triar.

Processamento por IA: o chamado é atribuído a um tema e a um subtema, determinam-se urgência e sentimento, do texto são extraídos o número do pedido, o nome do produto, o endereço e outras entidades, e o chamado é ligado ao histórico do cliente. Chamados repetidos sobre o mesmo assunto são unidos em um caso.

Ação: a solicitação entra na fila do grupo pertinente com os campos já preenchidos, o prazo de resposta é calculado pela urgência, um chamado repetido sobe de prioridade e o cliente recebe uma confirmação com número e prazo previsto.

Resultado: os chamados param de ficar em uma caixa comum até de manhã, e o gerente vê não «muitas reclamações», mas uma estrutura: em quais temas o fluxo cresce, onde o tempo de resposta sobe e quais produtos geram chamados repetidos.

O que o exame do fluxo inteiro dá

Um chamado isolado fala sobre um caso; o fluxo inteiro fala sobre o produto e o processo. A classificação por tema em um período mostra o que exatamente gera dúvidas: uma instrução confusa, um erro na descrição de um produto, uma falha em uma etapa específica da finalização do pedido, um atraso em uma transportadora.

Por isso os temas não são inventados: primeiro os chamados são agrupados por sentido automaticamente, depois os grupos resultantes são corrigidos à mão e fixados como cadastro. A partir daí ele vive ao lado do produto, e os grupos novos são sugeridos pelo sistema.

Um bot não é um modelo só, mas várias partes conectadas. A separação tem valor prático: cada parte tem seu jeito de falhar, suas métricas e seu jeito de ser corrigida.

• Compreensão do pedido — o que a pessoa quer fazer e quais parâmetros informou: número do pedido, data, produto, endereço
• Busca de conhecimento — a seleção dos trechos de documentos e registros sobre os quais a resposta será construída
• Acesso aos sistemas — o conjunto de operações permitidas: ver um pedido, criar um chamado, mudar uma data de entrega. Cada uma é descrita de forma explícita; o bot não tem ações arbitrárias
• Montagem da resposta — o modelo monta a resposta estritamente com o que foi encontrado e com o que os sistemas devolveram; o que não está nas fontes não aparece na resposta
• Verificação antes do envio — a resposta é conferida com as fontes e a ação, com as permissões e os limites do usuário
• Passagem a um humano — regras de escalonamento: confiança baixa, pergunta repetida, reação negativa, tema de uma lista restrita
• Registro — o que foi perguntado, o que foi encontrado, o que o bot fez e com que base. Sem isso não há como apurar uma reclamação

Os canais de conexão — o site e a área do cliente, mensageiros, e-mail, uma linha telefônica com reconhecimento de fala, o portal interno e os postos de trabalho dos funcionários. A lógica é a mesma em todos: o canal muda a forma da entrada, e não o que o bot pode fazer.

De onde vem a resposta

O bot não guarda seus documentos na memória — ele os pesquisa no momento da pergunta e responde com o que encontra. Por isso um regulamento atualizado passa a valer assim que é carregado, e não depois de o modelo ser retreinado, e por isso toda resposta tem uma fonte.

Como um bot é lançado

A primeira coisa montada é um conjunto de perguntas reais — de correspondência, chamados e chats internos. Com ele o bot é testado antes do lançamento: as respostas são conferidas com as fontes e os erros são analisados por causa. Só então o bot é aberto aos usuários, em geral primeiro a um grupo.

Um assistente interno difere de um bot para clientes pelos dados de origem: ele trabalha com informação corporativa e dentro das permissões de um funcionário específico. A mesma pergunta feita por um operador de armazém e por um diretor financeiro dá respostas diferentes — porque documentos diferentes estão disponíveis a cada um.

O que um assistente faz em um posto de trabalho:

• Responde a partir dos regulamentos — como registrar algo, quem aprova, qual é o prazo, qual formulário usar, com referência ao item
• Monta um resumo sobre um objeto — cliente, negócio, contrato, pedido, equipamento: histórico, perguntas em aberto, prazos que se aproximam
• Prepara rascunhos — um e-mail, uma proposta, uma resposta a um chamado, a descrição de uma tarefa, uma ata de reunião
• Faz os registros pelo funcionário — o resultado de uma ligação ou de uma reunião vira tarefas, prazos e uma ficha atualizada
• Abre solicitações — ao RH, a compras, ao suporte técnico: os campos são preenchidos a partir da conversa, e não de um formulário de vinte campos
• Prepara um resumo do turno — o que aconteceu no local no período, o que continua em aberto, o que exige decisão

Resultado: o funcionário gasta tempo com o trabalho, e não com procurar o documento certo, lembrar um regulamento e preencher formulários. O assistente não toma decisões pela pessoa — ele elimina a parte preparatória.

O conhecimento corporativo raramente está em um lugar só: regulamentos em uma pasta, contratos em outra, documentação técnica em uma terceira, e metade das respostas na correspondência. Buscar por nome de arquivo não funciona aqui, porque uma pessoa não procura um documento, mas uma resposta.

Dados: regulamentos e ordens de serviço, contratos e aditivos, documentação técnica e de projeto, instruções, a base de chamados resolvidos, atas, cadastros, o arquivo de correspondência — cada um com dono e nível de acesso.

Processamento por IA: os documentos são divididos em trechos e cada trecho é indexado por sentido; a pergunta é confrontada com trechos, e não com títulos. A resposta é montada com o que foi encontrado e vem com citação e referência ao documento, à página e à versão.

Ação e resultado: um funcionário recebe uma resposta com fonte em segundos, em vez de sair perguntando aos colegas; os casos limítrofes são conferidos na citação; os documentos desatualizados ficam visíveis na hora — se a resposta veio de uma versão de dois anos atrás, isso está escrito na própria resposta.

O que faz uma base de conhecimento funcionar

• Uma entrada única — as fontes são conectadas ao índice, e não copiadas à mão para um armazenamento novo
• Versões e datas — sabe-se de qual versão do documento vem cada trecho; a atual é separada do arquivo
• As permissões são herdadas — dos sistemas de origem, para que o índice nunca vire uma forma de contornar as restrições de acesso
• Atualização por evento — um documento alterado é reindexado na hora, e não conforme uma programação mensal
• Retorno dos usuários — «esta resposta não ajudou» é marcado na interface e vai para revisão junto com a pergunta
• As lacunas ficam visíveis — as perguntas para as quais nenhuma fonte foi encontrada são reunidas em uma lista: esse é o pedido para escrever o regulamento que falta

O que uma base de conhecimento não faz

Ela não substitui o sistema de gestão documental e não vira a fonte da verdade: um documento com validade jurídica fica onde foi assinado e onde é guardado. O índice é uma forma de encontrá-lo e citá-lo, e não uma cópia à parte vivendo vida própria.

Um chamado chega em formato livre e por qualquer canal: um e-mail, uma mensagem, um formulário do site, um telefonema, um arquivo anexado. Antes da adoção, uma pessoa o lê, transfere os dados para o sistema, determina o tipo e designa um executor — o que leva de alguns minutos a algumas horas de espera em fila.

Processamento por IA: determina-se o tipo do chamado, extraem-se campos — objeto, endereço, prazo, contato, número do contrato —, verifica-se a completude, avalia-se a urgência e o chamado é ligado ao cliente e ao histórico dele. O que faltar é pedido automaticamente pelo mesmo canal.

Ação: o chamado é criado no sistema com os campos preenchidos, um grupo ou executor é designado pelas regras, um prazo é definido e uma confirmação com número é enviada. Duplicatas sobre o mesmo assunto são vinculadas, em vez de gerarem um segundo chamado.

Resultado: o executor recebe um chamado completo e começa pelo trabalho, e não por esclarecimentos. O tempo entre a chegada e a designação deixa de depender de quem abriu a caixa comum e quando.

O caminho de um chamado

O que precisa ser configurado

• Um cadastro de tipos de chamado e as regras de designação de executores
• Campos obrigatórios para cada tipo — caso contrário o pedido de complemento não funciona
• Prazos de resposta por contrato e por prioridade
• Uma regra para unir chamados repetidos sobre o mesmo assunto

Um modelo sempre erra — a questão é com que frequência, onde exatamente e quanto isso custa. Por isso toda adoção tem dois conjuntos de números: a qualidade do próprio modelo e a mudança no processo. O primeiro interessa ao engenheiro, o segundo ao negócio, e eles não coincidem automaticamente.

• Precisão e revocação — para cada classe separadamente, e não como uma média única: uma classe rara, mas cara, importa mais do que uma comum
• Parcela de decisões automáticas — quantas operações passaram sem uma pessoa no limiar de confiança adotado
• Parcela de correções — quantas decisões automáticas uma pessoa cancelou ou alterou
• Tempo da operação — da chegada à conclusão, em comparação com a linha de base anterior à adoção
• O custo de um erro — quanto custa deixar passar e quanto custa um alarme falso; o limiar é ajustado a essa proporção, e não à elegância de uma métrica
• Deriva dos dados — uma mudança na composição dos dados de entrada que faz a qualidade cair sem uma única alteração no sistema

O limiar de confiança é um botão de ajuste, não uma constante. Aumente-o e a empresa terá menos automação e menos erros; diminua-o e o contrário. O valor é escolhido pelo custo de um erro naquele processo específico.

O que o painel mostra

Operação após o lançamento

Um modelo não é uma entrega única. Os dados mudam: aparecem produtos novos, temas novos de chamados, formatos novos de documentos, fornecedores novos. Por isso o projeto prevê verificações regulares de qualidade sobre dados frescos, retreinamento conforme programação ou ao cruzar um limiar, e revisão dos casos em que uma pessoa corrigiu a decisão.

As correções dos operadores são o material de treino mais valioso: elas são reunidas em um conjunto à parte e usadas na rodada seguinte de treinamento. Assim o sistema melhora sobre o próprio trabalho, e não sobre dados alheios.