SAC regulado · agente com escalonamento humano
Agente atende 78% dos chamados ponta a ponta — abre, resolve e fecha — e escalona pra humano com contexto completo nos 22% restantes. Cada decisão tem trilha de auditoria.
Sistemas que agem em nome do seu negócio.
Agentes não são chatbots. São sistemas que conectam dados, ferramentas e processos — com supervisão, métricas e custo previsível.
O que fazemos
Agentes que fecham o loop, da intenção à ação.
Cada agente tem ferramentas explícitas, escopo declarado, supervisão humana e métricas de qualidade. Tudo auditável.
Agentes de atendimento
Resolução autônoma com escalonamento humano. Voz e texto. Integrado a CRM, ERP e bases internas.
Agentes de qualificação
Triagem e priorização de leads, com enriquecimento e roteamento por intenção e fit.
Agentes de operação
Backoffice cognitivo: validação documental, classificação contábil, conferência de contratos.
Agentes de análise
Análise sob demanda em data warehouses. Resposta em linguagem natural com SQL audit-ready.
Supervisão humana
Loop de aprovação, instrumentação de dúvidas, correções alimentando avaliação.
Segurança e isolamento
Sandbox, escopo de ferramentas, redaction, residência de dados, logs assinados.
Tese
Agente não é chatbot. A diferença vale 10× em valor.
Chatbot responde — agente faz. Chatbot fica preso na conversa, agente fecha o loop em sistemas reais. Quando o cálculo é tempo economizado por interação, chatbot dá 1-2 minutos, agente dá 15-30. Um pivota a operação inteira; o outro deixa um relatório.
Em números
O que muda quando agente entra em produção.
−0%de tempo médio de atendimento
0%de auto-resolução com qualidade auditada
<0mslatência mediana por turno
0%das ações com log assinado
Anatomia
Da intenção à ação auditável.
Cada agente em produção tem ferramentas declaradas, escopo de dados, supervisão humana e métricas de qualidade — todos auditáveis em runtime.
- A1
Intenção
Classificador de intent + roteamento por confiança + fallback humano em casos ambíguos.
Output Top-3 intents com taxa de acerto auditada.
- A2
Ferramentas
Conjunto finito declarativo de ações executáveis (criar pedido, abrir chamado, atualizar registro, escalonar).
Output Tool registry versionado com schemas.
- A3
Memória
Contexto curto (sessão) + memória longa indexada por usuário/conta. Redaction automática de PII.
Output Vector store com ACL por usuário.
- A4
Supervisão
Loop de aprovação humana em ações sensíveis. Instrumentação de dúvidas e correções alimentando avaliação.
Output Painel de supervisão + queue de revisão.
- A5
Observabilidade
Logs assinados, custo por turno, latência, taxa de auto-resolução, drift semântico. Alertas em SLO.
Output Dashboards com SLO definido por agente.
Sob o capô
O stack que sustenta cada agente.
Vendor-neutro por princípio — escolhemos modelo, framework e infra por critério, não por preferência prévia. A composição abaixo é a que mais aparece nas implantações em produção.
LLMs
- Claude (Anthropic)Padrão pra raciocínio + tool use estruturado.
- GPT (OpenAI)Em casos com Brazil region disponível.
- Gemini (Google)Multi-modal e contexto longo.
- Open-source self-hostedLlama / Mistral pra dado regulado.
Frameworks
- LangGraph / LangChainOrquestração + state machines.
- Pydantic AITool use tipado.
- Vercel AI SDKStreaming UX no frontend.
Memória + RAG
- pgvector / PineconeVector store por uso.
- BM25 + rerankingHíbrido pra qualidade.
- Cohere rerankCitações verificáveis.
Observabilidade
- Langfuse / PhoenixTracing fim-a-fim.
- OpenTelemetryPadrão pro restante do stack.
- Eval suite customGold-set + drift.
Em produção
Agentes que fecham o loop.
Qualificação B2B · agente de pré-vendas
Triagem e enriquecimento automático de leads, com roteamento por intenção e fit. Os SDRs recebem só leads com score >70 e contexto pronto pra primeira ligação.
Backoffice cognitivo · agente de operação
Validação documental, classificação contábil e conferência de contratos com supervisão humana em loop. Reduziu retrabalho e padronizou o output entre filiais.
Perguntas frequentes
Sobre agentes em produção.
Qual a diferença entre agente e chatbot?
Chatbot responde. Agente faz. Chatbot entrega informação numa conversa; agente executa ações em sistemas reais (cria pedido, abre chamado, atualiza registro) e fecha o loop. A diferença em valor de negócio é tipicamente 10×.
Como vocês garantem que o agente não age fora do escopo?
Cada agente tem ferramentas explícitas declaradas (lista finita de ações que pode chamar), escopo de dados (o que pode ler e escrever) e supervisão humana em ações sensíveis. Tudo logado com payload assinado.
Funciona com nossos sistemas legados?
Sim. Conectamos via APIs existentes, RPA quando não há API, e em casos extremos via screen scraping com guardrails. O agente fica desacoplado do sistema — mudar o backend não quebra o agente.
Quanto custa rodar um agente?
Modelagem de custo por interação, não por usuário. A média das nossas implantações fica entre R$ 0,02 e R$ 0,15 por turno completo, dependendo da complexidade. Comparado ao custo humano por chamado, paga a operação rapidamente.
Próximo passo