Chatbots e agentes de autoatendimento com IA

O custo depende de quatro fatores: quantos sistemas o agente precisa consultar, o estado da base de conhecimento, o número de canais e o que ele pode executar sozinho. Não publicamos tabela de preços. O diagnóstico de 1 a 2 semanas define o escopo e a estimativa. Depois da entrega, o custo recorrente é o uso do modelo (tokens), que projetamos pelo volume de conversas, reduzimos com prompt caching e cache semântico e monitoramos por modelo, mais a manutenção.

Comece pela plataforma se o volume é baixo e as perguntas não dependem dos seus sistemas: ela entra no ar em dias. O agente sob medida compensa quando as respostas exigem dados de ERP, CRM ou helpdesk, quando a operação tem regras próprias ou quando a cobrança por contato pesa no orçamento. Na conversa inicial, que é gratuita, já dizemos qual dos dois o seu caso pede, mesmo quando a resposta é a plataforma.

Não. O agente assume as demandas repetitivas e de regra clara e transfere para uma pessoa o que envolve exceção, negociação ou tema sensível. O efeito esperado é o time gastar menos tempo com perguntas repetidas e mais com os casos que pedem julgamento. Quanto do volume o agente resolve depende do seu atendimento: medimos isso na prova de conceito, sem prometer percentual antes.

O agente transfere a conversa quando a confiança é baixa, quando o cliente pede uma pessoa ou quando o tema está na lista de assuntos sensíveis. O atendente recebe o resumo, os dados já coletados e o motivo, na ferramenta que já usa, para o cliente não repetir nada. Esse resumo sai da memória da conversa, com a mesma engenharia de contexto que alimenta o agente. As regras de transbordo são definidas com o seu time e revistas a partir das conversas reais.

Pode ser, desde que o projeto trate dados pessoais com base legal, finalidade clara e acesso mínimo; a avaliação jurídica cabe ao seu encarregado de dados ou ao seu jurídico. Do nosso lado, projetamos o agente para que o modelo receba só o necessário, os dados pessoais sejam mascarados quando o caso permite e cada acesso fique registrado. O cliente é avisado de que fala com um assistente de IA e pode pedir uma pessoa. Os dados do cliente nunca treinam modelos, e trabalhamos sob NDA.

A primeira versão testável sai na prova de conceito, em 2 a 4 semanas, depois de um diagnóstico de 1 a 2 semanas. Ela cobre um fluxo de atendimento com dados reais e uma integração. A versão de produção, com as demais integrações, o transbordo e o painel, leva de 6 a 12 semanas. O que mais pesa no prazo é o acesso às APIs dos seus sistemas e o estado da base de conhecimento.

Com evals antes de cada release e métricas em produção. O dataset de avaliação reúne tickets reais e casos-limite, inclusive perguntas que a base não responde: nelas o agente precisa avisar que não sabe e transferir, e o teste confere isso. Checagens automáticas, LLM-as-a-judge e revisão humana por amostra dão a nota; uma regressão bloqueia o release. Em produção, cada conversa gera um trace, e o painel mostra resolução, transbordo, latência e custo por conversa.

Em widget no site, em ferramentas internas do time e em canais de mensagem, sempre por APIs oficiais. A lógica do agente é uma só: base de conhecimento, regras e guardrails ficam em um lugar, e cada canal é um adaptador. Começamos por um canal na prova de conceito e adicionamos os demais na fase de produção, conforme o volume de cada um.