Construímos aplicações de IA que respondem com base nos documentos da sua empresa, citando a fonte, e agentes que executam tarefas com aprovação humana. Quando fizer sentido, a solução liga-se às suas aplicações Power Platform e aos seus pipelines de dados.
O modelo raramente é o entrave. O que trava são dados dispersos, processos sem dono e ninguém a medir o resultado.
Um chatbot genérico não conhece os seus documentos, as suas regras nem os seus sistemas, e responde com convicção ao que não sabe.
Uma resposta sem fonte citada não passa numa auditoria nem convence quem tem de decidir.
O conhecimento está disperso por PDFs, bibliotecas do SharePoint, e-mails e folhas de cálculo, sem estrutura para ser consultado.
A prova de conceito impressiona na apresentação, mas ninguém mediu a taxa de acerto antes de a levar para a operação.
O custo por consulta só aparece na fatura, quando a utilização já cresceu.
Não está definido onde ficam os dados, que fornecedor recebe o texto e quem pode perguntar o quê.
Começamos pelos dados. Os documentos e registos que a IA vai consultar recebem o mesmo cuidado de um pipeline analítico: ingestão, limpeza, divisão em excertos e indexação para pesquisa. A cada pergunta, a pesquisa seleciona os excertos mais próximos do assunto, o modelo responde com base neles e a resposta inclui a referência de cada excerto. Esta técnica chama-se RAG.
Quando a tarefa exige ação, entra o agente: consulta sistemas por API, preenche registos e encaminha etapas, com limites explícitos e uma pausa para alguém da sua equipa aprovar antes de qualquer ação que grave, envie ou aprove algo. O acesso pode ser feito através de uma aplicação Power Apps, de um fluxo de nuvem (cloud flow) do Power Automate ou de uma API.
Antes de alargar a utilização, vê três números medidos no seu próprio caso: taxa de acerto em perguntas reais, tempo de resposta e custo por consulta.
Um caso de uso de cada vez, com o critério de sucesso definido antes da primeira linha de código.
Escolhemos consigo uma pergunta ou tarefa de negócio, mapeamos onde estão os dados e definimos como o resultado será medido.
Ingestão, limpeza e indexação dos documentos e registos que a IA vai consultar, respeitando as regras de acesso acordadas consigo.
Um conjunto de perguntas reais com resposta esperada mede acerto, tempo e custo. Se o critério não for atingido, ajustamos ou recomendamos não avançar.
A IA entra onde o trabalho acontece, numa aplicação Power Apps, num fluxo Power Automate ou por API. As consultas ficam registadas para auditoria, com retenção e acesso definidos consigo.
Acompanhamos a qualidade e o custo, mantemos a base de conhecimento atualizada e alargamos a novos casos de uso.
Exemplos para orientar o diagnóstico, não projetos já entregues.
Quem constrói a aplicação e o pipeline também constrói a IA. Os dados não se perdem na passagem entre fornecedores.
As pausas para confirmação e a retoma do agente a partir do ponto em que parou são testadas sem chamar o modelo, por isso os testes não gastam quota paga nem precisam das chaves de acesso. A qualidade das respostas é medida à parte, com as perguntas de avaliação da etapa 03.
Agentes com limites explícitos e aprovação humana antes de qualquer ação que grave, envie ou aprove algo.
O código não fica preso a um fornecedor: trocar o modelo de resposta exige alterar a configuração, voltar a correr as perguntas de avaliação e, se o acerto descer, ajustar as instruções, sem reescrever a aplicação. Trocar o modelo que indexa a base exige voltar a indexar os documentos.
Não é preciso ter tudo pronto. A etapa 01 identifica os documentos e registos de que o caso de uso precisa, e organizar essa base faz parte do projeto, com a mesma engenharia de dados que usamos nos painéis.
Definimos isso consigo antes de começar, de acordo com a política de dados da empresa: onde a base fica alojada, que fornecedor de modelo recebe o texto e o que esse fornecedor pode fazer com ele segundo os seus termos de utilização, quem pode consultar o quê e se os documentos têm dados pessoais, incluindo sensíveis. O que a LGPD, a lei brasileira de proteção de dados, exige para os enviar a esse fornecedor é validado pelo seu encarregado da proteção de dados ou pelo departamento jurídico.
Depende do volume de consultas e do modelo escolhido, e por isso medimos o custo por consulta na prova de conceito, antes de decidir alargar a utilização. Além do modelo, entram o alojamento do serviço e da base de pesquisa e, conforme a forma de integração, a licença premium do Power Apps ou do Power Automate.
Pela prova de conceito medida em perguntas reais do seu negócio, antes de alargar. A IA aplicada é a nossa frente mais recente e ainda não tem um caso público, por isso a decisão de alargar depende de três números medidos no seu caso: taxa de acerto, tempo de resposta e custo por consulta.
Quanto custa: os projetos de IA aplicada começam pelo Diagnóstico ou entram diretamente na Implementação. Ver planos e intervalos de investimento
Agende um diagnóstico gratuito. Em 30 minutos conversamos sobre um caso de uso candidato e sobre onde estão os dados de que ele precisaria.