IA para loja de materiais de construção: orçamento e entrega

IA para loja de materiais de construção: orçamento e entrega

Para uma loja de materiais de construção, a IA funciona melhor como assistente que lê a lista de materiais do cliente, consulta estoque e status de entrega nos sistemas da loja e monta um rascunho de orçamento. Quantidades, preços e prazos só chegam ao cliente depois de regras de cálculo e da conferência de uma pessoa do balcão ou do comercial. O ganho está em responder rápido sem deixar um erro de saco, metro ou bitola virar prejuízo.

Principais pontos

• A IA entende a lista bagunçada do cliente (texto, foto, áudio, PDF), mas o preço e o estoque devem vir do sistema da loja, nunca da memória do modelo.
• Orçamento por lista tem três riscos principais: produto ambíguo, unidade de medida errada e cálculo de quantidade. Cada um precisa de uma regra e de um ponto de conferência.
• Estoque e entrega são consultas de leitura. Comece por elas, antes de permitir qualquer ação como reservar, alterar pedido ou prometer data.
• A conferência humana não é um freio no projeto. É o que permite colocar o fluxo no ar com segurança e medir o que a IA acerta.
• Um piloto com um único fluxo, registro das decisões e uma métrica combinada vale mais do que um atendente automático genérico.

Onde a IA ajuda de verdade em uma loja de materiais

O atendimento de uma loja de materiais tem uma característica própria: o cliente raramente sabe o nome exato do que precisa. Ele manda uma lista escrita no celular, uma foto de um caderno, um áudio do mestre de obras ou um PDF de projeto. Muitos itens são parecidos entre si, e a diferença entre eles é técnica: bitola do vergalhão, tipo de argamassa, cor do rejunte, diâmetro do tubo.

É aí que a IA ajuda. Ela é boa em interpretar texto livre, separar item de quantidade, perceber que "saco de cimento" e "cimento 50kg" provavelmente são o mesmo produto e fazer perguntas de esclarecimento. Ela é ruim como fonte de verdade. Preço, saldo e prazo mudam todos os dias e pertencem ao sistema de gestão da loja.

Por isso a divisão de papéis é simples:

• A IA lê, organiza, pergunta e rascunha.
• O sistema da loja (ERP, tabela de preços, controle de estoque) fornece os dados.
• Regras determinísticas fazem as contas e aplicam limites.
• Uma pessoa confere o que tem impacto financeiro antes do envio.

Se a loja já usa Bling, Omie, Tiny ou um sistema próprio, o caminho técnico costuma passar por API. Vale ler antes sobre integrar IA ao Bling, Omie ou Tiny, incluindo os riscos de dar à IA acesso de escrita.

Como transformar uma lista de materiais em orçamento

O fluxo abaixo serve como ponto de partida. Cada etapa tem um responsável claro, o que facilita registrar e auditar depois.

• Receber a lista. O cliente envia texto, foto, áudio ou PDF pelo WhatsApp. Quando vier arquivo, a extração de campos deve seguir regras e conferência, como descrito em extrair dados de PDF com IA.
• Estruturar os itens. A IA separa cada linha em produto pedido, quantidade, unidade e observação, sem ainda escolher o produto final.
• Casar com o catálogo. Cada item é buscado no cadastro da loja. Se houver mais de uma opção plausível, a IA não escolhe sozinha: ela pergunta ao cliente ou marca o item como ambíguo.
• Converter unidades. Saco, quilo, metro, metro quadrado, milheiro, barra e caixa são tratados por uma tabela de conversão do cadastro, não pelo modelo.
• Calcular. Totais, descontos permitidos, frete e condição de pagamento saem de regras da loja, executadas por código ou pelo próprio ERP.
• Gerar o rascunho. A IA monta a mensagem com itens, quantidades e valores, destacando o que foi suposto.
• Conferir. Uma pessoa revisa os pontos de risco e aprova, corrige ou devolve para pergunta ao cliente.
• Enviar e registrar. O orçamento sai, e a loja guarda a lista original, o rascunho, as correções e quem aprovou.

O ponto crítico é a etapa de cálculo. Modelos de linguagem podem errar conta, e quantidade de material envolve rendimento, perda e arredondamento para embalagem fechada. Se a loja oferece estimativa (por exemplo, quanto de argamassa para uma área), a fórmula deve ser da loja ou do fabricante, aplicada por código, e apresentada ao cliente como estimativa que ele pode ajustar.

O que a IA pode afirmar sobre estoque

Consulta de estoque parece simples, mas é onde a confiança do cliente é mais frágil. Se a IA diz que há produto e ele não está na prateleira, o custo é uma entrega remarcada ou uma obra parada.

Algumas regras ajudam a manter a resposta honesta:

• A resposta de estoque deve vir de uma consulta ao sistema no momento da conversa, e não de um texto fixo ou de uma resposta anterior.
• Distinguir saldo físico, saldo reservado e saldo disponível, se o sistema separa esses números. Se a loja não confia no saldo de certos itens, esses itens ficam marcados para confirmação humana.
• Para itens fracionados ou vendidos a granel, como areia, brita e fios cortados, a IA deve dizer que a disponibilidade depende de confirmação.
• Se a consulta falhar ou demorar, a resposta correta é admitir que não conseguiu verificar e acionar uma pessoa. Inventar uma resposta plausível é o pior cenário.
• Evitar linguagem de promessa. "Consta disponível agora no sistema" é diferente de "está garantido para você".

A mesma lógica vale para substituições. Se o produto pedido acabou, a IA pode sugerir equivalentes cadastrados, mas só os que a loja marcou como substitutos aceitáveis, e sempre avisando a diferença. Trocar uma marca por outra pode ser aceitável. Trocar uma classe de resistência ou uma norma técnica não é decisão de assistente automático.

Status de entrega: respostas que evitam ligação e promessa vazia

Perguntas como "meu pedido já saiu?" e "que horas chega?" são repetitivas e dependem de dados que a loja já tem: nota emitida, separação, carregamento, rota, motorista, confirmação de recebimento. Esse é um bom primeiro caso de uso porque é leitura e tem baixo risco financeiro.

Um bom desenho separa o que a IA responde sozinha do que ela encaminha:

• Responde sozinha: etapa atual do pedido, janela de entrega já definida pela logística, endereço cadastrado (parcialmente mascarado), e orientações fixas como quem pode receber e o que conferir ao descarregar.
• Encaminha para uma pessoa: pedido de mudança de endereço ou de data, reclamação de avaria ou falta de item, divergência de nota, qualquer pedido de exceção.
• Nunca promete: horário exato quando a logística não o definiu, ou cancelamento e reembolso.

Se a loja quiser avisar o cliente de forma ativa, por exemplo quando o pedido sair para entrega, isso entra em outro conjunto de regras: autorização do contato, modelos aprovados e frequência. O artigo sobre mensagens ativas no WhatsApp, templates e opt-in detalha esse cuidado.

Também há o lado da LGPD. Endereço, telefone e CPF ou CNPJ são dados pessoais ou associados a pessoas. A IA deve consultar só o necessário, confirmar a identidade do cliente antes de mostrar detalhes de um pedido (por exemplo, pedindo o número do pedido ou outro dado que só ele teria) e não manter dados além do que o atendimento exige. A ANPD é a referência oficial para acompanhar orientações.

Conferência humana: o que checar antes de o orçamento sair

A conferência não precisa revisar tudo. Ela deve se concentrar onde o erro custa caro. Um critério prático é pedir revisão quando qualquer condição abaixo aparecer:

• Item marcado como ambíguo ou com mais de um candidato no catálogo.
• Unidade convertida (de metro quadrado para caixa, de quilo para saco, de metro linear para barra).
• Quantidade estimada pela IA ou por fórmula, e não informada pelo cliente.
• Produto com saldo baixo, saldo duvidoso ou sob encomenda.
• Desconto, condição especial ou frete fora da tabela padrão.
• Pedido de valor alto, conforme limite definido pela própria loja.
• Cliente novo, endereço fora da área de entrega ou obra em local de difícil acesso.

Quem confere deve ver na mesma tela a lista original do cliente, o rascunho e as marcações de dúvida, para decidir em poucos segundos. Se o revisor precisa abrir três sistemas, a conferência vira gargalo e as pessoas passam a aprovar sem olhar.

A IA monta o rascunho, a loja assina o orçamento.

Essa frase resume a regra de responsabilidade. O cliente recebe um valor em nome da loja, e a loja responde por ele. Os mecanismos de controle técnico, como validação de saídas e limites de ação, estão detalhados em guardrails para agentes de IA.

Cenário ilustrativo

Imagine, de forma hipotética, que um cliente manda no WhatsApp um áudio transcrito: "preciso de cimento, areia, uns tijolos e aquele vergalhão fino para uma laje pequena". A IA estrutura os itens, mas percebe três lacunas: não há quantidade para tijolos, "vergalhão fino" pode ser mais de uma bitola e "laje pequena" não informa a área. Em vez de preencher com suposições, ela pergunta a bitola, o tipo de tijolo e a metragem. Com as respostas, o sistema converte unidades e calcula. O rascunho chega ao balcão com dois itens marcados: quantidade estimada de vergalhão e frete fora da tabela. O atendente corrige a perda considerada, aprova, e o orçamento sai. O registro guarda o que foi pedido, o que a IA propôs e o que o atendente mudou.

Como aplicar o método: mapear, limitar, pilotar, transferir

O método que usamos em projetos de IA para empresas cabe bem nesse caso, sem exigir uma grande reforma.

Mapear: levantar como o orçamento nasce hoje. Quem recebe a lista, onde consulta preço e estoque, quais erros já aconteceram, quais perguntas se repetem sobre entrega. Esse mapa vira o ponto de partida, e o tempo médio de resposta atual (medido pela própria loja) vira a linha de base.

Limitar: definir o que a IA lê, o que ela nunca altera e quando chama uma pessoa. No começo, acesso apenas de leitura a catálogo, preço, saldo e status de entrega. Princípios de autorização com privilégio mínimo, como os do guia da OWASP sobre autorização, ajudam a decidir o que cada ferramenta pode fazer.

Pilotar: escolher um fluxo real, por exemplo orçamento de lista simples por WhatsApp ou consulta de status de entrega, com registro de cada decisão e uma métrica combinada de antemão, como tempo até o rascunho e quantidade de correções feitas pelo revisor. Se quiser estruturar essa medição, veja como medir um piloto de automação com IA.

Transferir: ao fim do piloto, entregar à equipe a documentação, as regras e o painel de acompanhamento, e decidir com base nos registros se o fluxo deve expandir, ser ajustado ou parar. Parar também é um resultado válido quando os dados mostram que o fluxo não compensa.

Sobre a arquitetura, o que faz sentido para consultas de catálogo é recuperar informação do sistema da loja na hora da pergunta e entregá-la ao modelo, conceito conhecido como geração aumentada por recuperação. A AWS explica o conceito em linguagem acessível. Já a Anthropic recomenda começar com soluções simples e previsíveis antes de agentes mais autônomos, o que combina com o princípio de limitar antes de ampliar.

Perguntas frequentes

A IA pode calcular a quantidade de material da obra sozinha? Ela pode ajudar a organizar os dados e explicar a estimativa, mas o cálculo deve seguir fórmulas definidas pela loja ou pelo fabricante, executadas por código. A quantidade final precisa ser confirmada pelo cliente e, em casos de maior risco, por alguém da equipe técnica ou comercial.

É seguro deixar a IA informar preço pelo WhatsApp? É seguro quando o preço vem diretamente da tabela ou do ERP, e não do texto gerado pelo modelo. Para preços fora da tabela, descontos e condições especiais, a IA deve apenas encaminhar para uma pessoa aprovar antes de comunicar o valor.

Preciso integrar a IA ao meu sistema de gestão para começar? Para consultar estoque e status de entrega com confiança, sim, ao menos com acesso de leitura. Se a integração ainda não é viável, um piloto menor pode usar a IA para estruturar a lista e preparar o rascunho, deixando preço e saldo para o atendente preencher.

Como evitar que a IA prometa prazo que a loja não consegue cumprir? Limite a resposta aos dados de logística já confirmados, como etapa do pedido e janela definida, e proíba promessas de horário exato ou de exceção. Quando o cliente pedir algo fora disso, a IA deve registrar o pedido e passar para uma pessoa responsável.

Fontes

• Anthropic: Building effective agents
• AWS: What is retrieval-augmented generation
• OWASP: Authorization Cheat Sheet
• ANPD: Autoridade Nacional de Proteção de Dados