
Superinteligência em depósito de construção: pedidos, entregas e dúvidas
Como um agente de IA com regras de estoque e confirmação pode triar pedidos de obra, entregas e dúvidas de material, com limites e escalonamento humano.
Quer aplicar isso na sua empresa?
Agendar conversa com o Juan →Em um depósito de materiais de construção, o que traz utilidade real a uma “superinteligência” é um agente de IA estreito, conectado ao estoque e às regras da casa. Ele recebe pedidos de obra, informa a situação de entregas e responde dúvidas de catálogo, mas só confirma o que o sistema confirma e encaminha para uma pessoa tudo que exige aprovação ou julgamento técnico. Este texto mostra como desenhar esse fluxo com limites, registros e um piloto com métrica combinada antes de qualquer expansão.
Principais pontos
- Pedido de obra só vira compromisso depois de checar o saldo disponível e de receber confirmação explícita de quem pediu.
- Entrega precisa de status vindo do sistema de expedição, com janela de horário, responsável no local e aviso de atraso.
- Dúvida de material se divide em informação de ficha técnica, que o agente responde citando a fonte, e orientação técnica, que vai para uma pessoa.
- Preço, crédito, desconto e substituição de produto ficam fora do alcance do modelo e vêm de regras e sistemas próprios.
- Um piloto com um canal, poucos produtos e registro completo de cada decisão mostra onde o fluxo funciona antes de ampliar.
Por que o termo superinteligência não ajuda a decidir
O termo aparece em conteúdo genérico e cria a expectativa de que o sistema sabe tudo sobre o negócio. Para quem administra um depósito, as perguntas úteis são outras: qual tarefa será automatizada, com que dados, com quais permissões e quem responde quando a resposta estiver errada. Modelos atuais são bons em interpretar pedidos escritos de forma irregular, resumir conversas e preencher campos, mas não sabem o que existe na prateleira sem uma ferramenta que consulte o estoque.
A diferença entre uma IA estreita, feita para uma tarefa com dados conhecidos, e as promessas de capacidade geral é explicada em IA estreita, IA geral e superinteligência: a escala para o gestor. Para o depósito, a escolha prática é quase sempre a estreita.
O que o agente pode fazer e o que deve ficar com a equipe
Um desenho sensato separa claramente as tarefas que o agente executa das que ele apenas encaminha. Em geral, ele pode:
- Consultar disponibilidade e reservas no sistema do depósito.
- Montar um rascunho de pedido com itens, quantidades e endereço da obra.
- Informar o status de uma entrega já cadastrada, com a janela registrada.
- Responder dúvidas sobre unidade, embalagem e uso indicado, a partir da ficha técnica cadastrada.
- Abrir uma ocorrência de avaria, falta ou divergência, com os dados do pedido e as fotos enviadas pelo cliente.
Fica com a equipe aprovar descontos, definir prazos quando o sistema não informa a data, recomendar material para carga estrutural, negociar condições de pagamento e decidir substituições de marca ou de especificação. Essa fronteira deve estar escrita nas instruções do agente e também nas permissões técnicas, não apenas no texto do prompt.
Pedido de obra: da mensagem à confirmação
O pedido de uma obra costuma chegar em mensagens curtas, com erros de digitação, nomes de produto populares e quantidades em unidades diferentes. O agente pode organizar essa entrada, mas não deve criar um pedido final sozinho. O fluxo recomendado é este:
- Identificar o cliente, a obra e o responsável que receberá o material, com o endereço de entrega conferido.
- Listar os itens com quantidade, unidade e se aceita item equivalente ou apenas a marca pedida.
- Consultar o saldo disponível descontando reservas de outros pedidos. Se faltar item, informar apenas a data que o sistema já mostrar.
- Gerar um pedido em rascunho, com preço e condições vindos do sistema comercial. O modelo não calcula valores.
- Enviar o resumo ao comprador ou ao cliente e registrar o pedido somente após confirmação explícita.
- Encaminhar para uma pessoa quando houver pedido de crédito, desconto, item fora do catálogo ou reclamação. Casos de compra que envolvem cotações e aprovação seguem um raciocínio parecido, descrito em Agente de IA para compras: comparar cotações e pedir aprovação.
Entregas: status confiável e avisos sem promessa
O cliente de obra quer saber uma coisa simples: quando o material chega e quem vai receber. O agente só consegue responder bem se a informação existir em algum lugar confiável, seja um sistema de expedição integrado, seja uma planilha atualizada pela equipe de logística. Se a informação não existe, a resposta correta é dizer que a consulta está em andamento e passar o caso para um atendente, sem inventar uma janela.
Há dois cuidados adicionais. O primeiro é a LGPD: endereço, telefone e nome de quem recebe são dados pessoais, e o agente deve usar somente o necessário para a finalidade da entrega. O segundo é o canal. Mensagens enviadas dentro da janela de 24 horas de atendimento seguem regras diferentes das mensagens iniciadas pela empresa, como explica Janela de 24 horas no WhatsApp API: como o agente de IA deve agir. Avisos proativos de entrega, por exemplo, dependem de modelos aprovados e de permissão do cliente.
Dúvidas de material: quando responder e quando encaminhar
A maior parte das perguntas no balcão é repetida: qual a unidade de venda, se o produto vem com nota, qual a embalagem, se é indicado para área externa. Essas respostas podem ser automatizadas se existirem em uma ficha técnica cadastrada. O risco aparece quando o agente completa a lacuna com conhecimento genérico. Um guia de decisão simples ajuda a evitar isso:
- Se a resposta está na ficha técnica cadastrada, o agente responde e indica a fonte.
- Se a dúvida envolve dimensionamento, mistura, carga ou norma técnica, o agente encaminha ao balconista técnico ou ao engenheiro responsável.
- Se o cliente relata problema em material já entregue, o agente abre a ocorrência com os dados e não sugere a causa.
- Se não existe ficha cadastrada para o produto, o agente diz que não tem a informação e não preenche com suposições.
Antes de colocar qualquer resposta no ar, vale testar esses casos com perguntas difíceis e dados simulados. A prática está descrita em Como testar agente de IA com mocks e sandbox sem risco.
Cenário ilustrativo: obra pedindo argamassa e aço
Cenário ilustrativo, construído apenas para explicar o fluxo, sem relação com cliente real. Um encarregado de obra escreve pelo WhatsApp pedindo argamassa colante e algumas barras de aço para entrega na quinta-feira, com a palavra “aquela de sempre” no lugar da marca. O agente identifica a obra cadastrada e pergunta qual marca de argamassa e qual bitola de aço, porque “de sempre” não é um dado do sistema. Em seguida consulta o saldo. A argamassa está disponível. O aço tem parte reservada para outro pedido. O agente informa a situação real, monta o rascunho com a argamassa e deixa o aço como pendência para o comprador decidir entre aguardar reposição ou aceitar outra bitola. Nenhum valor é calculado pelo modelo, e o pedido só é registrado depois que o encarregado confirma o resumo. Todo o caminho fica no log: a mensagem recebida, os dados consultados, a regra aplicada e a pessoa que aprovou.
Registros, permissões e LGPD
Um agente de depósito precisa deixar rastro. Para cada conversa, o registro deve mostrar o que foi perguntado, quais dados foram consultados, qual regra foi aplicada e o que mudou no sistema. Esse histórico é o que permite revisar erros, ajustar instruções e responder a um cliente que contesta uma informação.
As permissões devem seguir o princípio do menor privilégio. O agente consulta estoque e cria rascunhos, mas não altera preço, não cancela pedido e não acessa cadastros de funcionários. As orientações gerais sobre controle de acesso estão em OWASP: Authorization Cheat Sheet. Outro risco é a injeção de instruções: um cliente pode colar no chat um texto tentando mudar o comportamento do agente. A lista de riscos de aplicações com modelos de linguagem, publicada pela OWASP, é um bom ponto de partida para a equipe técnica, em OWASP Top 10 for LLM Applications. Na prática, a regra de preço deve estar no sistema, e não na instrução de texto.
Quanto à LGPD, a empresa precisa definir a finalidade de cada dado tratado, limitar a coleta ao necessário e informar o cliente de forma clara quando ele fala com um sistema automatizado. A Autoridade Nacional de Proteção de Dados publica orientações em gov.br/anpd. A decisão jurídica final depende do caso concreto e deve passar pelo responsável da empresa ou por assessoria especializada.
Como aplicar o método em um piloto
A forma que recomendamos para um depósito segue quatro passos: mapear, limitar, pilotar e transferir. Primeiro, mapear o processo atual, com os canais por onde chegam pedidos, quem responde cada tipo de dúvida e onde estão os erros mais comuns, como item errado ou endereço incompleto. Depois, limitar dados e ações, definindo o que o agente pode consultar e o que só uma pessoa pode fazer.
No piloto, escolha um único canal e um conjunto pequeno de produtos. Combine antes uma métrica de sucesso observável, por exemplo a proporção de pedidos que chegam ao comprador sem retrabalho de digitação. Registre tudo e revise as conversas com a equipe. Ao final, a decisão é objetiva: expandir, ajustar ou parar. Não há garantia de resultado, e um piloto que não atinge a métrica combinada também é uma informação útil.
Se a empresa também atende obras depois da entrega, vale ver como o mesmo princípio de limites se aplica ao pós-venda em IA para construtoras: atendimento ao comprador e pós-obra.
Perguntas frequentes
Preciso trocar o sistema do depósito para usar um agente de IA? Não necessariamente. Em muitos casos, o agente pode consultar uma planilha de estoque bem mantida ou uma exportação diária do sistema atual. O essencial é que exista uma fonte confiável para saldo, reserva e status de entrega. Sem essa fonte, o agente só consegue responder com incerteza, e a melhor prática é encaminhar esses casos para uma pessoa.
O agente pode fechar um pedido sozinho se o cliente já for cadastrado? Não recomendamos. O cliente cadastrado pode mudar a quantidade, a obra ou a especificação, e um pedido registrado por engano gera retrabalho de estoque e de faturamento. O modelo mais seguro cria um rascunho, envia o resumo e registra somente após confirmação explícita. Pedidos recorrentes podem ser mais simples, mas ainda assim pedem registro.
Como evitar que o agente invente prazo de entrega? A regra precisa estar em duas camadas. Na instrução, o agente deve saber que só informa datas vindas do sistema. Na integração, o campo de data deve vir de uma consulta real, e não ser gerado pelo modelo. Quando a consulta falha ou retorna vazio, a resposta padrão é dizer que a informação está sendo verificada e encaminhar o caso.
Quanto tempo leva para um piloto desse tipo dar sinais úteis? Depende do volume de mensagens, da qualidade dos dados e da disponibilidade da equipe para revisar as conversas. O que se pode afirmar com segurança é que o piloto precisa de um período suficiente para cobrir os tipos de pedido mais comuns e os casos de exceção. Antes de decidir, a equipe deve olhar o registro das conversas, e não apenas um indicador isolado.