
Superinteligência em açaiteria: pico, fila e pedidos por app
Como organizar pedidos no pico, aplicar regras de tamanho e adicionais e impedir que o agente de IA invente disponibilidade ou prazo de entrega.
Quer aplicar isso na sua empresa?
Agendar conversa com o Juan →Na prática, uma açaiteria não opera uma superinteligência, e sim um agente de IA ligado ao cardápio, à fila de produção e ao sistema de pedidos. Para atender no horário de pico e receber pedidos por app sem que o modelo invente disponibilidade, as regras precisam ficar fora da conversa: estoque, tamanhos, adicionais e prazo vêm de dados cadastrados, e o agente apenas registra e explica o que o sistema confirma. Quando a informação não existe ou a combinação foge do cardápio, o pedido passa para a equipe com o motivo registrado.
Principais pontos
- Disponibilidade, prazo e preço devem vir do sistema, nunca de uma estimativa do modelo.
- Tamanhos e adicionais funcionam como catálogo fechado, com regras explícitas de combinação.
- No pico, a fila é comunicada com base nos pedidos em aberto, não em suposição.
- Pedidos de WhatsApp e de aplicativo entram em um único registro para evitar duplicidade.
- O ponto de transferência para uma pessoa é definido antes do piloto, não durante a crise do movimento.
Por que o pico exige regras mais firmes
No horário de maior movimento, o cliente pergunta várias coisas ao mesmo tempo: se ainda há açaí tamanho grande, se o sabor de morango acabou, quanto tempo leva, se pode trocar a granola por paçoca. Um modelo de linguagem tende a responder de forma convincente mesmo quando não tem a informação, e é exatamente aí que o risco aparece. Uma promessa de fila curta que não se cumpre, um adicional que saiu do cardápio na semana passada ou um tamanho que a produção já não consegue entregar geram reclamação, retrabalho e, em muitos casos, cancelamento.
Por isso, o desenho começa pelo que o agente não pode fazer. Ele não decide estoque, não define preço, não promete prazo e não altera regra de combinação. Ele lê informações confirmadas, organiza o pedido e explica ao cliente o que está registrado.
Mapear o fluxo antes de escolher a ferramenta
Antes de conectar qualquer agente, vale desenhar o fluxo atual no papel, com os pontos onde o pedido nasce e onde ele se perde. Em geral, uma açaiteria recebe pedidos no balcão, pelo WhatsApp, por telefone e por aplicativos de entrega, e cada canal tem seu próprio jeito de registrar o que foi pedido.
- Liste todos os canais de entrada e quem responde em cada um, em cada turno.
- Identifique onde a informação de estoque é atualizada e quem decide quando um sabor sai do ar.
- Anote como a equipe estima a fila hoje e quais sinais usa, como número de pedidos em preparo.
- Registre os erros mais comuns dos últimos dias: item trocado, adicional esquecido, endereço incompleto, pedido em duplicidade.
- Defina a linha de base: quantos pedidos entram por hora no pico e quantos voltam para correção.
Essa linha de base é a referência para saber, depois, se o piloto ajudou. Sem ela, qualquer melhora vira impressão.
Catálogo fechado: tamanhos, adicionais e combinações
A forma mais segura de tratar tamanhos e adicionais é tratá-los como um catálogo fechado. Cada produto tem identificador, cada tamanho tem seus adicionais permitidos, cada adicional tem um limite e cada opção tem um status de ativo ou indisponível. O agente escolhe apenas entre o que existe nesse catálogo.
As regras de combinação costumam ser o ponto mais frágil, porque surgem na conversa e não no cadastro. Por isso, convém escrevê-las como condições objetivas: quantos adicionais cabem em cada tamanho, quais itens não podem ser combinados, o que vira cobrança extra e o que já está incluído.
Cenário ilustrativo: um cliente pede um açaí de tamanho grande com três adicionais, mas o cardápio permite no máximo dois adicionais nesse tamanho. O agente não aceita a combinação como está, mostra as opções válidas e pergunta se o cliente prefere retirar um item. Se o cliente insistir em algo fora do cardápio, ou pedir desconto, o pedido segue para a atendente com a descrição exata do que foi solicitado.
Uma instrução de texto como "seja gentil e tente atender" não substitui essa estrutura. O modelo pode ceder à pressão do cliente se a regra estiver só no prompt. A regra precisa estar no sistema que valida o pedido.
Fila e prazo: o que o agente pode afirmar
A pergunta sobre tempo de espera é a mais delicada no pico. A resposta segura depende do que o sistema realmente sabe. Se a operação registra pedidos em preparo e a equipe tem uma estimativa interna por tipo de pedido, o agente pode informar que o pedido foi recebido, que há outros pedidos em preparo e qual é a previsão registrada pelo sistema. Se não há dado, ele deve dizer que não tem essa informação naquele momento e encaminhar a pergunta.
Para pedidos de aplicativo de entrega, o prazo muitas vezes já é calculado pela própria plataforma. Nesse caso, o agente não deve refazer a conta. Ele repete o que a plataforma informa e não cria um horário próprio.
Uma boa prática é separar três tipos de resposta: o que está confirmado (pedido registrado, item disponível), o que é estimado pelo sistema (previsão de preparo) e o que não se sabe (indisponibilidade não registrada, caso especial). O cliente deve perceber a diferença.
Pedidos por app e WhatsApp no mesmo registro
O maior problema operacional de uma açaiteria com pedidos em vários canais é a duplicidade: o cliente manda o pedido pelo WhatsApp, não recebe confirmação clara e faz de novo pelo aplicativo. Para evitar isso, cada pedido precisa de um identificador único, que atravessa todos os canais e impede que a mesma solicitação seja criada duas vezes.
O status também precisa ser único. Se o pedido está em preparo, o agente deve consultar esse estado no sistema, e não reconstruir a situação a partir da conversa. Quando o cliente escreve fora da janela de atendimento do WhatsApp, o comportamento também deve estar definido, como explicamos em Janela de 24 horas no WhatsApp API: como o agente de IA deve agir.
Limites, dados pessoais e transferência para a equipe
Um agente de pedidos coleta pouca informação, mas ainda assim trata dados pessoais: nome, telefone e, no caso de entrega, endereço. Pela LGPD, a coleta deve se limitar ao necessário para executar o pedido, e a empresa precisa saber onde esses dados ficam e por quanto tempo são guardados. Não há motivo para armazenar conversas inteiras além do prazo que a operação realmente usa, nem para pedir dados que não influenciam o pedido.
Há também o risco de instruções maliciosas escritas pelo próprio cliente, como pedir que o agente ignore as regras ou aplique um desconto. As orientações da OWASP sobre injeção de prompt tratam esse tipo de entrada como algo a ser contido por controles fora do modelo, como permissões restritas e validações no sistema.
Decisões que pedem transferência imediata para uma pessoa costumam incluir: alergia ou restrição alimentar, reclamação sobre pedido anterior, pedido grande para evento, pagamento não reconhecido e qualquer situação que o catálogo não cobre. Cada transferência deve gerar um registro com o motivo. Esses registros são a base para revisar o agente depois, e também uma forma de medir o que realmente chega ao humano. Para os registros, os conceitos de observabilidade descritos pela OpenTelemetry ajudam a pensar em rastreamento de cada etapa do atendimento.
Plano de piloto em etapas curtas
Na nossa forma de trabalhar, o caminho é mapear o processo atual e a linha de base, limitar dados e ações, pilotar um fluxo real com registros e uma métrica combinada, e então transferir a operação e decidir se o caso expande, ajusta ou para. Isso não depende de uma ferramenta específica. Depende de saber quem confirma o quê.
- Escolha um único fluxo, por exemplo pedidos de retirada no balcão feitos pelo WhatsApp em um turno.
- Defina uma métrica de sucesso junto com o dono ou o gerente, como pedidos fechados sem correção manual.
- Teste com pedidos simulados e tente quebrar as regras antes de expor clientes reais. Um roteiro de testes com simulações pode ser visto em Como testar agente de IA com mocks e sandbox sem risco.
- Abra para clientes reais com transferência sempre disponível e revise os registros ao fim de cada turno.
- Ao final, decida com base nos dados: expandir para outros canais, ajustar o catálogo ou pausar o agente.
Para um comparativo de como outros segmentos de alimentação organizam pedidos e reservas, o caso geral de restaurantes ajuda a enxergar padrões semelhantes em IA para restaurantes: pedidos, reservas e dúvidas no WhatsApp.
Perguntas frequentes
O agente de IA pode informar se um sabor de açaí está disponível agora? Só se o sistema da loja tiver essa informação atualizada e o agente estiver ligado a ela. Se o estoque é conferido apenas no fim do dia ou de cabeça pela equipe, o agente deve dizer que não tem a confirmação e encaminhar a pergunta. Afirmar disponibilidade sem dado confirmado é justamente o erro que as regras precisam impedir.
Como evitar que o cliente peça combinações de adicionais que não existem? Cadastre os adicionais por tamanho, com limites e restrições de combinação, e faça o agente escolher apenas entre essas opções. Quando o cliente pede algo fora do catálogo, o agente deve mostrar as alternativas válidas e, se a pessoa insistir, transferir para a atendente com a descrição do pedido. A regra deve estar no sistema que valida o pedido, não apenas no texto de instruções.
Quanto a IA deve informar sobre prazo de entrega no pico? Ela deve informar apenas o que o sistema registra ou o que a plataforma de entrega calcula. Se não houver dado, a resposta correta é dizer que a previsão não está disponível naquele momento. Estimar o tempo a partir de palpite do modelo costuma gerar expectativa que a cozinha não consegue cumprir.
Vale começar com todos os canais de pedido de uma vez? Normalmente não. Comece por um fluxo com volume previsível e baixo risco, como retirada no balcão feita pelo WhatsApp, meça os erros e a quantidade de transferências, e só depois avalie aplicativos de entrega. Expandir sem linha de base e sem registros torna difícil saber se o agente melhorou ou apenas mudou o tipo de problema.