Superinteligência em casas de ferragens: agente, estoque e pedidos

Em uma casa de ferragens, a chamada superinteligência, na prática, é um agente de IA ligado ao estoque, ao cadastro de produtos e a uma fila de encomendas. Ele responde o cliente com dados consultados no momento da conversa, sugere equivalências que a loja já cadastrou e abre um pedido de encomenda que o balconista confirma antes de qualquer promessa. O valor está nessa divisão de tarefas, não em uma inteligência acima da equipe.

Principais pontos

• O agente consulta estoque e cadastro pelo sistema da loja, e não pela memória do modelo.
• Equivalências vêm de regras e atributos cadastrados pela loja, e o balconista valida o item antes da venda.
• Encomendas entram em uma fila com dados completos e só são prometidas depois da confirmação humana.
• Cada consulta, sugestão e encaminhamento fica registrado para revisão e auditoria.
• O piloto começa com uma família de produtos, uma métrica combinada e uma data de revisão para decidir expandir, ajustar ou parar.

Por que o balcão não pode depender da memória do modelo

Um modelo de linguagem sem acesso a ferramentas responde com o que aprendeu em treinamento, o que é perigoso quando a pergunta é se existe bucha de determinado diâmetro em estoque. A resposta correta depende de dados vivos: quantidade disponível, local de armazenamento, reservas abertas e pedidos pendentes. Por isso, o agente precisa de ferramentas bem definidas, por exemplo uma consulta por código interno, por código de barras ou por descrição, e outra para o saldo por local.

A Anthropic descreve, em seu material sobre como escrever ferramentas para agentes, que as respostas das ferramentas devem trazer informação objetiva e enxuta, em campos que o agente consegue interpretar. Na loja, isso significa que a resposta da consulta de estoque deveria dizer item, unidade de medida, saldo disponível, saldo reservado e local, e não um texto solto. Quanto mais claro o retorno, menor a chance de o agente inventar um saldo.

Se a loja usa sistema de gestão antigo, sem API, a primeira decisão é de integração, não de conversa. Vale mapear quais informações já existem em planilha, em sistema ou apenas na cabeça do balconista. O que não estiver disponível de forma consultável não deve ser prometido ao cliente.

Como tratar equivalências sem inventar substituto

Equivalência é o item que cumpre a mesma função técnica que o solicitado, mesmo com marca, acabamento ou embalagem diferentes. Em ferragens, isso envolve medida, rosca, material, capacidade de carga, padrão de encaixe, tensão elétrica, abertura de dobradiça, tipo de cola ou tinta, entre outros atributos. O agente pode listar candidatos a partir desses campos cadastrados, mas a loja precisa dizer quais campos são confirmados e quais são apenas indicativos.

Uma regra prática é separar três níveis. No primeiro, a equivalência é exata nos atributos cadastrados e o agente pode apresentar a opção como candidata. No segundo, há diferença em algum atributo, e o agente precisa dizer qual é. No terceiro, a substituição depende de avaliação técnica, e o agente apenas encaminha ao balconista. Itens ligados a instalação elétrica, gás ou carga estrutural devem sempre ficar no terceiro nível, porque erro de substituição nesses casos tem consequência além da venda.

O agente não deve decidir sozinho se um item é equivalente, nem usar palavras como garantido ou compatível sem base no cadastro. Quando a loja não tem o atributo cadastrado, a resposta correta é perguntar ao cliente ou encaminhar, não completar a lacuna com suposição.

Do pedido à encomenda: o fluxo de encaminhamento

Um fluxo simples costuma seguir esta sequência, que pode ser ajustada à realidade de cada loja:

• O cliente descreve o item por foto, medida, marca ou código, e o agente pede apenas o que falta para identificar o produto.
• O agente consulta estoque e cadastro, e informa o local e a disponibilidade conforme a regra da loja.
• Se não houver saldo, o agente apresenta equivalências cadastradas, com os atributos conhecidos e as ressalvas.
• Se o cliente quiser seguir com encomenda, o agente abre um registro com item, quantidade, contato, observações e prazo informado pelo fornecedor, quando houver.
• O balconista recebe o registro na fila, confirma item, preço vigente e prazo, e responde ao cliente pelo canal combinado.
• O agente informa ao cliente somente o que foi confirmado e mantém como pendente o que ainda não foi.

O ponto mais sensível é o último. Muitos atendimentos automatizados falham ao prometer prazo ou preço que mudou no fornecedor. Se o agente só comunica o que está confirmado, a conversa pode ser menos fluida, mas o balcão não precisa desfazer promessas depois.

Para fornecedores e compras, a lógica é parecida com a de outros fluxos em que a IA compara opções e a pessoa aprova. O texto sobre agente de IA para compras detalha esse padrão de comparação com aprovação.

Cenário ilustrativo: a dobradiça que não estava na prateleira

Cenário ilustrativo: um cliente pergunta no WhatsApp por uma dobradiça específica para porta de armário, com medida de abertura e acabamento descritos de forma aproximada. O agente consulta o cadastro, não encontra saldo para o modelo exato e identifica duas opções com a mesma medida de abertura e o mesmo tipo de fixação, mas com acabamento diferente. Ele apresenta as duas, informa que o acabamento não está confirmado pela loja para a primeira opção e registra a conversa na fila.

O balconista recebe o registro com o histórico, confirma com o cliente qual acabamento ele aceita, verifica o prazo com o fornecedor e responde. O agente, depois disso, só informa o prazo confirmado e fecha o registro. Nenhuma etapa dependeu de a IA adivinhar uma medida ou um acabamento. Se o cliente tivesse pedido uma peça para gás ou instalação elétrica, a conversa teria sido encaminhada direto, sem sugestão de substituto.

Limites, dados e permissões

O desenho seguro começa pelas permissões. O agente deve ter acesso de leitura ao estoque e ao cadastro e acesso de escrita apenas à fila de encomendas. Ele não deve alterar preço, aprovar desconto, cancelar pedido ou mudar cadastro de produto. A orientação geral de autorização da OWASP vai nesse sentido: cada ação precisa de uma permissão explícita e mínima para quem a executa, humano ou sistema.

No tratamento de dados pessoais, a LGPD pede que a coleta seja compatível com a finalidade. Em um balcão, isso quer dizer pedir nome, telefone e endereço apenas quando a entrega ou a encomenda exigir. Se a ferramenta de IA processa dados fora do país, o tema de transferência internacional precisa estar no contrato e na política de privacidade, como explica o texto sobre transferência internacional de dados com IA.

Há também o risco de mensagens de clientes conterem instruções que tentam alterar o comportamento do agente, por exemplo pedir um preço especial ou uma exceção de prazo. A regra de sistema deve deixar claro que preço e exceção só mudam por decisão humana, independentemente do texto da mensagem. Cada encaminhamento deve ser registrado com a data, o item, a decisão do agente e o motivo, para que a loja consiga revisar casos de erro.

Como pilotar com um fluxo real e medir o que importa

O método que orienta nosso trabalho é mapear, limitar, pilotar e transferir. Na loja, mapear significa descrever como o balcão atende hoje: quais perguntas chegam, quais itens geram mais dúvida, quais informações estão em sistema e quais estão na memória da equipe. Limitar significa definir o que o agente pode consultar, o que pode sugerir e o que só encaminha. Pilotar significa testar uma família de produtos reais, com logs e uma métrica acordada antes de começar, como a proporção de encomendas que o balconista confirmou sem correção de item. Transferir significa entregar o fluxo com documentação e decidir, com base no piloto, se expande, ajusta ou para.

Antes de colocar o agente em contato com clientes, vale testar as ferramentas em ambiente controlado, com itens de teste e respostas simuladas. O texto sobre como testar agente de IA com mocks e sandbox mostra como montar esse ambiente sem expor a operação.

Algumas métricas úteis para a loja acompanhar durante o piloto são: encomendas que voltaram para correção, perguntas que o agente encaminhou por falta de dado, tempo entre o registro e a confirmação do balconista e itens que o cliente desistiu após a sugestão. Essas medidas mostram onde o cadastro está incompleto, e não apenas se a IA respondeu bem.

Perguntas frequentes

O agente pode fechar a venda sozinho? Em geral, não deveria. Ele pode consultar, sugerir equivalências e abrir um registro de encomenda, mas a confirmação de item, preço e prazo deve ficar com o balconista. Essa divisão evita promessas que a loja não consegue cumprir.

Preciso de um sistema de estoque integrado para começar? Não necessariamente para um piloto, mas precisa de alguma fonte confiável de dados. Se o estoque está apenas em planilha desatualizada, o agente vai responder com informação ruim. Vale começar pelo mapeamento de onde a informação existe e com que frequência é atualizada.

O agente substitui o balconista? Não. Ele reduz a repetição de perguntas simples, organiza o pedido e deixa o registro completo para a equipe. Quem conhece o produto, o cliente e o fornecedor continua tomando as decisões que dependem de julgamento, e é esse conhecimento que define a qualidade do atendimento.

Por onde começar uma implantação na loja? Comece por uma família de produtos com cadastro razoável e alto volume de dúvidas, defina o que o agente pode fazer e registre tudo desde o primeiro dia. Se o piloto mostrar ganho real e erros controlados, a expansão passa a ser uma decisão baseada em evidência, e não em expectativa.

Fontes

• Anthropic: Building effective agents
• Anthropic: Writing effective tools for agents
• OWASP: Authorization Cheat Sheet