Superinteligência em energia solar: proposta, obra e pós-venda

Superinteligência em energia solar: proposta, obra e pós-venda

Superinteligência em energia solar, hoje, não é um sistema que sabe tudo sobre projetos fotovoltaicos. É uma camada de IA bem desenhada que conecta proposta, vistoria, obra e pós-venda, com dados organizados, limites claros e revisão humana, e que fica melhor conforme os modelos melhoram. O que dura é a estrutura da integradora, não o modelo da vez.

Principais pontos

• O termo superinteligência descreve uma direção, não um produto. O que a integradora opera hoje são agentes e fluxos que apoiam decisões, não decidem sozinhos.
• A camada precisa ser separada do modelo: dados, regras, ferramentas e registros ficam na empresa, e o modelo pode ser trocado.
• Proposta, vistoria, obra e pós-venda geram dados que se conectam. Quando cada etapa vive em um canto, a IA só automatiza o retrabalho.
• Dimensionamento, laudo e responsabilidade técnica continuam com o profissional habilitado. A IA organiza, resume e rascunha.
• O caminho seguro é mapear, limitar, pilotar um fluxo real e só então expandir, com registro das decisões e uma métrica combinada.

O que significa superinteligência em energia solar, na prática?

No debate público, superinteligência é um sistema que superaria humanos em praticamente todas as tarefas cognitivas. Isso não existe em nenhuma integradora, e quem vende assim está vendendo expectativa. Para entender a diferença entre o conceito e o que uma empresa opera, vale ler a diferença entre AGI e superinteligência e os mitos sobre superinteligência que atrapalham decisões.

O uso útil da expressão, para uma empresa de energia solar, é arquitetural. Você monta uma camada de inteligência em volta do seu negócio: ela conhece seus produtos, suas regras comerciais, seu histórico de obras e seus procedimentos. Ela usa o melhor modelo disponível para ler faturas, redigir propostas, organizar fotos de vistoria e responder clientes. Quando um modelo melhor aparece, a camada aproveita sem ser refeita.

Isso muda a pergunta de decisão. Em vez de perguntar qual IA comprar, pergunte quais partes do processo devem ficar sob seu controle para que qualquer modelo possa ser usado com segurança. A arquitetura geral dessa ideia está em camada de superinteligência da empresa.

Como estruturar a proposta com IA sem prometer geração?

A proposta é o ponto de maior ganho e também de maior risco. O ganho está em transformar uma fatura, algumas fotos e uma conversa no WhatsApp em um rascunho organizado. O risco está em a IA afirmar economia, prazo ou geração que a empresa não pode sustentar.

Uma divisão que funciona é separar o que é cálculo, o que é texto e o que é compromisso:

• Cálculo: dimensionamento, estimativa de geração e retorno vêm da sua ferramenta de projeto ou do engenheiro, não do modelo de linguagem inventando números.
• Texto: a IA monta a explicação em linguagem simples, adapta ao perfil do cliente e mantém o padrão visual e de tom da empresa.
• Compromisso: prazos, condições comerciais, garantias e qualquer promessa passam por regra fixa ou por aprovação humana.

Checklist de entrada para a IA preparar o rascunho de uma proposta:

• Fatura de energia legível, com tipo de ligação e informações da distribuidora.
• Tipo e condição do telhado ou do local de instalação, com fotos.
• Perfil de consumo e planos de mudança, como novos equipamentos.
• Catálogo vigente de equipamentos e serviços da integradora.
• Regras comerciais aprovadas, sem exceções improvisadas na conversa.

Se qualquer item faltar, o comportamento correto do agente é pedir o dado ou encaminhar a um vendedor, não preencher a lacuna com suposição. Para o desenho do lado comercial da conversa, o artigo sobre IA para empresa de energia solar detalha propostas e pós-venda com mais profundidade.

Vistoria técnica: o que a IA organiza e o que o técnico decide

A vistoria costuma perder informação. O técnico tira fotos, anota algo no celular, manda áudio, e depois alguém precisa reconstruir o quadro para o projeto. Aqui a IA é boa em organizar, e fraca como juíza.

O que ela pode fazer com segurança:

• Receber fotos e áudios e montar um relatório padronizado com campos fixos, como telhado, estrutura, quadro elétrico e padrão de entrada.
• Apontar o que está faltando, por exemplo uma foto do quadro sem identificação legível.
• Destacar inconsistências entre o que o cliente disse e o que foi registrado.
• Transcrever e resumir o áudio do técnico, respeitando o aviso e a base legal quando houver gravação (veja gravar reunião com IA e LGPD).

O que deve ficar com o profissional habilitado: avaliar a viabilidade estrutural e elétrica, decidir o que é seguro, assinar o que exige responsabilidade técnica. O relatório da IA é um insumo, e o técnico confirma ou corrige. Corrigir deve ser fácil, porque cada correção vira dado para melhorar o fluxo.

Obra: como a IA ajuda a coordenar sem atrapalhar a equipe?

Na obra, o valor está em reduzir o vai e volta de informação entre escritório, equipe de campo e cliente. Ninguém quer um agente de IA mandando mensagem para o instalador no meio do telhado. Quer-se um registro claro do que foi feito.

Uma estrutura simples é um checklist por etapa, preenchido no celular pela equipe, com fotos obrigatórias em pontos combinados. A IA lê esses registros, sinaliza pendências antes do fechamento e redige o resumo para o cliente. Também ajuda a manter o cliente informado sobre o andamento por WhatsApp, sempre com texto aprovado para situações sensíveis, como atraso ou mudança de escopo.

Para mensagens que a empresa inicia, é preciso respeitar as regras do canal. Vale revisar mensagens ativas no WhatsApp com templates e opt-in antes de automatizar avisos de obra, porque envio sem permissão aumenta o risco de bloqueio do número.

Outro cuidado é dado pessoal. Fotos de obra mostram a casa do cliente, às vezes pessoas e documentos. Defina quem acessa, por quanto tempo guarda e para onde o dado vai. A ANPD é a referência para orientações sobre proteção de dados no Brasil.

Pós-venda: onde a camada mais aprende

O pós-venda é onde uma integradora ganha reputação e onde a IA tem material abundante: alertas de inversor, dúvidas sobre a conta de luz, pedidos de limpeza, acionamento de garantia, indicações. Também é onde um agente mal limitado causa mais estrago, porque o cliente já pagou e espera resposta correta.

Fluxos que costumam fazer sentido:

• Triagem de chamado: o agente identifica se é dúvida de uso, alerta do sistema, problema na conta ou suspeita de defeito, e abre o registro certo.
• Leitura de alertas do monitoramento do fabricante, quando a integradora tem acesso autorizado, com resumo para o time técnico.
• Explicação da fatura pós-instalação em linguagem simples, com encaminhamento humano quando houver divergência.
• Lembretes de manutenção preventiva e pedido de avaliação, dentro das regras de opt-in.

O que não deve ser automatizado: decidir cobertura de garantia, prometer visita técnica sem consultar a agenda, ou afirmar causa de falha sem diagnóstico. Nesses casos o agente coleta as informações, explica o próximo passo e entrega a conversa a uma pessoa com todo o contexto. Quando a conversa depende do canal, a regra da janela de atendimento importa; veja como o agente deve agir na janela do WhatsApp API.

Se o cliente questionar uma decisão tomada com apoio de automação, ele precisa de um caminho de revisão humana. O artigo sobre decisões automatizadas na LGPD ajuda a pensar nisso.

Como a camada evolui com os modelos sem ser refeita?

Modelos mudam com frequência. Se a sua operação depende do comportamento específico de um modelo, cada atualização vira risco. A saída é separar o que é estável do que é substituível.

O que deve ser seu e estável:

• Base de conhecimento: catálogo, políticas, procedimentos de vistoria e de obra, textos aprovados.
• Ferramentas com permissão mínima: consultar agenda, ler registros de obra, criar chamado. Cada ferramenta com entrada e saída bem definidas.
• Registro de decisões: o que o agente leu, o que respondeu, o que encaminhou.
• Conjunto de testes: casos reais anonimizados com a resposta esperada.

O que pode ser trocado: o modelo que lê, raciocina e escreve. Com o conjunto de testes, você troca o modelo, roda os casos e compara antes de colocar em produção. A Anthropic descreve como avaliar agentes de IA e como construir agentes eficazes priorizando fluxos simples e compostos. Para risco, o NIST AI Risk Management Framework oferece um vocabulário útil para governança.

Cenário ilustrativo: uma integradora pequena usa um agente para ler a fatura e rascunhar a proposta. Quando um modelo novo fica disponível, ela não troca direto. Roda o conjunto de faturas antigas, com casos difíceis como fatura borrada e ligação atípica, e compara se o novo modelo erra menos, pede dado quando deveria e respeita o catálogo. Só então muda a configuração, e o antigo permanece como alternativa por um período. A camada ficou melhor sem que ninguém precisasse reescrever a operação.

Se a empresa tiver restrições de dados e quiser avaliar modelo local para algumas tarefas, Ollama na empresa mostra como fazer isso sem improviso. Se houver envio de dados a provedores no exterior, confira transferência internacional de dados com IA e LGPD.

Como começar: mapear, limitar, pilotar e transferir

O método que aplicamos a esse tipo de projeto segue quatro movimentos, sem promessa de resultado antes de medir.

• Mapear: descrever o processo atual do primeiro contato até o pós-venda, identificar onde há retrabalho, onde a informação se perde e qual é a linha de base de tempo e de erros, medida pela própria empresa.
• Limitar: definir quais dados a IA acessa, quais ações pode executar, o que exige aprovação humana e o que ela nunca faz, como prometer prazo, prometer geração ou decidir garantia.
• Pilotar: escolher um único fluxo real, por exemplo a leitura de fatura e rascunho de proposta, ou a triagem de chamados de pós-venda. Rodar com registro completo e uma métrica de sucesso combinada de antemão.
• Transferir: entregar à equipe a documentação, os testes e os registros, e decidir em conjunto se o piloto será expandido, ajustado ou encerrado.

Essa ordem evita o erro mais comum, que é começar pelo agente mais ambicioso e descobrir depois que os dados de base estavam desorganizados. Parar também é um resultado válido: se o fluxo não melhora o processo, é melhor saber cedo.

A operação contínua, com monitoramento e manutenção dos agentes, pode ser feita pela própria equipe ou por parceiros, como a Be Human. O ponto importante é que alguém seja responsável por olhar os registros, atualizar a base e rodar os testes quando o modelo mudar.

Perguntas frequentes

Existe superinteligência em energia solar hoje? Não no sentido de um sistema que supera humanos em tudo. O que existe são modelos de IA capazes em tarefas específicas, como ler documentos, redigir textos e organizar informação, que podem ser organizados em uma camada de apoio para propostas, vistorias e pós-venda. Chamar isso de superinteligência é uma forma de nomear a direção, e convém não prometer mais do que o sistema entrega.

A IA pode dimensionar o sistema fotovoltaico sozinha? Não deve. O dimensionamento e a viabilidade técnica precisam de ferramenta de projeto adequada e de profissional habilitado, que assume a responsabilidade. A IA pode preparar os dados, rascunhar a explicação e apontar o que falta, mas números e laudos passam por validação humana.

Por onde uma integradora pequena deve começar? Por um fluxo só, com baixo risco e dados que já existem, como a organização de relatórios de vistoria ou a triagem de chamados de pós-venda. Meça o processo antes, rode um piloto com registro de tudo e decida com base no que a equipe observou. Só depois conecte outras etapas.

O que fazer quando o modelo de IA mudar ou for atualizado? Rode o conjunto de testes com casos reais anonimizados e compare o resultado do novo modelo com o atual antes de trocar. Mantenha a base de conhecimento, as ferramentas e os registros sob controle da empresa, para que a troca de modelo seja uma configuração e não um novo projeto.

Fontes

• NIST: AI Risk Management Framework
• Anthropic: Building effective agents
• Anthropic: Demystifying evals for AI agents
• ANPD: Autoridade Nacional de Proteção de Dados