Superinteligência em loja de roupas: grades, trocas e reposição

Superinteligência em loja de roupas, na prática, significa organizar bem o que o agente precisa saber e o que ele pode decidir: grades de tamanho por modelo, regras de troca escritas e critérios de reposição aprovados pelo gestor. Um agente de IA atende melhor quando segue essas regras e encaminha para uma pessoa tudo o que estiver fora delas. Sem essa base, ele tende a inventar medidas, prometer trocas que a loja não faz e pedir reposição com base em palpite.

Principais pontos

• A grade de tamanho precisa ser por modelo e por marca, com medidas de referência, e não apenas a sigla P, M ou G.
• As regras de troca devem caber em uma lista curta de condições verificáveis, com exceções que sempre vão para uma pessoa.
• O agente pode registrar e sugerir reposição, mas a decisão de compra continua com o gestor ou o comprador.
• Cada resposta sobre tamanho, troca ou estoque deve vir de uma fonte de dados conhecida e deixar registro.
• Comece por um fluxo só, como troca de tamanho com estoque disponível, e avalie antes de expandir.

Por que superinteligência não é o ponto de partida

O termo aparece com frequência em promessas comerciais, mas para quem administra uma loja a pergunta útil é outra: o que esse sistema faz no atendimento de amanhã, com quais dados e quem responde quando ele erra. Para separar o conceito do produto que se usa hoje, vale a leitura sobre o que é o ChatGPT e o que não é superinteligência. Modelos de linguagem ajudam a conversar com o cliente de forma clara, mas não substituem uma grade de tamanhos correta nem uma política de troca escrita. O ganho vem do processo bem desenhado.

Como montar a grade de tamanhos

A grade é a tabela que liga cada peça às medidas reais. Uma camiseta de modelo ajustado e outra de modelo reto, ambas marcadas como M, não cabem da mesma forma, e marcas diferentes usam tabelas próprias. Para que o agente responda com segurança, cada produto deveria ter, no mínimo:

• Código do produto e nome do modelo, sem ambiguidade entre coleções.
• Tamanhos disponíveis com medidas de referência em centímetros, copiadas da tabela do fabricante ou medidas pela própria loja.
• Indicação de modelagem, como ajustada, reta ou ampla.
• Composição do tecido e observação sobre encolhimento após lavagem, quando houver.
• Saldo por tamanho e cor, atualizado pelo sistema de estoque e não por planilha manual.

Quando o cliente pergunta se a peça veste grande, o agente só deve responder com base nesses campos. Se a informação não existe, a resposta correta é dizer que não tem esse dado e oferecer contato humano ou uma comparação com uma peça que o cliente já conhece. Esse cuidado evita o erro mais comum: tratar uma opinião de caimento como se fosse uma medida confirmada.

Regras de troca que o agente consegue seguir

A política de troca costuma viver em um cartaz no caixa ou em um PDF antigo. Para o agente, ela precisa virar um conjunto de condições que podem ser verificadas no pedido. Antes de escrever essas regras, a loja deve alinhá-las ao Código de Defesa do Consumidor e validar os pontos sensíveis com um advogado. Depois, a política pode ser traduzida em um guia de decisão simples:

• Troca por outro tamanho ou cor, com peça disponível e dentro da regra vigente: o agente confirma e envia a instrução de postagem ou a etiqueta.
• Defeito de fabricação ou avaria: o agente pede fotos, número do pedido e descrição do problema, e encaminha para atendimento humano.
• Peça fora do prazo, usada, sem etiqueta ou em promoção com regra própria: o agente explica a política e transfere para uma pessoa decidir.
• Reclamação, pedido de exceção ou cliente insatisfeito: transferência imediata, sem tentar negociar crédito ou desconto.
• Dúvida sobre valor a devolver ou forma de reembolso: transferência, porque envolve valores e decisão financeira.

As proibições são tão importantes quanto as permissões. O agente não deve prometer reembolso, crédito, exceção ou prazo de entrega que não estejam no sistema. Essas frases proibidas precisam estar escritas nas instruções do agente e testadas antes de qualquer uso real. Para entender a divisão entre o que vale automatizar e o que deve ficar com a equipe, o guia sobre SAC com IA traz critérios úteis que se aplicam também ao varejo.

Reposição: o agente registra, o gestor decide

Um pedido de reposição costuma nascer de uma conversa com o cliente, como a pergunta sobre um tamanho que acabou, ou de um sinal de estoque baixo. O agente pode organizar esse sinal: registrar o tamanho e a cor pedidos sem estoque, anotar a data e o canal, e montar um resumo periódico para o comprador. O que ele não deve fazer é emitir pedido de compra ao fornecedor sem aprovação humana. Uma rotina simples costuma funcionar assim:

• Definir, com o gestor, o saldo mínimo por modelo que dispara a atenção da compra.
• Registrar cada pedido não atendido por falta de tamanho, com data, canal e modelo.
• Separar produtos de giro recorrente dos itens de coleção encerrada, que não devem voltar ao estoque.
• Enviar o resumo para aprovação, com o que está em estoque e o que já está em trânsito.
• Revisar os critérios ao final de cada ciclo de vendas, com base nos registros.

Para a parte de cotações e aprovação de compras, o agente de IA para compras segue a mesma lógica de limite e aprovação humana.

Cenário ilustrativo: troca de tamanho pelo WhatsApp

Cenário ilustrativo: uma cliente recebe uma calça pelo correio e escreve pelo WhatsApp dizendo que o tamanho ficou apertado. O agente localiza o pedido, confere que a compra está dentro da regra de troca e verifica que o tamanho imediatamente maior tem saldo na cor escolhida. Ele confirma a troca, envia a instrução de postagem e registra o caso com data e decisão. Se a cliente dissesse que a costura abriu, o agente pediria fotos, anotaria a descrição e transferiria para a equipe, sem oferecer reembolso nem prometer prazo. Em ambos os casos, o registro mostra o que foi consultado e o que foi decidido, o que facilita a revisão depois.

Dados, permissões e registros

Medidas corporais, histórico de compras e endereço são dados pessoais, e a LGPD pede que a loja trate apenas o necessário para a finalidade do atendimento. Por isso, o agente deve enxergar somente o pedido da pessoa que está na conversa, e não a base de clientes inteira. Permissões de leitura e de escrita devem ser separadas: consultar estoque é diferente de alterar saldo, e gerar uma instrução de postagem é diferente de estornar um valor. A orientação sobre autorização por menor privilégio ajuda a desenhar essa separação. Cada ação do agente deve gerar um registro com data, canal, dados consultados e decisão tomada, e medidas do cliente só devem ser guardadas se houver motivo claro para isso.

Como aplicar o método em uma loja

O caminho que defendemos tem quatro etapas. Primeiro, mapear o processo atual de trocas e reposição, incluindo os erros que a equipe já conhece e as exceções que aparecem toda semana. Depois, limitar os dados e as ações do agente ao mínimo necessário. Em seguida, pilotar um fluxo real, como trocas de tamanho com estoque disponível, com registros e uma métrica de sucesso combinada antes do início. Por fim, transferir a operação para a equipe e decidir se o fluxo deve ser expandido, ajustado ou interrompido. Antes de qualquer contato real com clientes, os casos podem ser simulados em um ambiente de teste, como descrito em como testar agentes de IA com mocks e sandbox.

Perguntas frequentes

Preciso de uma IA superinteligente para organizar trocas em uma loja de roupas? Não. A organização depende de grades corretas, regras escritas e registros confiáveis, que são trabalho de processo e de dados. Um modelo de linguagem comum, bem orientado e com acesso restrito às informações certas, resolve a maior parte da conversa. O investimento mais importante costuma ser arrumar a grade e a política antes de escolher a ferramenta.

Quem deve validar a política de troca que o agente vai seguir? O dono ou o gestor comercial define a regra da loja, e um advogado deve conferir a aderência ao Código de Defesa do Consumidor e os pontos sensíveis. O agente só executa o que foi aprovado por escrito, e cada mudança deve ser versionada com data e responsável. Assim, quando um cliente questionar uma decisão, a loja consegue mostrar qual regra estava valendo naquele momento.

O agente pode aprovar reposição de estoque sozinho? Em geral, não é recomendável. Ele pode registrar pedidos não atendidos, somar a demanda por tamanho e sugerir uma reposição, mas a compra envolve capital, fornecedor e prazo, e essa decisão deve ter aprovação humana. Esse limite também protege a loja quando a demanda parece alta por um motivo passageiro.

Como saber se o agente está funcionando bem nas trocas? Defina, antes do piloto, uma métrica simples, como a proporção de casos resolvidos sem transferência indevida, e revise os registros com a equipe em intervalos regulares. Testes com casos conhecidos, executados antes e depois de cada mudança nas regras, mostram regressões que a conversa do dia a dia esconde. Se a métrica não melhora ou se os erros se concentram em um tipo de caso, a decisão correta pode ser ajustar a regra ou interromper aquele fluxo.

Fontes

• OWASP: Authorization Cheat Sheet
• Anthropic: Effective context engineering for AI agents
• OpenAI: Evals guide