Superinteligência em marketplaces: atendimento, devoluções e reputação

Superinteligência em marketplaces, na prática, é um conjunto de agentes de IA com funções estreitas: responder perguntas de compradores, triar pedidos de devolução e acompanhar indicadores de reputação da loja. Esses agentes funcionam quando têm limites escritos, seguem as políticas de cada plataforma e passam para uma pessoa tudo o que envolve dinheiro, exceção ou reclamação formal. O termo em si pouco ajuda a decidir, por isso o que importa é a lista de tarefas que o agente executa, os dados que ele vê e o registro que ele deixa.

Principais pontos

• Superinteligência, no seu caso, é um nome de marketing: o que você opera de fato é um agente com tarefas delimitadas.
• Perguntas de anúncio e pós-venda devem ser respondidas a partir de fichas verificadas, sem prometer o que a loja não garante.
• Devoluções exigem decisão por regra escrita. O agente classifica e encaminha, mas não aprova exceções.
• Reputação é um conjunto de indicadores definidos pela própria plataforma. O agente deve observar, registrar e alertar, nunca tentar alterar a nota por atalhos.
• As regras de cada marketplace entram na configuração do agente como restrições, não como lembretes na cabeça da equipe.

Por que superinteligência não é o critério de escolha

É comum ouvir promessas de sistemas « superinteligentes » que vendem sozinhos. Na operação de uma loja, a pergunta útil é outra: qual mensagem o agente responde, com base em qual fonte, qual ação ele pode executar e o que fica registrado depois. Modelos com boa capacidade de linguagem ajudam a redigir respostas claras, mas quem responde pela loja é a própria loja, mensagem por mensagem. Para separar o que é promessa do que é capacidade operacional, vale a leitura do texto sobre diferença entre AGI, superinteligência e agentes de IA.

Como organizar as perguntas antes de deixar o agente responder

A maior parte do atendimento em marketplace se repete: tamanho, compatibilidade, prazo, garantia, conteúdo da caixa, forma de pagamento. Antes de qualquer automação, faça o levantamento da base real de perguntas, não do que você imagina que chega. Um caminho simples:

• Agrupe as perguntas dos últimos períodos por produto, tipo de dúvida e desfecho (respondida, transferida, gerou devolução).
• Monte uma ficha por produto com o que é verificável: medidas, composição, conteúdo da embalagem e prazo de envio que a loja de fato cumpre.
• Defina três faixas: o que o agente responde sozinho, o que responde com base na ficha e o que vai direto para uma pessoa.
• Escreva a lista do que nunca deve sair: prazo não cadastrado, desconto não autorizado, pedido para conversar fora da plataforma, diagnóstico técnico ou aconselhamento de uso.
• Teste com perguntas reais em ambiente de simulação antes de ligar o agente para compradores.

O teste em simulação é o ponto que mais costuma ser apressado. Um roteiro de testes com perguntas comuns, perguntas ambíguas e tentativas de desviar o agente, como descrito no texto sobre como testar agente de IA com mocks e sandbox, evita que a primeira resposta errada apareça para um comprador real.

Devoluções: o agente classifica, a regra decide

Devolução mistura três assuntos: a política da loja, a política da plataforma e a situação concreta do pedido. O agente pode organizar essas informações, mas a decisão deve seguir regras escritas. Um guia de decisão simples ajuda a equipe a definir o limite:

• Motivo informado bate com a política escrita e o prazo está dentro da regra: o agente orienta o próximo passo, pelo canal oficial da plataforma.
• Defeito ou dano na entrega: o agente coleta fotos, descrição e número do pedido e encaminha, sem julgar a causa.
• Pedido de reembolso parcial, exceção de prazo, troca fora da política ou cliente com histórico de conflito: uma pessoa decide.
• Padrão que sugere fraude ou devoluções repetidas: uma pessoa revisa, e o agente nunca acusa o comprador.
• Mensagem contendo instruções dirigidas ao agente, como pedidos para ignorar regras: o agente descarta a instrução, mantém o fluxo e registra o caso.

Esse último ponto merece atenção. Mensagens de compradores são entrada não confiável. As recomendações sobre prevenção de prompt injection da OWASP tratam justamente desse risco: o conteúdo do usuário não deve ganhar autoridade sobre as instruções do sistema.

Métricas de reputação: observe, registre e alerte

Cada plataforma define seus próprios indicadores de reputação, que costumam envolver tempo de resposta, cancelamentos, avaliações e reclamações. O papel do agente não é perseguir a métrica, e sim tornar visível o que a afeta. Algumas práticas ajudam:

• Use a definição oficial da plataforma para cada indicador, não a sua versão aproximada.
• Acompanhe a tendência por categoria de produto, porque a média geral esconde problemas localizados.
• Classifique cada cancelamento e cada devolução com rótulos fixos, como tamanho, avaria, atraso, arrependimento ou erro de anúncio.
• Configure alertas para padrões repetidos, como a mesma falha em um modelo específico.
• Proíba expressamente pedidos de avaliação positiva, incentivos para nota ou qualquer tática que altere o registro da loja.

Para que o time consiga rastrear o que o agente fez, cada decisão deve gerar um registro com identificador do caso, horário, fonte usada, ação tomada e motivo. A lógica de observabilidade descrita pela OpenTelemetry é útil aqui: um evento bem registrado permite reconstruir a decisão sem depender da memória de ninguém.

Regras da plataforma entram na configuração

Os termos de uso de cada marketplace definem o que pode ser dito ao comprador, como a comunicação deve acontecer e quais dados podem ser usados. Esses termos mudam, então a configuração do agente deve apontar para a versão vigente no momento da implantação e ter uma revisão periódica. Três pontos costumam ser decisivos:

• Comunicação: o agente deve manter a conversa dentro do canal da plataforma e não oferecer contato externo ou pagamento fora dela.
• Permissões: dê ao agente apenas as ações de API necessárias, e exija aprovação humana para qualquer ação financeira.
• Dados: colete o mínimo necessário para resolver o caso, use os dados apenas para aquele atendimento e documente a finalidade. Na LGPD, a clareza sobre finalidade e a minimização são o ponto de partida, e a equipe deve conferir também as orientações da ANPD.

Se o agente também atende pelo WhatsApp, vale separar as regras de cada canal. O texto sobre o que automatizar e o que manter em um SAC com IA detalha essa divisão.

Cenário ilustrativo: loja de roupas com trocas por tamanho

Cenário ilustrativo, sem dados reais: uma loja de roupas recebe muitas perguntas sobre tamanho. O agente responde com base na tabela de medidas cadastrada em cada anúncio e pergunta as medidas do comprador antes de sugerir um número. Quando o comprador diz que a peça não serviu, o agente explica o procedimento de troca da plataforma e registra o motivo como tamanho. Se o comprador pedir reembolso parcial por desgaste, o caso vai para uma pessoa com o histórico completo. Ao fim da semana, o relatório mostra que as devoluções por tamanho se concentram em um modelo. A equipe revisa a modelagem, atualiza a tabela de medidas e a ficha do produto. Nenhuma decisão de exceção foi tomada pelo agente, e a mudança veio de um padrão observado nos registros.

Como aplicar o método de forma gradual

O método que seguimos é mapear o processo atual, limitar dados e ações, pilotar um fluxo real com registros e uma métrica combinada, e depois transferir a operação e decidir entre expandir, ajustar ou parar. Na prática, isso significa começar por uma categoria de produto, com uma fila de perguntas e um tipo de devolução, medir se as respostas foram corretas e se as transferências para pessoas fazem sentido, e só então ampliar. Esse caminho é mais lento no começo, mas evita que um agente mal configurado afete toda a loja de uma vez. Quem quiser aprofundar a estratégia de vendas nessas plataformas pode ler sobre superinteligência para vendedores de marketplace.

Perguntas frequentes

Superinteligência em marketplace é o mesmo que um chatbot? Não necessariamente. Chatbot é a interface, enquanto o que importa é o conjunto de regras, fontes, permissões e registros por trás dela. Um chatbot simples pode responder bem perguntas repetidas, e um agente bem configurado também precisa saber quando parar e chamar uma pessoa.

Posso deixar o agente responder reclamações sozinho? Em geral, não. O agente pode acolher a mensagem, resumir o caso e organizar os dados, mas respostas formais, compensações e decisões sobre reclamações devem ser feitas por uma pessoa com autoridade para isso. Essa divisão reduz o risco de promessas que a loja não cumpre.

Como saber se o agente está respeitando as regras da plataforma? Faça uma revisão periódica com uma amostra de conversas e de decisões, comparando cada uma com a política vigente da plataforma e com a política interna da loja. Registre os desvios, ajuste a configuração e confirme se a versão dos termos que você usa ainda é a atual.

Por onde começar com um time pequeno? Escolha uma categoria de produto com muitas perguntas repetidas e baixo risco financeiro. Monte a ficha de produto, defina o que o agente responde e o que vai para pessoa, teste em simulação e acompanhe por algumas semanas antes de ampliar. Começar pequeno costuma dar mais clareza do que tentar automatizar tudo ao mesmo tempo.

Fontes

• OWASP: LLM Prompt Injection Prevention Cheat Sheet
• OpenTelemetry: Observability primer
• Anthropic: Building effective agents