Casos de uso

O que construímos, descrito como padrões. Os três primeiros são sistemas que nós mesmos projetamos e operamos. Os demais são exemplos que mostram como as mesmas peças atendem necessidades comuns de empresas e agências.

Sistemas que já construímos

Projetados, construídos e usados todos os dias pela nossa própria equipe.

Um assistente de analytics multiagente sobre o seu data warehouse

Faça uma pergunta de negócio em linguagem natural e receba uma resposta baseada no seu data warehouse, com a consulta que a gerou e, quando a pergunta merece, um dashboard ou um relatório.

O que construímos

Um agente coordenador que divide a pergunta em etapas e delega a subagentes especializados em SQL, análise e visualização.
Uma camada semântica que descreve as suas tabelas, métricas e definições de negócio, para que o agente use os mesmos números que a sua equipe.
Dashboards gerados e relatórios escritos que citam as consultas por trás de cada número.
Acesso somente leitura ao data warehouse, limites de custo por consulta e um log completo do que foi perguntado e executado.

Como construímos

Construímos um sistema com esse formato para a inteligência de negócios do dia a dia: um agente coordenador recebe a pergunta, um agente de dados escreve e confere o SQL com base em modelos documentados, um agente analista interpreta o resultado e um agente de relatórios transforma tudo em um gráfico ou em um texto curto. Os analistas revisam tudo o que vai para a liderança; as perguntas de rotina não esperam mais uma brecha na agenda deles.

Conectores MCP para dados de analytics e de desempenho em buscadores

Permita que assistentes de IA consultem diretamente os dados de analytics do site e de desempenho em buscadores, para que o time de marketing pergunte “quais landing pages perderam cliques orgânicos no mês passado?” em vez de montar o relatório à mão.

O que construímos

Servidores Model Context Protocol que expõem os relatórios de analytics e de desempenho em buscadores como ferramentas bem descritas.
Padrões sensatos para períodos, dimensões e métricas, para que perguntas em linguagem natural virem consultas corretas.
Credenciais somente leitura por conta e limites que mantêm o uso dentro das cotas das APIs.
Documentação que permite à sua equipe adicionar novos relatórios sem mexer no núcleo.

Como construímos

Construímos conectores MCP desse tipo para plataformas de analytics e de desempenho em buscadores. Depois de conectado, um assistente consegue comparar períodos, detalhar o tráfego por canal ou por página e combinar as duas fontes em uma única resposta, enquanto cada requisição continua somente leitura e rastreável até a pessoa que perguntou.

Uma plataforma de agentes com memória de longo prazo e subagentes

Um ambiente de trabalho em que os agentes lembram o contexto entre sessões, delegam a especialistas e usam as suas ferramentas, pensado para o trabalho diário de analytics e engenharia, e não para demos.

O que construímos

Memória de longo prazo que guarda decisões, preferências e o estado dos projetos, e recupera só o que é relevante para a tarefa do momento.
Subagentes especializados em áreas como dados, documentação, rascunhos de comunicação ou código, cada um com as suas próprias ferramentas e permissões.
Orquestração de ferramentas de linha de comando, APIs e sistemas internos, com etapas de aprovação para tudo o que for irreversível.
Logs de sessão e notas de passagem, para que uma pessoa ou outro agente possa retomar o trabalho.

Como construímos

Usamos uma plataforma desse tipo no nosso próprio trabalho de analytics e engenharia. Cada solicitação vai para o especialista certo, que recupera a memória relevante, usa as ferramentas que tem permissão para usar e devolve o resultado; rascunhos que chegariam a outras pessoas esperam uma aprovação explícita. A mesma arquitetura pode ser adaptada aos sistemas e às regras da equipe de um cliente.

Exemplos para empresas

Como esses padrões costumam se aplicar às operações de uma empresa.

Um agente de suporte para uma loja virtual ou um produto SaaS

Um agente que atende os clientes por chat e e-mail com base no seu conteúdo de ajuda e nos dados em tempo real de pedidos ou contas, e passa o atendimento para a sua equipe com todo o contexto.

O que construímos

Respostas baseadas na sua central de ajuda, nas suas políticas e na documentação do produto, com fontes.
Acesso de leitura ao status de pedidos, assinaturas ou contas, para que o agente responda direito a “cadê meu pedido?”.
Regras de escalonamento para reembolsos, reclamações, assuntos delicados e respostas de baixa confiança.
Uma revisão semanal das conversas não resolvidas que alimenta a base de conhecimento.

Exemplo de projeto

Um projeto típico para um pequeno negócio online: o agente cuida de perguntas sobre status de pedidos, entregas, política de trocas e devoluções e contas; tudo o que envolve dinheiro, uma reclamação ou um pedido pouco claro vai para uma pessoa, com um resumo e os dados que o agente já consultou. A equipe vê todas as conversas e pode assumir a qualquer momento.

Entrada de documentos e e-mails para uma equipe de operações

Notas fiscais, pedidos e solicitações recebidos são lidos, classificados, extraídos e encaminhados automaticamente, com uma fila de revisão para tudo o que for incerto.

O que construímos

Classificação de uma caixa de entrada compartilhada por tipo de solicitação, com prioridade e o responsável certo.
Extração de campos de PDFs e anexos para o seu ERP ou sistema contábil.
Regras de validação, por exemplo, conferir fornecedor e valores com os pedidos de compra.
Uma tela de revisão em que uma pessoa confirma os itens sinalizados em segundos, em vez de redigitá-los.

Exemplo de projeto

Um projeto típico para uma equipe de backoffice: cada mensagem enviada ao endereço compartilhado é classificada em menos de um minuto, as notas fiscais têm os campos extraídos e conferidos com os pedidos em aberto, e só as divergências ou os documentos de baixa confiança chegam a uma pessoa. Todo o resto é arquivado e registrado.

Exemplos para agências

Como esses padrões costumam se aplicar a uma agência que atende muitos clientes.

Automação de relatórios de clientes para uma agência de marketing

Relatórios mensais e semanais de clientes montados automaticamente a partir das plataformas de anúncios e de analytics, com um comentário escrito para o gerente de contas revisar.

O que construímos

Coleta de dados das plataformas de anúncios e de analytics de cada cliente em um único modelo consistente.
Modelos de relatório por perfil de cliente, com definições combinadas de investimento, conversões e retorno.
Um comentário redigido explicando o que mudou e por quê, para o gerente de contas editar e aprovar.
Alertas quando a mensuração de um cliente quebra ou o investimento sai das faixas esperadas.

Exemplo de projeto

Um projeto típico para uma agência: no primeiro dia útil do mês, todos os relatórios de clientes já estão prontos em rascunho, os números são consistentes entre as contas e os gerentes de contas dedicam o tempo ao comentário e à conversa com o cliente, em vez de exportar planilhas.

Verificações de saúde da mensuração nos sites dos clientes

Um agente que verifica a mensuração de conversões e o comportamento do consentimento em muitos sites de clientes e aponta os problemas antes que eles apareçam como um buraco nos dados.

O que construímos

Verificações agendadas que carregam as páginas principais e confirmam que conversões, eventos e sinais de consentimento disparam como especificado.
Comparação das conversões medidas com os números das plataformas e dos sistemas internos para identificar desvios silenciosos.
Um resumo em linguagem natural, por cliente, do que quebrou, desde quando e qual é a causa provável.
Um log compartilhado para que a agência possa mostrar aos clientes exatamente quando cada problema foi encontrado e corrigido.

Exemplo de projeto

Um projeto típico para uma agência que cuida de dezenas de sites: em vez de descobrir no fim do mês que o evento de compra estava quebrado, a equipe recebe uma mensagem curta na manhã seguinte a uma publicação do site, com as páginas afetadas e a mudança que provavelmente causou o problema.

Os exemplos são ilustrativos. Eles mostram o tipo de sistema que projetaríamos para aquela situação, não um trabalho entregue a um cliente específico.

Conte para a gente o que está tomando o tempo da sua equipe.

Uma mensagem curta já basta. Respondemos com uma visão honesta do que a IA pode e não pode fazer por esse problema.

Vamos conversar