Chatbots

O que está incluído no serviço

Projetamos e montamos chatbots para vendas e suporte: elaboramos os roteiros de diálogo, escrevemos a lógica de processamento das solicitações, conectamos as fontes de dados do cliente e publicamos o bot no Telegram, no site ou em mensageiros. Primeiro analisamos os atendimentos reais do cliente, identificamos as perguntas e os negócios recorrentes, e então os transformamos em uma árvore de roteiros e um conjunto de respostas baseadas nos seus dados, e não em modelos abstratos. Conectamos o bot ao CRM, para que os leads e o histórico da conversa caiam nas fichas automaticamente, sem transferência manual. Se houver equipamento do cliente no circuito, escrevemos para ele a parte de software e configuramos a troca de dados, mas o dispositivo em si continua sendo seu e funciona do seu lado. Como resultado, você recebe um sistema funcional, com documentação dos roteiros e dos acessos, e não um script avulso que não tem quem dê suporte.

Como isso funciona na essência

O bot recebe a mensagem, identifica a intenção do usuário e escolhe o ramo: responder a partir de um roteiro pré-definido, buscar dados no banco ou repassar a pergunta ao modelo de linguagem. Os casos simples e frequentes são resolvidos por regras rígidas, porque são previsíveis e mais baratos de operar, enquanto formulações livres e consultas atípicas vão para a LLM com um contexto pré-definido sobre o seu produto. Entre essas camadas há um orquestrador no n8n, que conecta o Telegram API, a base de conhecimento, o CRM e o modelo em um fluxo único e decide para onde direcionar cada solicitação. Todos os atendimentos são registrados, então dá para ver onde o bot respondeu sozinho, onde repassou ao operador e onde errou, e usamos esses dados para aprimorar os roteiros. Esse esquema dá controle sobre as respostas: os chatbots não inventam onde existe um procedimento exato e acionam o modelo apenas onde ele é de fato necessário.

De onde vieram os chatbots

O primeiro programa desse tipo é considerado a ELIZA, que Joseph Weizenbaum criou no Instituto de Tecnologia de Massachusetts em 1966; seu roteiro DOCTOR imitava as falas de um psicoterapeuta por meio da substituição de modelos, embora a máquina não compreendesse o sentido do diálogo. Em 1972, o psiquiatra Kenneth Colby escreveu o PARRY, que modelava a fala de um paciente, e em 1995 Richard Wallace lançou o A.L.I.C.E. com uma grande base de regras do tipo «modelo — resposta». Em 2001 surgiu o SmarterChild, da ActiveBuddy, que funcionava direto dentro do AOL Instant Messenger e do MSN Messenger e foi o primeiro a mostrar chatbots em mensageiros de massa. Todos esses sistemas continuavam sendo baseados em roteiro: comparavam padrões e não construíam a resposta pelo sentido. A virada veio com os modelos de linguagem: o lançamento do ChatGPT em 30 de novembro de 2022 tornou as respostas generativas acessíveis a um mercado amplo e definiu o formato atual do serviço.

Por que a configuração precisa importa

O bot se comunica em nome da empresa, por isso o preço de um erro na lógica é um lead perdido ou uma resposta incorreta ao cliente, e não apenas uma falha de código. O modelo de linguagem sem limites rígidos tende a inventar fatos, preços e condições, e isso se elimina não por mágica, mas por engenharia: roteiros precisos, verificação das respostas no banco de dados e restrição do modelo apenas ao contexto permitido. A qualidade do resultado é definida não pelo simples fato de conectar a rede neural, mas pelo capricho da montagem — como as intenções são descritas, como os ramos são separados, como os casos vazios e controversos são tratados. O mesmo princípio vale quando preparamos o programa para o equipamento do cliente: a máquina corta, solda ou imprime segundo o programa de comando, e do acerto dele depende o resultado no metal, e não de uma interface bonita. Por isso o trabalho principal está na parte de software e na sua depuração, e não na conexão de uma API pronta com dois cliques.

Nosso stack e ferramentas

A estrutura do bot no mensageiro nós construímos sobre o Telegram Bot API — a interface oficial para receber mensagens, enviar respostas, botões e webhooks. O elo de ligação é o n8n, plataforma aberta de automação, em que, a partir de nós, monta-se um fluxo: chegou a solicitação, verificou-se no banco, se necessário consultou-se o modelo, gravou-se o resultado no CRM. Pelo diálogo livre e pela compreensão das formulações responde a LLM, à qual definimos o contexto sobre o produto e as regras de comportamento, para que as respostas se apoiem nos seus dados, e não em informações gerais do treinamento. As integrações com o CRM (transferência de leads, status e histórico da conversa) fecham o circuito, para que a conversa se transforme em negócios registrados, e não fique perdida no chat. O stack ajustamos à tarefa: se o cliente já tem equipamento ou um sistema próprio, escrevemos a camada de software para ele e configuramos a troca, em vez de impor uma substituição.

Quando surgiram as ferramentas-chave

O Telegram Bot API foi aberto em 24 de junho de 2015, e foi justamente a partir desse momento que se tornou possível fazer chatbots em massa direto dentro do mensageiro, sem aplicativos separados. A onda atual de modelos de linguagem foi lançada pelo artigo do Google «Attention Is All You Need», de 2017, que descreveu a arquitetura do transformer, sobre a qual se constroem as LLMs atuais. Com base nele, a OpenAI lançou o GPT-1 em 2018 e o GPT-3 com 175 bilhões de parâmetros em 28 de maio de 2020, e o ChatGPT público saiu em 30 de novembro de 2022. A plataforma de automação n8n, que usamos como orquestrador, surgiu como um projeto aberto: a primeira versão foi publicada no GitHub em 23 de junho de 2019 por Jan Oberhäuser, em Berlim. Essas datas mostram que todo o stack de trabalho se reuniu literalmente na última década, e a sua aplicação atual é uma competência de engenharia à parte.

Por que você pode confiar isso a nós

A experiência somada da equipe de desenvolvimento ultrapassa 45 anos em TI, e isso não é uma frase de marketing, mas tropeços acumulados em integrações, filas de erros e suporte de sistemas em produção. Encaramos o bot como um problema de engenharia: fixamos os requisitos, analisamos os dados do cliente, projetamos os roteiros e verificamos o comportamento em ambiente de teste antes da ida ao ar, em vez de lançar algo cru em um chat ao vivo. Antes do início, passamos pelos cenários típicos e pelos casos-limite, olhamos os logs e cobrimos os pontos em que o modelo poderia produzir uma imprecisão. Mantemos honestamente os limites do nosso papel: escrevemos programas e configuramos o equipamento do cliente, que corta, solda, imprime ou transporta do lado dele, e respondemos pelo software e pela configuração, e não por aquilo que fisicamente não fazemos. Essa abordagem dá um resultado previsível e um sistema que depois pode ser evoluído, e não reescrito do zero.