Uma resposta bem escrita pode estar errada. No atendimento de uma loja, isso acontece quando a IA explica uma política antiga, afirma que um produto está disponível sem consultar o estoque ou descreve o andamento de um pedido que não verificou.
O ponto de partida é separar o que pode ser respondido com uma base de conteúdo do que exige uma consulta atual. Essa decisão muda o desenho da solução: o modelo ajuda a interpretar a pergunta e organizar a resposta, enquanto os sistemas da operação fornecem os fatos que ele precisa usar.
Separe informações gerais de informações da transação
Orientações de uso, materiais, medidas e políticas aprovadas podem compor uma base de conhecimento. Essa base precisa ter responsáveis, versões e um processo de atualização. Uma página pública antiga ou uma conversa isolada não deve se transformar automaticamente em regra da loja.
Disponibilidade, valor vigente, prazo calculado e andamento do pedido têm outra natureza. São informações que podem mudar e depender de uma variação, localização ou compra específica. Copiar esses dados para um documento e atualizá-lo ocasionalmente pode não atender à precisão necessária.
Monte uma lista das perguntas frequentes e classifique cada uma: conteúdo aprovado, consulta ao sistema ou atendimento humano. Essa lista ajuda a escolher um primeiro caso de uso sem tentar resolver todas as demandas de uma vez.
Conecte a resposta a uma fonte identificável
Para uma consulta de estoque, a solução deve identificar o produto e a variação antes de pedir a informação ao sistema responsável. Para um pedido, deve localizar a compra correta e verificar que a pessoa pode acessar seus dados. O número digitado pelo cliente, sozinho, não comprova essa autorização.
O princípio técnico de fundamentar respostas em fontes externas é conhecido como grounding. Documentações de plataformas de IA descrevem a consulta a APIs ou serviços de busca para fornecer informações relevantes ao modelo. Esse recurso ajuda a conectar a resposta aos dados disponíveis, mas não garante, por si só, que uma consulta seja recente, autorizada ou interpretada corretamente.
Por isso, defina o que a integração pode consultar, quais campos retornam e como a resposta deve usá-los. “Em separação” não significa “despachado”; “produto cadastrado” não significa “disponível para compra”. O significado de cada estado precisa ser preservado.
Use exemplos para decidir os limites da resposta
Considere um caso ilustrativo: o cliente pergunta se um tênis preto está disponível. Sem o tamanho, o sistema ainda não sabe qual variação consultar. A próxima resposta útil é pedir essa informação, não afirmar que há estoque porque outra numeração está disponível.
Em outro exemplo, a pessoa pergunta quando seu pedido chegará. O sistema informa que ele foi despachado e fornece uma previsão de entrega. A IA pode explicar essa informação, indicando sua origem, mas não transformar previsão em garantia nem inventar um horário de chegada.
Se a consulta falhar, a resposta deve reconhecer que não foi possível confirmar o dado naquele momento e oferecer o próximo passo. Uma mensagem curta e correta evita que uma suposição bem apresentada crie uma promessa que a equipe precisará desfazer depois.
Controle atualização, permissões e dados enviados
Cada informação exige uma regra de atualização. Uma política comercial pode permanecer válida até sua revisão; disponibilidade precisa respeitar a frequência de atualização da operação. Se houver cache, defina quando o dado expira e em quais situações uma nova consulta é necessária.
O acesso deve acompanhar o contexto da conversa. Um assistente público pode consultar informações públicas de produtos, mas os dados de uma compra exigem validação apropriada. Separe funções de consulta das funções que modificam pedidos, cadastros ou condições comerciais.
Envie ao modelo apenas o necessário para a tarefa. Uma pergunta sobre andamento do pedido geralmente não exige todos os dados cadastrais do cliente. Revise também o que fica nos registros de conversa e quem pode acessá-los. Esses controles fazem parte do projeto do atendimento, junto com a qualidade do texto.
Dê à equipe um caminho claro para assumir a conversa
Há perguntas que exigem análise, negociação ou uma decisão da loja. Um pedido de exceção comercial, divergência entre sistemas ou reclamação sem informação suficiente não deve ficar preso em respostas repetitivas.
Defina os motivos de encaminhamento e entregue à pessoa responsável um resumo útil: pergunta do cliente, informações verificadas, problema encontrado e ação pendente. Se o cliente já forneceu o tamanho do produto ou confirmou a compra, o atendimento não precisa pedir tudo novamente sem motivo.
O encaminhamento também deve funcionar quando o cliente solicita falar com uma pessoa. Explique o próximo passo conforme o atendimento real da loja, sem inventar disponibilidade imediata ou horários. A IA precisa apoiar o fluxo existente, não criar uma operação fictícia.
Teste a precisão com uma lista de perguntas reais
Comece com um conjunto de conversas representativas e defina a resposta esperada antes de avaliar o assistente. Inclua perguntas simples, pedidos incompletos e situações em que a resposta correta é pedir esclarecimento ou encaminhar o atendimento.
- Produto com várias opções e uma variação indisponível.
- Política atual e conteúdo antigo que precisa ser ignorado.
- Pedido com identificação insuficiente ou acesso não autorizado.
- Consulta indisponível e informação fora do prazo de atualização.
- Diferença entre pedido recebido, separado e despachado.
- Solicitação de exceção e pedido explícito de atendimento humano.
Verifique os fatos da resposta e o encaminhamento adotado. Um texto fluente não compensa um saldo errado ou a exposição de dados de outra compra. Registre o erro com contexto suficiente para corrigir a fonte, a integração ou a instrução responsável.
Comece com um escopo pequeno e acompanhe os resultados
Um primeiro projeto pode responder dúvidas sobre uma categoria de produtos e encaminhar o que exigir acesso ao pedido. Outro pode consultar o andamento de compras após uma verificação definida. A escolha depende das demandas reais e dos sistemas disponíveis.
Observe respostas incorretas, consultas que falham, encaminhamentos necessários e perguntas que continuam sem solução. Acompanhar apenas o volume de conversas automatizadas pode esconder um atendimento que responde muito e resolve pouco.
A AGTI desenvolve sistemas e integrações conforme os processos do negócio. Para avaliar IA no atendimento, leve as perguntas mais repetidas e identifique onde estão as respostas hoje. Esse levantamento permite discutir fontes de dados, limites e um piloto que possa ser validado pela equipe. Saiba mais em https://www.agti.eng.br/.
Referência técnica sobre consulta a fontes externas: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/grounding/grounding-with-your-search-api.