Agentes e assistentes de IA
Agentes que trabalham dentro do seu software.
Copilotos para os seus usuários, agentes para a sua operação — construídos dentro do seu produto, das suas permissões e do seu modelo de dados. Não um chatbot pregado do lado.
O que construímos
Copilotos de produto
Assistentes dentro da sua interface que agem sobre o seu modelo de dados: redigem, resumem, respondem, executam — com as suas permissões aplicadas.
Agentes de operação
Fluxos autônomos que classificam tickets, encaminham pedidos, conciliam registros e escalam para pessoas quando a confiança cai.
Interfaces de voz e conversacionais
Quando mãos livres ou linguagem natural é a UX certa.
Supervisão embutida
Cada agente é entregue com avaliação, registro e comportas de revisão humana. A autonomia é conquistada, não presumida.
Provas
Amgen
Frankie, um assistente de voz para os representantes de campo da Amgen — em produção desde 2019, antes da era dos LLM.
Ler o casoNossa própria contratação
Um agente que transforma transcrições de entrevistas em perfis prontos para o cliente conduz a nossa contratação desde o início de 2025 — um ano sem um operador dedicado; de duas a seis horas por perfil passaram a cerca de dez minutos.
- Frankie
- Em produção desde 2019
- Agente de contratação
- Desde o início de 2025
- 2–6 h → ~10 min
- Por perfil
Dois tipos de agentes
Um copiloto dentro do seu produto
Vive onde os seus usuários já estão. Redige a resposta, preenche o formulário a partir do documento, responde a partir dos próprios registros do cliente com a fonte à vista, e sugere o próximo passo — dentro da sua interface, sob as suas permissões, sobre o seu modelo de dados. O usuário segue no controle; o copiloto economiza os primeiros noventa segundos de cada tarefa, algumas centenas de vezes por dia.
Ler o casoUm agente na sua operação
Trabalha onde ninguém está olhando: observa uma fila ou uma caixa de entrada, lê o que chegou, classifica, atualiza o registro, abre o ticket, concilia o extrato — e passa a exceção para uma pessoa. Roda por agenda ou por evento, dentro das ferramentas que a sua equipe já usa, e é medido em horas que deixam de ser gastas e erros que deixam de acontecer.
A maioria das empresas precisa de um de cada, e os dois são construídos sobre a mesma base: grounding nos seus dados, ações limitadas ao que o agente tem permissão de tocar, e uma comporta que abre apenas conforme a evidência sustenta.
Quando as equipes nos procuram
- Um volume de suporte que cresce mais rápido que o time
- Usuários perguntando “por que o seu produto não faz isso por mim”
- Um piloto interno que funciona em demos e em que ninguém confia em produção
Como começa
O Discovery Sprint mapeia qual agente cria valor mensurável primeiro — ou você traz um caso de uso definido direto para a implementação.
Como construímos
Mapear o fluxo
onde um agente ajuda, e onde uma pessoa precisa continuar (o Sprint cobre isso)
Ancorar
as suas permissões, o seu modelo de dados, as ferramentas que ele pode tocar
Entregar estreito e supervisionado
um fluxo, comportas de revisão, avaliação antes do lançamento
Conquistar autonomia
o escopo se amplia conforme a evidência sustenta
O que significa “supervisionado”
Cada agente que entregamos começa com uma pessoa aprovando o que ele propõe. Isso não é uma limitação da qual se desculpar; é assim que o agente aprende os casos limite e que a sua equipe aprende a confiar nele. Cada correção vira uma regra. Quando as correções se aproximam de zero para um tipo de ação, a comporta abre para esse tipo — e continua fechada para os que ainda surpreendem você.
Grounding
o agente recupera dos seus dados antes de agir, e as saídas apontam para a origem
Escopo
uma lista explícita dos sistemas e das ações que ele pode tocar, aplicada pelas suas permissões e não por um prompt
Avaliação
um conjunto de teste de casos reais, rodado cada vez que um prompt, um modelo ou os dados mudam
Trilha de auditoria
cada ação rastreável até a entrada, o modelo e a regra que a permitiu
Um agente sem isso é uma demo com agenda.
A Sophilabs nos apresentou um produto que tínhamos orgulho de mostrar.
Como é um projeto
Começa estreito de propósito: um fluxo, um time, uma métrica. O AI Discovery Sprint descobre qual é esse fluxo e o que os seus dados conseguem sustentar; se você já sabe, traz o caso de uso direto para a implementação. A partir daí, um time sênior define o escopo do agente, constrói dentro do seu ambiente, roda atrás da comporta com os seus revisores, e entrega com o conjunto de avaliação, o runbook e as regras que ele aprendeu — seu para operar, com a gente ou sem a gente. Um primeiro agente são semanas de trabalho, não trimestres; o que vem depois é uma decisão tomada com base em evidência, não em uma demo.
Funciona bem com
Perguntas frequentes
Ele vai alucinar na frente dos nossos usuários?
Grounding, restrições de saída e comportas de revisão — e medimos os modos de falha antes do lançamento, não depois.
Ele pode agir dentro das nossas ferramentas atuais?
É exatamente esse o ponto: as suas permissões, os seus sistemas. Um agente ao lado da sua stack é uma demo.
Quanta autonomia devemos dar a ele?
Menos do que os fornecedores prometem, mais com o tempo. A autonomia é conquistada com evidência, não concedida no kickoff.
Qual modelo ele usa?
O que servir para o trabalho: um modelo comercial pela API para a maioria dos copilotos, um modelo de pesos abertos na sua própria infraestrutura quando os dados não podem sair do seu ambiente ou o volume torna o preço por chamada insustentável, machine learning clássico quando a entrada é uma tabela. O modelo é um componente atrás de uma interface que o seu produto controla; trocá-lo é uma mudança de configuração, e o conjunto de avaliação é o que torna isso seguro.
Nossos dados saem do nosso ambiente?
Não precisam. Os agentes rodam dentro do acesso que você concede — sua nuvem, suas permissões, seu log de auditoria — e os fornecedores comerciais oferecem termos que excluem os seus dados do treinamento. Isso se decide na arquitetura; nós dizemos com clareza no projeto.
Quem mantém depois do lançamento?
A sua equipe, se você quiser: tudo é entregue com o conjunto de avaliação, o runbook e as regras aprendidas. Muitos clientes seguem construindo com os mesmos engenheiros em base mensal, com preço no que é entregue e não em horas; de todo modo, a passagem é escrita para funcionar sem a gente.