Olist · Agentes de IA Demonstração acadêmica · não oficial

Capítulo 1 · O desafio

Agentes de IA para a Olist: menos atraso, mais recompra e decisões mais rápidas

Analisamos pedidos reais do marketplace para responder à pergunta do desafio: como agentes de IA podem melhorar a experiência do cliente, a eficiência da operação e a tomada de decisão? Esta página mostra a proposta funcionando sobre esses dados.

pedidos analisados
clientes
vendedores
em vendas no período
período coberto

Três problemas que os números mostram

Como usar esta demonstração

  1. Veja os agentes em açãoCinco situações reais, explicadas etapa por etapa.
  2. Teste a recomendaçãoEscolha um cliente real e veja o que oferecer a ele.
  3. Ouça o clienteOs assuntos que mais aparecem nos comentários e as notas de cada um.
Começar: ver os agentes em ação →

Capítulo 2 · Agentes em ação

Cinco situações reais, da pergunta à resposta

Escolha uma situação e avance etapa por etapa: quem a Olist aciona, quais dados são consultados e onde uma pessoa aprova antes de qualquer ação.

A pergunta

Detalhes técnicos (para a banca)

Coordenação entre agentes pelo protocolo A2A; acesso aos sistemas por servidores MCP, cada agente limitado à sua caixa de ferramentas; cada especialista segue o ciclo ReAct (raciocinar → agir → observar). Os retornos abaixo são os dados reais que cada ferramenta devolveu; a narração foi gerada antes, por LLM, a partir deles.

    Capítulo 3 · Recomendação

    O que oferecer a cada cliente

    O agente de Recomendação olha o que o cliente já comprou e sugere o que outros clientes com compras parecidas levaram em seguida. Escolha um cliente real da base.

    1 · Escolha um cliente
    Ou monte uma cesta você mesmo
    2 · O que o cliente já comprou
    3 · O que o agente sugere oferecer

    Capítulo 4 · Voz do cliente

    O que clientes escreveram

    O agente de Avaliações lê todos os comentários e os agrupa por assunto. Os assuntos com nota mais baixa aparecem primeiro: é onde agir. Toque num assunto para ler comentários reais.

    Detalhes técnicos (para a banca)

    Comentários convertidos em embeddings (), agrupados por k-means (12 temas nomeados por LLM) e projetados em 3D por PCA + t-SNE numa amostra de pontos.

    Capítulo 5 · Quem faz o quê

    Oito agentes, cada um com uma função clara

    Um coordenador recebe cada pedido e chama o especialista certo. Cada especialista só enxerga os sistemas de que precisa para a sua função.

    Controle e segurança desde o início

    Uma pessoa aprova o que custa dinheiro

    Reembolso, cupom, verba de campanha e plano com vendedor só seguem após aprovação humana.

    Respostas apoiadas em dados

    Os agentes respondem com o que consultaram nos sistemas e dizem quando os dados não explicam a causa.

    Privacidade (LGPD)

    Contato com cliente só com consentimento registrado; dados de contato são removidos dos comentários.

    Acesso mínimo

    Cada agente acessa apenas os sistemas da sua função, e toda ação fica registrada para auditoria.

    Detalhes técnicos (para a banca)

    Arquitetura em malha: orquestrador + 7 especialistas comunicando por A2A (Agent Cards declaram as capacidades); ferramentas expostas por 7 servidores MCP com escopo por agente (menor privilégio, validado nos testes); guardrails de humano no circuito e regra cite-or-fail contra alucinação. Detalhes completos no relatório.

    Capítulo 6 · Próximos passos

    Da proposta à operação

    Esta fase define a visão, os casos prioritários e a arquitetura. As próximas transformam a proposta em agentes em produção, em etapas que entregam valor desde a primeira.

    Agora · Fase 1Visão e arquitetura

    Diagnóstico com dados reais, mapa de agentes, casos priorizados e esta demonstração.

    Fase 2Primeiro agente em operação

    Um especialista funcionando de ponta a ponta, conectado aos sistemas da Olist.

    Fase 3Memória e personalização

    O agente lembra o histórico do cliente e personaliza cada resposta.

    Fase 4Agentes trabalhando juntos

    O coordenador distribui as tarefas entre os especialistas em tempo real.

    Fase 5Abertura segura

    Acesso controlado para parceiros, com auditoria, avaliação contínua e segurança.

    Como esta demonstração funciona
    • Os números e comentários são reais: base pública de pedidos da Olist (Kaggle), de .
    • As respostas dos agentes foram preparadas antes, a partir desses dados: é uma demonstração sem IA ao vivo, para garantir que todo número exibido seja verificável.
    • Clientes e vendedores aparecem com códigos, nunca com dados pessoais. Projeto acadêmico, não oficial e sem vínculo com a Olist.
    Ler o relatório completo →