Bruno Zamberlan

À medida que agentes de IA passaram a executar processos em diferentes operações e canais, surgiu a necessidade de desacoplar a lógica dos agentes da infraestrutura específica de cada cliente e canal. Projetei e construí uma plataforma genérica e independente de canal para executar e orquestrar agentes de IA, separando entrada, adaptação, lógica cognitiva e entrega de ações. A arquitetura nasceu de necessidades reais de produção e hoje é utilizada em mais de uma operação, permitindo reutilizar a mesma base de engenharia em diferentes contextos de negócio.

• > Arquitetura independente de canal, permitindo que a mesma lógica de agentes seja utilizada através de diferentes interfaces e pontos de entrada
• > Separação entre ingress, adaptação da invocação, lógica cognitiva e dispatch das ações
• > Orquestração de agentes e workflows com gerenciamento explícito de estado
• > Integração com canais conversacionais e APIs HTTP sem acoplá-los ao core dos agentes
• > Event Ledger para registro e rastreabilidade das execuções e eventos da plataforma
• > Suporte a human-in-the-loop para processos que exigem intervenção ou validação humana
• > Observabilidade e mecanismos de acompanhamento para operação e diagnóstico em produção
• > Arquitetura reutilizada em diferentes operações e contextos de negócio

Uma operação de saúde dependia de diferentes sistemas para conversas, agendamentos e gestão interna, criando gaps de informação e gargalos operacionais. A solução evoluiu de integração de dados e visibilidade operacional para suporte à decisão e, posteriormente, execução de workflows através de automação, IA e sistemas conversacionais.

• > ~6 mil conversas processadas por mês
• > 12 médicos atendidos pela operação
• > ~2× de capacidade operacional estimada por atendente, de ~5 para ~10 médicos por profissional
• > Integração de dados operacionais e conversacionais em relatórios diários e semanais
• > Inteligência operacional com performance, conversão, motivos de perda e próximas ações
• > Agentes internos transformando informações de conversas em tarefas estruturadas
• > Sistemas conversacionais integrados a workflows de confirmação, pré e pós-atendimento, agendamento e reagendamento

Uma aplicação para geração de leads a partir de leilões imobiliários utilizava uma arquitetura low-code que não escalava adequadamente para o volume e a complexidade do processamento necessário. Construí e coloquei em produção um backend em Python para assumir esse pipeline, integrando plataformas de leilões via web scraping, processamento de documentos com OCR, extração e enriquecimento de informações através de serviços externos. A solução foi desacoplada do front-end, containerizada com Docker, implantada em infraestrutura VPS e submetida a testes de carga para validar seu comportamento sob maior volume de processamento.

• > Backend Python criado para retirar o processamento intensivo da camada low-code e permitir a evolução da solução
• > Pipeline automatizado de ponta a ponta, da descoberta de imóveis à geração de leads estruturados
• > Integração com plataformas de leilões através de web scraping
• > Processamento de documentos não estruturados utilizando OCR e extração de informações
• > Enriquecimento de dados através da integração com serviços externos
• > Arquitetura desacoplada entre backend Python e front-end low-code através de APIs
• > Containerização com Docker e implantação em infraestrutura VPS
• > Testes de carga para validar capacidade e comportamento da solução sob maior volume de processamento