Casos de uso
Construa assistentes de IA com engenharia assistida por IA
Lance um assistente que responde a partir dos seus dados, respeita as suas permissões e escala para um humano. Construído como uma aplicação real, não um chatbot de demonstração.
O Ciao é uma plataforma de engenharia assistida por IA para construir assistentes de IA. Interfaces de chat e de tarefas fundamentadas no seu próprio conteúdo. Como aplicações reais em React, TypeScript e Supabase. Ao contrário dos criadores de chatbots isolados, os assistentes do Ciao correm dentro de apps governadas: recuperação sensível a permissões, histórico de conversas na sua base de dados, escalonamento para humanos, uma escada de modelos multi-fornecedor com fallback, inferência com retenção zero e opções de LLM próprio para ambientes regulados.
Publicado 2026-07-03 · Última atualização 2026-07-03
Do chatbot de demonstração ao assistente de produção
Um assistente de IA é uma interface de chat ou de tarefas que responde a perguntas e prepara trabalho a partir dos dados da sua organização: um assistente de suporte que resolve a metade fácil da fila, um assistente de políticas que conhece as regras de viagens, um assistente de vendas que responde a questionários de segurança a partir da sua própria documentação. Pôr uma demonstração a funcionar leva uma tarde. A distância entre essa demonstração e algo que colocaria à frente de clientes é o verdadeiro projeto.
Essa distância é feita de requisitos pouco glamorosos: o assistente só pode ver o que o utilizador com sessão iniciada está autorizado a ver; as respostas têm de estar fundamentadas em conteúdo atual e aprovado e mostrar as suas fontes; as conversas têm de ficar guardadas nos seus sistemas, não nos de um fornecedor; tem de haver uma passagem limpa para um humano; e alguém tem de acompanhar a utilização, o custo e a qualidade das respostas depois do lançamento.
O Ciao constrói o assistente como parte de uma aplicação real, para que esses requisitos sejam funcionalidades da aplicação, construídas, testadas e governadas como tudo o resto, em vez de remendos colados a um widget de chat.
O que um assistente de produção realmente exige
- Acesso a modelos com fallback. Uma escada de modelos multi-fornecedor, para que a indisponibilidade ou a mudança de preço de um fornecedor seja um detalhe de configuração, não um incidente.
- Recuperação fundamentada com citações. Respostas extraídas do seu conteúdo aprovado, documentação de ajuda, políticas, tickets, com as fontes visíveis, para que os utilizadores possam verificar.
- Recuperação sensível a permissões. O assistente recupera apenas o que o utilizador com sessão iniciada pode ver. Um colaborador que pergunte sobre salários recebe a política, não a tabela salarial.
- Histórico de conversas na sua base de dados. Transcrições guardadas no seu backend Supabase para revisão de qualidade, contexto de escalonamento e controlo de retenção.
- Escalonamento para humanos. Uma passagem definida, para um ticket, uma fila ou uma pessoa ao vivo, com a conversa anexada, para as perguntas que não pode ou não deve responder.
- Fronteiras de resposta. Tópicos delimitados, comportamento de recusa e regras de formatação, versionados em código onde podem ser revistos e testados.
- Captura de feedback. Classificações e correções às respostas, a alimentar um ciclo de revisão que melhora o conteúdo e os prompts.
- Analítica de utilização e de custo. Quem pergunta o quê, quanto custa, onde o assistente falha. Visível desde o lançamento, não reconstruído mais tarde.
Como decorre a construção de um assistente no Ciao
1. Defina a função e os seus limites
O que o assistente responde, o que recusa e onde passa a mão. Assistentes estreitos que fazem bem uma função batem assistentes amplos que adivinham.
2. Ligue o conteúdo
Documentação de ajuda, políticas, dados de produto e histórico de tickets ligados como fontes de recuperação, com permissões mapeadas às suas funções.
3. Construa a interface
Uma superfície de chat dentro do seu portal, produto ou ferramenta interna. Componentes React reais, com o estilo da sua marca.
4. Ligue o escalonamento e o histórico
As passagens criam tickets com o contexto da transcrição; as conversas persistem na sua base de dados sob as suas regras de retenção.
5. Teste para além do caminho feliz
O QA repete conversas guionizadas, incluindo fronteiras de permissões e casos de recusa, antes de cada publicação.
6. Governe a superfície de IA
Os modelos de prompts, o âmbito de recuperação e a configuração de modelos são código; o Guardrails regista a revisão quando mudam.
7. Lance, observe, aperte
O feedback e a analítica de utilização mostram onde as respostas falham; as correções são lançadas através do mesmo ciclo governado.
Lista de verificação de segurança e governança
- ✓ Inferência sob contratos de modelo com retenção zero
- ✓ O código e o conteúdo do cliente nunca são usados para treinar modelos
- ✓ Recuperação sensível a permissões, delimitada ao utilizador com sessão iniciada
- ✓ Opções de LLM próprio para ambientes regulados
- ✓ Dados de conversas guardados no seu próprio backend, sob as suas regras de retenção
- ✓ Alterações a prompts e à recuperação revistas pelo Guardrails antes do merge
- ✓ Repetições de QA a cobrir casos de recusa e de fronteiras de permissões
- ✓ Registo de auditoria apenas de acréscimo a cobrir pedidos, merges, deploys e ações administrativas
Variações de assistentes que as equipas constroem
Assistente de suporte ao cliente
Responde a partir da documentação de ajuda e do contexto da conta, desvia a metade rotineira da fila e escala o resto com transcrições.
Assistente interno de políticas
Respostas sobre viagens, despesas, TI e políticas de RH com citações ao documento de origem. Menos mensagens para os RH.
Assistente de apoio a vendas
Responde a questionários de segurança e perguntas de produto a partir de documentação aprovada, preparando respostas que os comerciais verificam.
Assistente de receção de documentos
Lê documentos submetidos, extrai campos estruturados e sinaliza lacunas para revisão humana.
Assistente de onboarding
Guia novas contratações ou novos clientes na configuração, respondendo a partir dos seus próprios guias e verificando o progresso.
Assistente de perguntas sobre dados
Perguntas em linguagem simples sobre conjuntos de dados definidos, com a consulta executada mostrada ao lado do resultado.
Requisitos de assistentes, cobertos
| Requisito | Como o Ciao o cobre |
|---|---|
| Risco de dependência de modelos | Escada de modelos multi-fornecedor com fallback |
| Proteção de dados | Inferência com retenção zero; o conteúdo nunca é usado para treino |
| Respostas certas para o utilizador certo | Recuperação sensível a permissões ligada às suas funções |
| Ambientes regulados | Opções de LLM próprio; implementação em VPC privada e on-premise |
| Tratamento de respostas erradas | Citações fundamentadas, tópicos delimitados, caminhos de escalonamento para humanos |
| Controlo de alterações nos prompts | Configuração de prompts e de recuperação versionada e revista via Guardrails |
| Qualidade depois do lançamento | Captura de feedback e analítica de utilização incorporadas na app |
Perguntas frequentes
Que modelos usam os assistentes do Ciao?
O Ciao corre uma escada de modelos multi-fornecedor com fallback, o que reduz a dependência de qualquer fornecedor de modelo único. As empresas também podem trazer os seus próprios modelos. Veja as opções de LLM próprio para configurações reguladas.
Os nossos dados serão usados para treinar modelos?
Não. O código do cliente não é usado para treinar modelos, e a inferência decorre sob contratos de modelo com retenção zero. O histórico de conversas vive no seu próprio backend, sob as suas regras de retenção.
Como lidam com respostas erradas?
Por conceção, não por promessas: as respostas são fundamentadas no seu conteúdo aprovado com citações, o âmbito do assistente é limitado a tópicos definidos, os casos de recusa são testados em repetições de QA, e tudo o que é incerto escala para um humano com a transcrição anexada. A captura de feedback mostra-lhe depois onde as respostas falham, para que o conteúdo e os prompts melhorem.
O assistente pode respeitar as nossas permissões existentes?
Sim. A recuperação é delimitada ao que o utilizador com sessão iniciada pode ver, usando o mesmo modelo de funções que o resto da aplicação, e as sondagens de controlo de acesso testam essas fronteiras contra a app ao vivo.
Podemos incorporar o assistente no nosso produto existente?
Sim. O assistente é React e TypeScript padrão, incorporável no seu produto ou portal, e as imagens de sandbox personalizadas permitem que o trabalho de integração circundante aconteça contra backends Rails, Java, Go, Python e Node.
Quanto custa um assistente de produção?
Prototipe em self-serve com créditos. Os assistentes voltados para clientes, com governança, escalonamento e analítica, são programas de produção. Esses começam em 10.000 USD por ano, e as vendas podem dimensionar consigo os custos de utilização de modelos.
Páginas relacionadas
O desenvolvimento sério começa com uma responsabilidade séria.
Construa Assistentes de IA com Engenharia de IA Governada | Ciao