PROJETOS NA PRÁTICA · IA & AUTOMAÇÃO
O Pagli nasceu de uma dor bem menos tecnológica do que o nome “chatbot com IA” faz parecer: eu estava cansado de ver as mesmas perguntas simples consumindo tempo de atendimento todos os dias.
Horário de funcionamento, endereço, estacionamento, delivery, formas de pagamento, produtos, recrutamento, reservas. Nenhuma dessas perguntas é difícil de responder. O problema é responder corretamente muitas vezes, em horários diferentes, para unidades diferentes e sem deixar a informação ficar velha.
E eu tinha uma preocupação desde o começo: se fosse para automatizar, eu não queria trocar uma pessoa por aquele tipo de robô que claramente não entendeu a pergunta e fica empurrando opções de menu.
Foi daí que nasceu o Pagli.
O que eu queria que ele fizesse
A ideia não era criar um sistema capaz de resolver qualquer assunto.
Eu queria que o Pagli resolvesse sozinho aquilo que já tem uma resposta confiável: informar um horário, explicar onde fica uma unidade, dizer como funciona o delivery, orientar uma dúvida comum.
Quando a conversa exige julgamento, uma ação no sistema, uma reclamação sensível ou uma informação que não está na nossa base, o correto é reconhecer esse limite e deixar uma pessoa assumir.
O objetivo ficou bem simples: automatizar o repetitivo sem fingir que tudo pode ser automatizado.
O FLUXO EM UMA LINHA
Cliente no WhatsApp → Z-API faz a ponte → Make organiza a conversa → regras e informações do Pagli entram no contexto → OpenAI prepara a resposta → Z-API devolve ao WhatsApp.
Como isso acontece na prática
O cliente continua usando o WhatsApp normalmente. Ele não precisa abrir outro aplicativo e nem saber que existe uma automação por trás.
A Z-API funciona como a ponte entre o WhatsApp e o restante do sistema. Quando chega uma mensagem, ela consegue entregar essa mensagem para o fluxo que construí no Make.
O Make é quem coordena as etapas. Ele recebe a mensagem, identifica de qual conversa ela veio, guarda o que está pendente e decide quando já existe contexto suficiente para pedir uma resposta à inteligência artificial.
Depois, a resposta volta pelo caminho inverso: Make → Z-API → WhatsApp do cliente.
Eu gosto desse desenho porque cada ferramenta tem um papel claro. O WhatsApp é o canal. A Z-API faz a ponte. O Make organiza o processo. A OpenAI entende a conversa e escreve. E a informação operacional continua vindo de uma fonte que eu consigo revisar e atualizar.
A parte mais simples do fluxo resolveu um problema bem humano
Cliente de WhatsApp raramente escreve como se estivesse preenchendo um formulário.
Alguém manda “Oi”. Depois “vocês abrem amanhã?”. Alguns segundos depois completa: “em São Carlos”.
São três mensagens, mas uma pergunta só.
Se eu respondesse cada pedaço imediatamente, a experiência ficaria ruim. Então o sistema espera um pequeno intervalo e agrupa essas mensagens antes de preparar a resposta.
Isso evita algo que parece bobo, mas muda completamente o atendimento: o Pagli não responde ao “Oi” enquanto o cliente ainda está digitando o resto da pergunta.
Uma pequena memória dentro do Make
Para a conversa não se perder entre uma etapa e outra, usamos o Data Store do Make.
O nome parece mais técnico do que a função. Na prática, é uma pequena área de memória onde o fluxo guarda qual cliente está falando, quais mensagens chegaram, o que ainda precisa ser respondido e em que situação aquela conversa está.
Isso também ajuda a evitar duplicidades e, principalmente, a não perder uma mensagem nova se ela chegar enquanto a resposta anterior ainda está sendo preparada.
Foi um daqueles detalhes que eu só passei a valorizar depois de testar. Um chatbot pode escrever muito bem; se ele perde uma mensagem no caminho, continua sendo um sistema ruim.
A IA escreve. A verdade precisa vir de outro lugar.
Uma das descobertas mais importantes foi perceber que o modelo de inteligência artificial não deveria ser tratado como a fonte das informações da cafeteria.
Ele é ótimo para entender a pergunta, considerar o contexto e escrever uma resposta natural. Mas horário, endereço, estacionamento, delivery, política de reserva ou forma de pagamento precisam vir de informações que nós controlamos.
Por isso existe um documento oficial no Google Drive com as regras de atendimento e as informações operacionais usadas pelo Pagli.
Se uma unidade muda de horário, eu quero alterar essa informação na fonte certa. Não quero reconstruir o chatbot nem editar várias etapas da automação.
Isso separou duas coisas que antes pareciam uma só: como o Pagli deve responder e o que ele sabe sobre a operação.
Onde entra cada ferramenta
WhatsApp: é o canal onde o cliente conversa. Para ele, nada muda.
Z-API: é a ponte que permite que as mensagens do WhatsApp entrem na automação e que a resposta volte para o cliente.
Make: é o organizador do fluxo. Recebe, filtra, agrupa mensagens, consulta o estado da conversa, chama a inteligência artificial e envia a resposta.
Data Store do Make: é a memória operacional do fluxo. Guarda o estado necessário para a conversa continuar de forma segura.
Google Drive: guarda a instrução oficial e as informações de atendimento que precisam ser fáceis de atualizar.
OpenAI: é a parte que entende a mensagem e prepara uma resposta natural usando o contexto e as regras que entregamos.
O que eu não quis automatizar
Algumas conversas precisam de uma pessoa.
Uma reclamação mais sensível, um problema de pedido que exige ação em outro sistema, uma cobrança individual ou qualquer situação em que o Pagli não tenha informação confiável não deveria terminar numa resposta inventada só para manter a automação funcionando.
Essa parte é tão importante quanto responder sozinho.
Um bom sistema automatizado não é o que responde tudo. É o que sabe com segurança o que consegue resolver e reconhece quando chegou ao próprio limite.
Também precisei aprender a não reconstruir tudo
Em determinado momento, a forma técnica que usávamos para conversar com a OpenAI precisou mudar.
Seria muito fácil aproveitar a mudança para reconstruir o chatbot inteiro, adicionar várias camadas e transformar um sistema que já funcionava em um projeto muito maior.
Eu preferi fazer o contrário.
Mantivemos a lógica que já funcionava, trocamos o que precisava ser trocado, corrigimos os riscos importantes — como perda ou repetição de mensagens — e testamos antes de levar para produção.
Foi outro aprendizado que ficou: melhorar uma automação também é saber o que não precisa ser mexido.
O ganho real
O Pagli não existe para eu dizer que os Cafés Pagliaroni têm um chatbot com inteligência artificial.
Ele existe para tirar das pessoas uma parte repetitiva do atendimento sem perder qualidade nas respostas simples.
Quando funciona bem, o cliente consegue uma informação rápida, a equipe deixa de repetir dezenas de vezes as mesmas respostas e a atenção humana fica disponível para os casos em que ela realmente faz diferença.
Para mim, esse é o ponto mais interessante do projeto: várias ferramentas diferentes trabalhando por trás para que, na frente, a experiência continue parecendo apenas uma conversa normal no WhatsApp.
Se você tem um atendimento com muitas perguntas repetidas e está tentando entender como montar algo parecido sem transformar a conversa em um robô, pode me escrever pelo formulário de contato. Eu gosto bastante de conversar sobre esse tipo de problema.
— Marco Pagliaroni