AI Operating Layer: o ecossistema multiagente para Customer Experience da Pomelo

A evolução da IA em Customer Experience aponta para a construção de uma camada operacional capaz de compreender o contexto, coordenar agentes especializados, executar ações, validar respostas e manter um registro rastreável de cada decisão.

Na Pomelo, começamos a incorporar a IA para melhorar a velocidade, a precisão e a escalabilidade dos nossos processos de suporte. Essa evolução nos permitiu transformar árvores de decisão, manuais técnicos e ferramentas internas em recursos que os agentes podem utilizar para executar tarefas. Mas a etapa seguinte não era simplesmente adicionar mais automações.

O verdadeiro desafio era desenvolver um sistema em que diferentes agentes pudessem trabalhar de forma ordenada, cada um com um papel específico, regras claras, acesso controlado às informações e mecanismos de validação. Um ecossistema multiagente capaz de funcionar como uma camada operacional sobre a experiência do cliente.

É assim que pensamos nossa AI Operating Layer para Customer Experience.

A evolução: de um agente a um ecossistema multiagente

Quando falamos de IA aplicada ao suporte, muitas vezes a conversa começa e termina nos chatbots. Mas, em uma operação complexa, responder a uma pergunta é apenas uma parte do processo.

Antes de chegar à resposta final, o sistema precisa:

• identificar a intenção do usuário e entender se é uma dúvida geral ou um problema operacional
• buscar informações confiáveis
• solicitar dados faltantes
• classificar corretamente a solicitação
• consultar ferramentas internas
• executar ações quando necessário
• validar o resultado
• responder no tom adequado
• registrar tudo o que aconteceu

Concentrar todas essas tarefas em um único agente aumenta a complexidade, dificulta o controle e compromete a rastreabilidade.

Por isso, em vez de desenvolver um agente responsável por tudo, avançamos para uma arquitetura formada por agentes especializados. Cada um tem uma função específica na experiência do cliente e atua em uma etapa do fluxo.

O resultado é um ecossistema em que a IA não opera como uma caixa-preta, mas como uma rede coordenada de capacidades: algumas voltadas à documentação, outras à categorização, resolução, validação, escalonamento e monitoramento.

AI Gateway: a camada de controle e governança de sistemas agênticos

Para que um ecossistema de agentes funcione em produção, não basta ter bons prompts. É necessária uma camada de governança.

Na Pomelo, desenvolvemos nosso próprio AI Gateway, que funciona como ponto de controle das interações processadas pelos agentes. Essa camada nos permite aplicar critérios de segurança, eficiência e observabilidade a todo o ecossistema, antes que uma solicitação chegue ao modelo ou a uma ferramenta.

O Gateway desempenha várias funções essenciais:

• sanitização de entradas (inputs);
• detecção de prompt injection;
• fallback entre modelos;
• otimização de custos;
• cache;
• limites de requisições (rate limits);
• auditoria;
• observabilidade.

Isso nos permite operar com mais controle sobre como a IA é utilizada no ecossistema. O objetivo é gerenciar todo o ciclo da interação: quais informações entram, como são processadas, qual modelo é utilizado, quais custos são gerados, quais riscos são identificados e quais registros ficam disponíveis para análises posteriores.

O agente orquestrador: ponto único de entrada

No Dashboard da Pomelo, o cliente interage com um Agente Orquestrador de IA. Ele funciona como ponto único de entrada para as solicitações dos usuários e conta com memória de conversa, o que permite entender melhor o contexto de cada interação. Sua principal função não é resolver todos os casos sozinho, mas interpretar a intenção do usuário e identificar o melhor caminho dentro do ecossistema.

Quando a solicitação envolve informações oficiais da Pomelo, o agente orquestrador a encaminha ao Agente de Documentação. Se identifica um problema operacional ou uma necessidade de suporte, direciona a interação para o Agente Categorizador. Caso a intenção do usuário não esteja suficientemente clara, pode continuar a conversa para obter mais informações antes de prosseguir.

Essa arquitetura permite separar responsabilidades. O orquestrador atua justamente para compreender as solicitações, direcioná-las ao agente adequado e garantir a continuidade da conversa.

O agente de documentação: autoatendimento com informações verificáveis

Uma das primeiras áreas em que a IA gera valor para Customer Experience é a documentação. Muitas solicitações não exigem a abertura de um ticket, mas apenas o acesso rápido a informações precisas e confiáveis.

Para isso, construímos um Agente de Documentação conectado a bases de dados vetoriais que reúnem conteúdos oficiais da Pomelo. Esse agente trabalha com duas fontes principais:

• Guides, com informações sobre o funcionamento de produtos e serviços.
• API Reference, com a documentação técnica das nossas APIs.

O agente realiza buscas semânticas nas duas bases. Os resultados são combinados e classificados por relevância, utilizando ranking semântico e uma pontuação combinada (score), para priorizar as informações mais adequadas à solicitação do usuário. Isso permite responder a perguntas técnicas como: "Quais são os status possíveis de uma transação?"

Nesse caso, o agente de documentação consulta as fontes oficiais, identifica os trechos relevantes, elabora uma resposta seguindo o tom de voz da Pomelo e apresenta as referências correspondentes.

Um ponto importante é que o agente não foi desenvolvido para responder a qualquer custo. Quando não encontra evidências suficientes, evita fornecer informações imprecisas. Esse comportamento é fundamental para manter a confiança, especialmente em contextos técnicos, nos quais uma resposta incorreta pode gerar dificuldades ou erros de implementação.

O objetivo é duplo: melhorar o self-service dos nossos clientes e reduzir a abertura de tickets desnecessários, sem comprometer a precisão.

O agente categorizador: de conversa ao ticket estruturado

Quando a solicitação deixa de ser uma dúvida geral e passa a envolver um problema de suporte, entra em ação o Agente Categorizador.

Seguindo o exemplo anterior, um usuário poderia começar perguntando quais são os status possíveis de uma transação. O agente de documentação responde com base nas informações oficiais. Em seguida, o usuário acrescenta: "Estou com um problema nesta transação específica."

Nesse momento, a natureza da conversa muda. Já não basta explicar como o produto funciona: é necessário iniciar um atendimento de suporte.

O agente orquestrador identifica essa mudança de intenção e encaminha o caso ao agente categorizador. Esse agente utiliza uma base de conhecimento com os motivos de contato de suporte e o mapeamento dos campos obrigatório para cada tipo de solicitação.

Sua função é:

• interpretar o problema
• identificar o motivo de contato correto
• solicitar as informações que faltam, quando necessário
• avaliar impacto e a criticidade
• criar o ticket com os metadados correspondentes

Atualmente, 100% dos tickets abertos por meio desse fluxo são criados pelo agente. Isso permite transformar uma conversa livre em um ticket estruturado, com informações mais completas desde o início e menos retrabalho operacional.

Resolução automática de tickets: orquestração e enriquecimento de casos

Depois que o ticket é criado, começa outra etapa da AI Operating Layer: a resolução.

Nessa fase, diferentes agentes atuam  de forma coordenada. O objetivo não é apenas responder à solicitação, mas analisar o caso, complementar suas informações, validar a categoria, consultar sistemas internos, executar ações operacionais quando necessário e registrar as tomadas de decisão.

A primeira etapa fica a cargo do Agente Recategorizador, que analisa o ticket criado e verifica se o motivo de contato inicial foi classificado corretamente. Para isso, considera as informações fornecidas pelo cliente e consulta dados relacionados a transações, usuários e cartões, conforme a necessidade.

Se identificar evidências de que o caso pertence a outra categoria, o agente pode modificar internamente sua classificação. Essa segunda etapa de verificação aumenta a precisão do fluxo e evita que uma categorização inicial incorreta prejudique a resolução.

Em seguida, entra em ação o Agente Resolutor. Com o motivo de contato validado e o contexto do cliente, ele busca o manual de resolução específico para aquele caso. Esses manuais ficam armazenados em uma base de dados vetorial, com instruções próprias para cada motivo de contato.

Os manuais combinam uma estrutura definida com flexibilidade de análise. Ou seja, não são apenas checklists rígidos, mas guias técnicos que o agente pode seguir passo a passo, adaptando a execução ao contexto do ticket e às informações obtidas durante a análise.

O agente resolutor pode diagnosticar problemas, complementar informações ao ticket, consultar ferramentas internas, executar ações operacionais, atualizar status e gerar uma resposta final. Atualmente, esse ecossistema analisa aproximadamente 50% dos tickets recebidos , em um processo que segue evoluindo à medida que novos motivos de contato são incorporados.

O agente validador: controle antes de responder ao cliente

Antes de ser enviada ao cliente, a resposta passa por um agente validador. Essa etapa é importante porque, em um sistema multiagente, não basta gerar uma boa resposta: é preciso verificar se ela é segura, consistente, completa e adequada ao contexto.

O validador utiliza um conjunto de regras e critérios de avaliação. Ele verifica aspectos de segurança, cumprimento de guardrails, conformidade com as regras de negócio, idioma, clareza e tom. Também pode adaptar a resposta para manter a voz da Pomelo e utilizar o idioma do cliente.

Essa etapa permite separar a geração da resposta de sua validação. O resolutor se concentra em solucionar o problema, enquanto o validador se a resposta está adequada para o cliente e para a operação. Se o sistema identificar que o caso não deve ser resolvido automaticamente ou exige a intervenção de outro nível de atendimento, entra em ação o agente escalador.

O escalonamento também faz parte da arquitetura

Um bom ecossistema de IA não deve partir do princípio que tudo pode ou deve ser resolvido automaticamente. Há situações em que a melhor decisão é escalar o atendimento, seja pela criticidade, pela falta de informações, pelo baixo nível de confiança, pelas regras de negócio, pelas limitações funcionais ou pela necessidade de intervenção especializada.

Nesses casos, o agente escalador encaminha a solicitação para a equipe responsável, seguindo os critérios definidos internamente. A diferença é que o caso não chega sem contexto: ee já contém a análise inicial, as informações consultadas, as decisões tomadas e os dados necessários para que a equipe possa dar continuidade ao atendimento com mais agilidade.

Observabilidade, logs e melhoria contínua

Cada interação no ecossistema gera registros que permitem rastrear o que aconteceu. Registramos:

• qual agente atuou
• quais decisões tomou
• quais ferramentas consultou
• quais alterações realizou
• qual resposta gerou
• como evoluiu o status do ticket.

Esses logs são fundamentais para auditoria, monitoramento, identificação de erros, melhoria das instruções e compreensão do comportamento do sistema em produção.

Além disso, contamos com alertas e monitoramento periódico das interações. Isso permite acompanhar a saúde do ecossistema, identificar problemas e arpimorar continuamente cada componente.

À medida que os clientes interagem com os agentes e os agentes trabalham entre si, o sistema gera uma nova fonte de aprendizado operacional. Não apenas resolvemos casos: também entendemos melhor onde surgem dúvidas, quais motivos de contato precisam de maior cobertura, quais conteúdos da documentação podem ser aprimorados e quais etapas do fluxo geram dificuldades.

Um exemplo de ponta a ponta

Vamos imaginar uma interação no Dashboard.

Um cliente pergunta:

"Quais são os status possíveis de uma transação?"

O agente orquestrador identifica que se trata de uma consulta à documentação e a encaminha para o agente de documentação. Ele pesquisa nos Guides e na API Reference, combina os resultados utilizando ranking semântico e pontuação combinada e responde com informações oficiais, citando as fontes correspondentes.

Depois o cliente acrescenta:

"Estou com um problema nesta transação."

O orquestrador identifica a mudança de intenção e encaminha a conversa para o agente categorizador. Ele identifica o motivo de contato, solicita os dados que faltam e cria o ticket com informações de impacto, criticidade e metadados internos.

Na sequência, o recategorizador analisa o caso e consulta informações relevantes para verificar se o motivo de contato foi atribuído corretamente. Se necessário, ajusta a categoria. O resolutor recebe o ticket, busca o manual específico na base vetorial, consulta as ferramentas internas necessárias, diagnostica o problema, executa ações operacionais quando aplicável, complementa as informações do ticket e gera uma resposta.

O validador verifica essa resposta com base em critérios de segurança, idioma, tom, regras de negócio e consistência. Se estiver adequada, ela é enviada ao cliente seguindo a voz da Pomelo, o status do ticket é atualizado e todas as decisões tomadas ficam registradas.

Se o caso exigir atendimento especializado, o escalador encaminha a solicitação para a equipe responsável com todo o contexto já processado. Esse é o valor do AI Operating Layer: cada agente desempenha  uma parte do trabalho, mas, para o cliente, tudo funciona como uma experiência única e coordenada.

A próxima etapa da operação com IA

Construir um ecossistema multiagente não é apenas um desafio técnico. Também exige repensar como uma operação de suporte é estruturada: quais tarefas podem ser padronizadas, de quais informações cada fluxo precisa, quais decisões exigem validação, quais casos devem ser encaminhados para atendimento especializado e como garantir rastreabilidade em cada etapa.

A inteligência artificial começa a gerar mais valor quando deixa de funcionar de forma isolada e passa a fazer parte da arquitetura operacional. Na Pomelo, estamos desenvolvendo uma estrutura em que cada agente tem uma função clara, cada interação conta com mecanismos de controle e cada decisão pode ser rastreada. Isso nos permite escalar operação de suporte sem comprometer a qualidade, combinando automação, governança, segurança e critérios operacionais.

Com essa estrutura, cada novo motivo de contato pode se transformar em uma nova capacidade dos nossos agentes de IA.