Clientes / N·cleo EducaþÒo AlfaTransformaþÒo Digital 360
Arquitetus Lake House · fonte real conectada
Dados tratados para virar decisão.
GerencIA está conectado ao Data Marketing House. Esta visão usa exclusivamente o snapshot sanitizado e os resultados reais de ETL, observabilidade e ML.
Pipelineready2026-10-01T19:26:35+00:00
Volume real
Pico 2026-09 · 113047
Mensagens por mês
2025-12187922026-01275182026-0242982026-0354442026-04101552026-05192962026-06816412026-07623222026-08522512026-091130472026-103187
Detector de oportunidade
O que exige ação
177 sessões pediram atenção humana sem handoff registrado
Critério: handoff_prob >= 60 em ao menos um evento e nenhum handoff estruturado na sessão.
78 sessões quentes ficaram sem handoff registrado
Critério: lead_score >= 70 em ao menos um evento e nenhum handoff estruturado.
36 sessões tiveram resposta reprovada sem handoff
Critério: quality_approved=false e nenhum handoff estruturado na sessão.
1.892 sessões usaram fallback de modelo
Há 14.720 registros de fallback; o painel usa sessões únicas para evitar duplicidade.
Fonte conectada
readyGerencIA
raw→bronze→silver→gold→ml_shadow
Linhas raw731305
Domínios6
PII no dashboardnão
Aprendizado
ML com gate de verdade
0 modelos supervisionados aprovados
Os datasets passaram ETL, mas os modelos supervisionados não atingiram os gates mínimos de classes/partições temporais.
4 clusters
104 anomalias
6 treinos
Operação multi-tenant
Onde estão as conversas
UnidadeMensagensSessõesQualidadeSinal humanoFallbacks
bia_vox
312735
6393
92,87
324
13153
st_ferreira
28024
477
95,24
336
287
vox2you_sudoeste
18815
452
96,74
59
274
genial_labs
16120
157
98
3
23
vox2you_asa_norte
15566
540
96,61
18
496
vox2you_araraquara
6667
232
—
0
487
vox2you_araraquara_ribeirao
24
1
—
0
0
Arquitetus Intelligence · dados reais
O que estava oculto nos dados.
Conversa, operação, funil, Educação, qualidade e ML organizados em uma leitura única. Nenhum card abaixo usa dado de demonstração.
Snapshotready2026-10-02T01:46:17.795002+00:00
Série temporal
Pico 2026-09 · 113047
Volume de conversas ao longo do tempo
2025-12187922026-01275182026-0242982026-0354442026-04101552026-05192962026-06816412026-07623222026-08522512026-091130472026-103187
Detector de oportunidade
O que merece ação agora
177 sessões pediram atenção humana sem handoff registrado
Critério: handoff_prob >= 60 em ao menos um evento e nenhum handoff estruturado na sessão.
78 sessões quentes ficaram sem handoff registrado
Critério: lead_score >= 70 em ao menos um evento e nenhum handoff estruturado.
36 sessões tiveram resposta reprovada sem handoff
Critério: quality_approved=false e nenhum handoff estruturado na sessão.
1.892 sessões usaram fallback de modelo
Há 14.720 registros de fallback; o painel usa sessões únicas para evitar duplicidade.
Tempo é a objeção explícita mais frequente
181 eventos de tempo contra 66 de preço.
829 observações caíram no cluster de fricção
Lead share alto, pouca resposta outbound e resposta média de 5.189 segundos.
Gap humano × IA
Sessões únicas
Necessidade humana detectada187
Handoff estruturado111
Necessidade humana sem handoff177
Lead quente sem handoff78
Qualidade reprovada sem handoff36
Sessões com fallback de modelo1892
Operação por unidade
Conversas, qualidade e intervenção
UnidadeMensagensSessõesQualidadeHotSinal humanoHandoffsFallbacks
bia_vox3127356393
92,87
15732416813153
st_ferreira28024477
95,24
033620287
vox2you_sudoeste18815452
96,74
165942274
genial_labs16120157
98
03023
vox2you_asa_norte15566540
96,61
541828496
vox2you_araraquara6667232
—
000487
vox2you_araraquara_ribeirao241
—
0000
Objeções
O que trava a decisão
Intenções
O que o lead quer
Etapas da conversa
Onde o atendimento acontece
CRM
Funil real consolidado
Agenda
Status de agendamentos
Educação
Risco preditivo atual
Machine Learning
0 modelos aprovados
Aprendizado sem maquiagem
Supervisionado
Bloqueado pelos gates
Os datasets passaram ETL, mas os modelos supervisionados não atingiram os gates mínimos de classes/partições temporais.
2064 vetores273 outcomes6 treinos
Cluster 0Espera e fricção operacional
829 · 40,2%Lead share médio 0,832; 1,308 mensagens outbound e resposta média de 5.189 s.
Cluster 1Engajamento inicial/baixo
1203 · 58,3%Lead share médio 0,391; 9,267 mensagens outbound e resposta média de 800 s.
Cluster 2Intenção de agenda/matrícula
26 · 1,3%Sinal de matrícula presente em 100% do cluster; conversas mais intensas que a média.
Cluster 3Ciclo longo / alta intensidade
6 · 0,3%Duração média de 2.160 h, 1.009 palavras do lead e resposta média de 32.230 s.
outbound_words0,1737
lead_messages0,1535
outbound_messages0,1191
schedule_signal0,0794
lead_share-0,0504
response_seconds-0,0463
lead_words0,027
cancellation_signal0,0252
Insights
regras + estatística + ML validávelO que o Lake House aprendeu
177 sessões com necessidade humana não tiveram handoff estruturado
É o principal gap operacional detectado por sessão no snapshot atual.
78 sessões quentes não tiveram handoff estruturado
São candidatas a revisão de regra, fila de atendimento ou pré-qualificação humana.
6 datasets reais passaram ETL Bronze/Silver/Gold
2.064 vetores pseudonimizados foram materializados e treinados em shadow sem ativação em produção.
Nenhum modelo foi aprovado pelos gates
Falta classe minoritária/rótulo temporal suficiente; a plataforma recusou publicar previsão frágil.
4 perfis comportamentais e 104 anomalias foram detectados
KMeans e IsolationForest rodaram offline nos vetores limpos, sem PII e sem LLM.
829 observações formam um cluster de fricção operacional
Lead share alto, pouca resposta outbound e resposta média de aproximadamente 86 minutos.
Tempo aparece 2,7× mais que preço
181 eventos de objeção de tempo contra 66 de preço.
1.892 sessões passaram por fallback de modelo
Os 14.720 registros de fallback devem ser cruzados com provider/modelo e qualidade.
15 alunos estão em risco alto e 4 em atenção
O education-attendance-v1 gerou 160 predições; 89 ainda estão como dados insuficientes.
Observabilidade do dado
Pipeline e confiança
Conectores & Ontologia
Da fonte bruta para uma camada de verdade.
Uma fonte só aparece como conectada depois de existir ingestão real. O Arquitetus normaliza, mede qualidade, resolve o significado dos dados e só então libera features, modelos, insights e contexto para agentes.
Fontes ativas1ready
Registry
sem fonte demo
Fontes conectadas de verdade
postgres_private_mirror
GerencIA
Relações445
Linhas731305
Domínios6
Snapshot2026-10-01T19:26:35+00:00
raw→bronze→silver→gold→ml_shadow
Data quality
O que entrou e o que foi aceito
blocked_by_label_quality
Os datasets passaram ETL, mas os modelos supervisionados não atingiram os gates mínimos de classes/partições temporais.
Semantic layer
contrato versionado
Ontologia customer-intelligence · v1
Relações canônicas
Unidade / empresaownsConversa
Lead / pessoaparticipates inConversa
ConversacontainsMensagem / evento
Lead / pessoahasOportunidade
Lead / pessoabooksAgendamento
Lead / pessoamoves throughEtapa comercial
Alunobelongs toTurma
Lead / pessoaproducesOutcome confirmado
Conversais processed byExecução de agente
ConversaemitsSinal de modelo
Ordem de confiança
O agente e os modelos recebem contexto seguindo esta prioridade. IA generativa vem por último.
- 01Outcome confirmado no negócio
- 02Classificação humana
- 03Estado do sistema de origem
- 04Feature derivada
- 05Sinal de ML
- 06Interpretação de IA generativa
Plataforma mãe
O mesmo dado pode originar novos produtos
Freshness, qualidade, lineage, drift, falhas e lacunas de captura.
Funis, oportunidades, anomalias e prioridades com evidência rastreável.
Treinos por problema e domínio; só modelos que passam gates entram em shadow.
Agentes recebem entidades canônicas, features e outcomes limpos em vez de texto bruto desorganizado.
CRM, copilotos, alertas, automações e produtos derivados usam a mesma camada ontológica.
CIE · Briefing 360
Contexto da empresa antes da arquitetura.
Preencha a operação real, objetivos, restrições, sistemas e sinais do negócio. Esta ficha alimenta as próximas decisões.
Pronto para editar
Matrizes de decisão.
Leitura executiva da empresa, sem enfeite.
Força operacional sem sistema
Conhecimento existe, mas está preso em pessoas.
Urgente e importante
Padronizar atendimento e proposta antes da automação.
IA não serve para meu negócio
Transformar a objeção em prova de valor mensurável.
Processos OTE
Desenhe o fluxo e documente a operação.
O mapa mostra a sequência. O editor registra como o trabalho realmente acontece.
Mapa operacional · posições salvas automaticamente100%
Blueprint
Arquitetura que pode ser construída.
Organize capacidades, responsáveis, ferramentas e dependências sem transformar tudo em um diagrama decorativo.
EstratégiaDireção, proposta e crescimento
Em operação
Proposta de valor e ICP
Sem descrição
OperaçãoProcessos, pessoas e entrega
Planejado
Atendimento e qualificaþÒo
Sem descrição
Dados e IAConhecimento, modelos e agentes
Planejado
Base de conhecimento operacional
Sem descrição
TecnologiaSistemas, integrações e infraestrutura
Planejado
CRM e mensageria
Sem descrição
Toolbox
Catálogo de ferramentas e decisões técnicas.
Registre o que existe, por que foi escolhido, quando usar e quanto custa.
Solution Blueprint
Fornecedor não informado
Desenhar sistema alvo
- Quando usar
- Antes de construir qualquer software
- Stack
- Não definida
RAG / Knowledge Base
Fornecedor não informado
Organizar conhecimento
- Quando usar
- Hist¾rico e documentos dispersos
- Stack
- Não definida
GTM Motion
Fornecedor não informado
Modelar movimento GTM
- Quando usar
- Oferta e canal sem previsibilidade
- Stack
- Não definida
Agent Placement
Fornecedor não informado
Escolher onde agentes entram
- Quando usar
- Tarefa repetitiva, triagem ou decisÒo assistida
- Stack
- Não definida
Fine-tuning Decision
Fornecedor não informado
Decidir RAG vs fine-tuning
- Quando usar
- Dataset rotulado e objetivo claro
- Stack
- Não definida
Process Analyzer
Fornecedor não informado
Mapear gargalos e donos
- Quando usar
- OperaþÒo sem padrÒo ou dono claro
- Stack
- Não definida
Orquestração
Defina quem executa, quem aprova e com quais ferramentas.
A lógica continua vindo do Processo OTE. Aqui você organiza a visualização e ajusta os responsáveis pela execução.
Fluxo de execuçãoArraste os nós para organizar. As conexões seguem o processo.
Sincronizado com OTE
Delivery OS
Kanban arrastável.
Arraste cards entre etapas, reordene colunas e navegue pelo board com a mão.
Arraste o fundo para navegar
Backlog3 itens
⠿Entrevistas ICP
Consultoria · Medium
⠿Auditoria do site
Consultoria · Medium
⠿Mapa de ferramentas
Consultoria · Medium
Fazer agora3 itens
⠿SWOT
Consultoria · Medium
⠿Eisenhower
Consultoria · Medium
⠿Mapa OTE
Consultoria · Medium
Fazendo2 itens
⠿Blueprint IA
Consultoria · Medium
⠿Roadmap 90 dias
Consultoria · Medium
Validar2 itens
⠿MVP proposto
Consultoria · Medium
⠿Stack inicial
Consultoria · Medium