Chat de Dados com IA
Gestores faziam perguntas sobre dados e esperavam dias por uma resposta. Agora, perguntam direto para o sistema — como se fosse um chat — e recebem na hora.
Dados valiosos que só um especialista conseguia acessar
Uma empresa de tecnologia para o setor público mantém bases de dados com milhões de registros distribuídos por centenas de clientes. Gestores e operadores precisavam de dados para tomar decisões, mas dependiam de analistas para escrever consultas SQL.
O resultado era previsível: filas de pedidos, respostas que demoravam dias e um gargalo constante entre quem tinha as perguntas e quem sabia consultar os dados. Era preciso democratizar o acesso sem comprometer a segurança.
Transformar perguntas em dados confiáveis
Entender perguntas em português
O sistema precisava entender perguntas do jeito que as pessoas falam — "Quantos alunos matriculados?" — e buscar a resposta certa em bancos de dados complexos.
Centenas de clientes isolados
Cada organização só pode ver seus próprios dados. O sistema precisava garantir isolamento total — nenhum dado de um cliente pode vazar para outro.
IA que não pode errar
IAs cometem erros — e em dados sensíveis, uma resposta errada pode gerar decisões equivocadas. O sistema precisava de mecanismos para garantir qualidade.
Rápido e economicamente viável
Usar IA custa dinheiro a cada pergunta. O sistema precisava ser rápido e inteligente o suficiente para não estourar o orçamento com centenas de clientes usando ao mesmo tempo.
Um chat que entende perguntas e busca dados
Projetei e liderei a construção de um chat que entende perguntas em português e busca as respostas direto no banco de dados, mostrando em tabelas e gráficos. O diferencial: o sistema aprende com exemplos curados pela equipe e melhora continuamente.
Perguntar como se fosse uma conversa
O gestor digita perguntas como faria no WhatsApp: "Quantos alunos estão matriculados?" ou "Quais escolas tiveram mais evasão no último trimestre?". O sistema entende, busca no banco e apresenta em tabelas e gráficos.
- Perguntas em português com contexto conversacional
- Perguntas seguintes entendem o que veio antes ("E por escola?")
- Resultados em tabelas, gráficos ou texto
- Cada organização só vê seus próprios dados
Aprende com exemplos e melhora sozinho
A IA não trabalha no escuro. A equipe mantém uma base de exemplos curados que ensinam o sistema a responder com precisão. Quando uma pergunta nova aparece, o sistema encontra os exemplos mais parecidos e usa como referência.
- Base curada de exemplos que a equipe gerencia e atualiza
- Busca inteligente encontra exemplos similares em milissegundos
- O sistema identifica perguntas que não soube responder bem e sugere melhorias
Tecnologias utilizadas
Python no backend, Vue/Nuxt no frontend e PostgreSQL como coração do sistema.
Por que essas escolhas?
Busca inteligente direto no banco
Em vez de pagar um serviço externo para busca vetorial, integrei direto no PostgreSQL. Sem custo adicional, sem dependência de terceiros, e responde em milissegundos.
Exemplos curados em vez de treinar modelos
A equipe gerencia uma base de exemplos que a IA usa como referência. Atualização é instantânea — sem precisar retreinar nada. O controle fica nas mãos de quem entende o negócio.
3 IAs diferentes, mesma interface
OpenAI, Gemini e Claude acessíveis pela mesma porta. Trocar de IA é mudar uma configuração, sem alterar código. Se uma falha, outra assume.
Segurança em várias camadas
O sistema só permite consultas de leitura, cada cliente tem banco separado, autenticação robusta e registro completo de tudo que acontece.
Impacto
O que mudou na prática para gestores e operadores.
Respostas em segundos
consultas que levavam dias agora são respondidas na hora
Centenas de clientes
atendidos com isolamento total de dados entre organizações
Melhora sozinho
identifica perguntas que não soube responder e sugere correções
Sua equipe perde tempo esperando dados?
Se quem precisa dos dados depende de outra pessoa para buscá-los, esse problema tem solução. Vamos conversar.