Pular para o conteúdo
Vamos conversar
Hábil AI

Respostas com os dados reais da empresa, a qualquer hora, com uma pessoa decidindo o que importa.

A Hábil AI atende os clientes da empresa, consulta as informações do negócio e executa etapas dos processos por conta própria, com uma pessoa aprovando o que movimenta dinheiro ou dados. Conecta-se aos sistemas que a empresa já tem.

A plataforma de IA conectada aos sistemas da empresa.

O que é a Hábil AI?

Desde 2024 conectamos a IA aos sistemas da empresa, com uma pessoa decidindo o que é importante.

A Hábil AI ajuda empresas a usar a inteligência artificial com os dados e as regras dos próprios sistemas. Não vendemos uma ferramenta genérica: resolvemos processos concretos da operação, com a IA que a empresa já usa ou com uma que instalamos nela, sem colocar em risco o que já funciona.

A equipe provavelmente já usa ChatGPT, Copilot ou Gemini. Mas essa IA não sabe quanto um cliente deve, em que pé está um sinistro ou por que uma nota fiscal não bateu: esses dados estão nos sistemas da empresa, e a IA não os enxerga. É aí que começa o nosso trabalho.

Testar uma IA é simples; o difícil é fazê-la trabalhar com os dados dos próprios sistemas. O modelo quase nunca é o problema: o problema é conectá-lo aos sistemas, às regras e às pessoas da empresa sem colocar em risco o que já funciona. Desde 2006 integramos sistemas que sustentam operações críticas; essa experiência nos permite levar a IA a processos reais sem exigir a substituição do ERP, do CRM, do sistema central nem dos controles.

A diferença da Hábil: não começamos por um chatbot nem por um modelo. Começamos pelo processo, conectamos aos sistemas e às regras da empresa, definimos o que a IA não pode fazer sozinha e testamos com casos reais antes de recomendar.

Por dentro, a Hábil AI são seis peças, e cada uma faz uma só coisa: uma entende e redige, outra consulta os documentos da empresa antes de responder, outra é a porta com guarda para os sistemas, a Nova conversa com as pessoas, os agentes agem dentro do processo e a previsão estima o que pode vir. Elas se combinam conforme o problema que a empresa quer resolver.

Ilustração de exemplo: dados reais, com permissões e registro.

Três níveis, conforme a necessidade

A Hábil AI é um produto e um serviço. O produto é a plataforma. O serviço é o que fazemos junto com a empresa para que a IA trabalhe com os dados e as regras dos sistemas dela. É contratada por níveis, e cada um se apoia no anterior.

A plataforma

A IA conectada, com registro

O que se obtém com o produto:

  • Uma instalação exclusiva para a empresa, na infraestrutura dela ou na nossa, operada pela Hábil.
  • A IA que a empresa escolher: a que já paga ou um modelo aberto na infraestrutura dela.
  • Uma porta com guarda para os sistemas: cada aplicação com a própria permissão, limites de uso e um registro de quem consultou o quê.
  • Respostas com fonte: consulta os documentos da empresa antes de responder e informa de onde saiu cada dado.
  • Uma pessoa aprovando o que movimenta dinheiro ou dados.
  • As conversas não treinam nenhum modelo sem autorização por escrito.

Para começar

Um processo, com indicador e saída

Escolhemos junto com a empresa um processo em que hoje ela perde tempo, dinheiro ou clientes, e o deixamos funcionando com indicador, critério de saída, escopo e custo acordados antes de começar, incluído o custo de processamento com o teto.

Esse primeiro processo usa só as peças de que precisa. Ao terminar, a empresa sabe o que a IA faz, o que a equipe continua fazendo e com quais controles.

Para crescer

Mais processos, peças e o Hábil Lake

Somamos processos e peças —a Nova para os clientes, agentes dentro da operação, a predição— e, se a empresa decidir, a conectamos ao Hábil Lake. Instalamos e mantemos junto com a empresa: atualizações, trocas de modelo e monitoramento, avisos se algo cair e backups testados, com um serviço mensal.

Reconheça a área

Direção Geral«Onde a IA devolve dinheiro neste ano sem arriscar a operação?»Começamos pelo processo em que hoje o dinheiro se perde, como o IVA que não é creditado, e dizemos o que muda antes de investir
Comercial«Como evitar que a IA prometa o que não deve?»A IA responde apenas com as regras da empresa: não oferece preços, descontos nem condições que não tenham sido definidos
Direção DigitalO canal digital perde clientes no meio do processo: o cadastro, a cotação ou o pagamento dependem de sistemas que não respondem a tempoA Nova atende a qualquer hora e deixa o caso pronto para a equipe
OperaçõesPessoas digitando à mão dados que já existem em outro sistemaCaptura automatizada: a IA extrai os dados e a equipe trata apenas as exceções
FinançasUm fechamento que não bate e um IVA que se perde por complementos de pagamento que nunca chegaramDizemos quanto de IVA está em risco, de qual fornecedor e em qual nota fiscal
Tecnologia (CIO / CTO)«Já temos contrato com uma IA; como usá-la na operação?»Conectamos aos sistemas com permissões e registro; o detalhe está na seção para a equipe de tecnologia, mais abaixo
CobrançaCobrar com o dado real da conta à mão, sem arriscar uma reclamaçãoRespostas de saldo e link de pagamento por WhatsApp; os acordos são fechados pelo gestor
Planejamento e Compras«Toda temporada compro demais do que não vende e fico curto no que vende.»A previsão estima a demanda por linha e por mês, com um intervalo, e a equipe decide a compra com esse dado

Onde a IA gera valor

Cada caso diz o que acontecia, o que muda, por que era difícil e o que já construímos. Descreve o processo que pode ser desenhado para a empresa, junto com a experiência de integração da Hábil que o respalda; na primeira conversa dizemos qual parte está comprovada e o que deve ser validado no ambiente da empresa.

IVA que não se perde · Finanças

Antes: a empresa paga notas fiscais cujo complemento de pagamento nunca chegou, e esse IVA não pode ser creditado. Ninguém sabe quanto é.

O que muda: sabe-se quanto de IVA está em risco, de qual fornecedor e em qual nota fiscal, a tempo de recuperá-lo.

Por que era difícil: é preciso cruzar o que diz o SAT (a autoridade fiscal mexicana) com o que dizem os bancos e a contabilidade, nota por nota.

O que já construímos: integramos o faturamento eletrônico e as informações do SAT aos sistemas contábeis de nossos clientes.

Peças: a conexão e a IA que entende e redige.

O Cuadre já traz isso resolvido para o faturamento.

IA sobre os sistemas, sem substituir o sistema central · Tecnologia

Antes: quando falha uma interface entre o sistema administrativo (ERP) —SAP, Oracle, Microsoft Dynamics, Odoo, CONTPAQi ou outro—, o CRM e o restante da operação, a equipe passa horas lendo registros técnicos para saber o que quebrou.

O que muda: a IA diz em linguagem clara o que aconteceu, qual nota, pagamento ou ordem de compra foi afetado e o que fazer. O sistema continua sendo o que decide.

Por que era difícil: é preciso entender ao mesmo tempo o sistema que falha, o que recebe e o negócio por trás, sem arriscar a operação.

O que já construímos: conectamos os ERPs e CRMs mais usados —SAP, Oracle, Microsoft Dynamics, Odoo, Salesforce, HubSpot— à operação de bancos, seguradoras e empresas reguladas.

Peças: a IA que entende e redige, e a conexão.

Captura automatizada · Operações

Antes: a equipe passa horas copiando para os sistemas os dados de documentos de identidade, comprovantes de situação fiscal, comprovantes de residência, extratos bancários e notas fiscais.

O que muda: o dado chega sozinho, com a evidência de onde saiu, e uma pessoa apenas confirma.

Por que era difícil: os documentos chegam por foto, tortos e incompletos, e um dado capturado errado vira um problema de conformidade.

O que já construímos: já resolvemos a leitura de documentos de identidade para um banco no México.

Peças: a IA que entende e redige, e a conexão.

Abertura de contas sem agência · Bancos e fintechs

Antes: abrir uma conta exigia ir a uma agência, e alguém digitava à mão os dados de cada documento de identidade.

O que muda: o cliente abre a conta pelo celular. Comprovamos que é uma pessoa real diante da câmera, comparamos o rosto com o documento de identidade e validamos os dados junto ao INE (instituto eleitoral nacional) e ao RENAPO (registro nacional de população). Os casos duvidosos passam para uma pessoa da equipe.

Por que era difícil: as fotos chegam tortas e incompletas, e cada validação precisa resistir a uma auditoria.

O que já construímos: a validação de identidade de um banco no México, incluindo a consulta ao INE; oferecemos a solução completa.

Peças: a conexão (a verificação de identidade se integra como um serviço do processo).

Cobrança por WhatsApp que termina em pagamento · Bancos e fintechs

Antes: os gestores ligam e mandam mensagens que não são respondidas, e quando o cliente responde ninguém tem à mão o saldo nem a forma de pagamento.

O que muda: responde com os dados reais da conta, explica as opções autorizadas pela empresa, envia o link de pagamento e confirma o pagamento; os acordos e os assuntos delicados são fechados por uma pessoa.

Por que era difícil: cada resposta precisa sair do sistema da empresa, dentro das políticas e sem arriscar uma reclamação.

O que já construímos: o débito automático de pagamentos de uma seguradora no México.

Peças: a Nova e a conexão.

O sinistro simples, pronto para decidir · Seguros

Antes: um sinistro simples fica dias parado enquanto alguém junta documentos e confere a apólice.

O que muda: o caso chega completo ao analista de sinistros, e a decisão continua sendo dele.

Por que era difícil: as regras de cada apólice são diferentes, e o erro custa dinheiro e reputação.

O que já construímos: sistemas de emissão e de sinistros para seguradoras no México.

Peças: a que consulta os documentos, e a conexão.

Aviso de sinistro por WhatsApp, 24 horas por dia · Seguros

Antes: o segurado quer avisar a qualquer hora e a central recebe fotos e documentos soltos por vários canais.

O que muda: o segurado avisa, envia fotos e documentos e acompanha o andamento pelo chat; a central recebe o processo organizado.

Por que era difícil: cada aviso precisa chegar completo ao sistema de sinistros, sem digitação manual.

O que já construímos: os aplicativos móveis com que os segurados de duas seguradoras no México fazem os trâmites.

Peças: a Nova, a que consulta os documentos, e a conexão.

Pedidos parados que ninguém via · Operações

Antes: um pedido fica preso entre a loja, o armazém e o sistema de faturamento, e ninguém percebe até o cliente reclamar.

O que muda: toda manhã um agente revisa os pedidos sem movimento, encontra o motivo de cada um e os deixa para a equipe; se for preciso reabrir um, ele prepara e uma pessoa autoriza.

Por que era difícil: cada pedido passa por vários sistemas, e saber onde ele travou exige segui-lo de ponta a ponta.

O que já construímos: conectamos lojas virtuais e sistemas de pedidos aos ERPs mais usados, para que um pedido possa ser acompanhado de ponta a ponta.

Peças: os agentes e a conexão.

A compra da próxima temporada, com um intervalo · Comércio

Antes: compra-se para a temporada com a memória e com a planilha do ano passado. Sobra o que não vende e falta o que vende.

O que muda: a previsão estima a demanda por linha e por mês, com um intervalo, e a equipe decide a compra com esse dado em mãos. A decisão continua sendo da empresa.

Por que era difícil: é preciso o histórico de vendas organizado e limpo, e uma previsão que supere «o mesmo que no ano passado». Se não superar, não é usada.

O que já construímos: plataformas de venda on-line, com o estoque e os preços.

Peças: a previsão.

Os pedidos parados desta manhã, com o motivo

Exemplo · dados ilustrativos

Os mesmos pedidos: descobertos quando o cliente reclama, ou revisados por um agente toda manhã. Mude o estado para ver a diferença.

Os pedidos parados desta manhã, com o motivo
Hoje: até o cliente reclamar
PedidoOnde parouO que acontece
20817Armazémninguém viu
20822Faturamentoninguém viu
20831Envioninguém viu

Ninguém fica sabendo que um pedido travou até o cliente reclamar.

Três formas de fazer, conforme o problema

Podem ser contratadas separadamente ou em conjunto. Quando a IA precisa responder com informação atualizada da operação, a conexão da primeira forma entra no escopo.

O que cada peça faz

Por trás das três formas trabalham seis peças. Cada uma tem uma só responsabilidade, e nenhuma faz o trabalho de outra. Cada uma é contada em quatro partes: o problema, o que muda, por que é difícil e um exemplo.

1. A IA que entende e redige

O problema: a equipe já usa uma IA, mas essa IA não conhece a empresa, e enviar informação sensível a um terceiro nem sempre é possível.

O que muda: a IA entende a pergunta em espanhol do México e redige a resposta com o tom da empresa. A empresa escolhe qual: a que já paga —ChatGPT, Copilot, Gemini ou Claude— ou um modelo aberto instalado nos próprios servidores ou na nuvem privada, onde as conversas e os documentos são processados na infraestrutura que a empresa definir. As duas podem conviver: o que é sensível é processado na empresa e o resto usa a IA que ela já paga.

Por que é difícil: nem todo modelo serve para atender clientes: vários falham ao usar ferramentas ou ao seguir uma cadeia de passos. Por isso cada modelo passa pelos nossos testes, com os casos reais da empresa, antes de ser recomendado, e antes de comprar equipamento medimos o tamanho necessário. Ganha o que menos inventa com os casos da empresa.

Esta peça não é fonte de dados: entende e redige, mas os números vêm de outra peça. O investimento fica no que é da empresa —a conexão, os documentos, os controles e os testes—, então é possível trocar de modelo sem refazer o resto.

Um exemplo: uma seguradora quer que a IA leia processos que não podem sair da empresa. Instalamos um modelo aberto nos servidores dela, com um perfil da empresa —tom, termos, regras— e, se for medido que melhora, o adaptamos com os materiais que ela aprova. O resto da equipe continua usando a IA que já paga.

2. A que consulta os documentos antes de responder

O problema: uma IA que responde de memória inventa, e diz isso com toda a segurança. Quando erra uma política ou uma cobertura, o erro é da empresa, não da IA.

O que muda: antes de responder, a IA busca nos documentos do negócio —manuais, políticas, catálogos, condições dos produtos— o que se aplica à pergunta, e responde com isso. Cada resposta diz de qual documento saiu, e a equipe pode conferir. Quando um documento muda, a busca usa a versão nova.

Por que é difícil: encontrar o parágrafo certo entre milhares de páginas não é o mesmo que encontrar um parecido. E o que muda a cada minuto —preços, estoque, saldos, pedidos— não pode sair dos documentos: isso é perguntado aos sistemas no momento, pela conexão.

Antes que qualquer resposta saia, um programa confere que cada número, data ou política venha de uma fonte consultada naquele momento. Foi feita para dizer que não encontrou a resposta em vez de inventá-la, e informa de onde saiu cada dado.

Um exemplo: um corretor de seguros pergunta se uma apólice cobre um tratamento. A IA busca nas condições gerais desse produto, responde com o que elas dizem e mostra o parágrafo. Se as condições não resolvem, ela diz isso e passa o caso a uma pessoa.

3. A conexão: a porta com guarda para os sistemas (inclui o servidor MCP da empresa)

O problema: a IA não vê os sistemas da empresa. E abri-los sem controle é pior: ela poderia ver demais ou fazer algo que ninguém autorizou.

O que muda: desenhamos e construímos a conexão entre a IA e os sistemas —clientes, apólices ou créditos, cobrança, faturamento—, mesmo que sejam sistemas de vinte anos e sem parar a operação. A conexão decide quem entra e a que tem permissão, e registra cada consulta. Toda consulta ou ação sobre os sistemas passa por ela.

Por que é difícil: cada sistema que a usa precisa da própria identidade e das próprias permissões. O preço tem que sair com a tabela de quem compra, e um erro não pode chegar disfarçado de resposta: se algo falhou, a conexão diz.

Duas formas de usá-la:

  • Para a IA da empresa e para quem a empresa autorizar. É o que o mercado chama de «servidor MCP»: um padrão aberto com o qual as IAs mais usadas se conectam a outros sistemas, e o nome que a equipe de tecnologia vai procurar. A mesma conexão pode permitir que corretores, fornecedores ou clientes consultem só o que lhes cabe: a apólice ou a fatura.
  • Para os próprios sistemas, sem conversa. A loja virtual, o sistema de pedidos ou os sistemas internos pedem um resultado à IA e recebem uma resposta pronta para usar: alternativas a um produto esgotado, produtos relacionados ou o resumo do que os clientes acham. Ninguém precisa escrever para a IA.

Exemplos de funções integradas aos sistemas, sem conversa (são casos de uso que passam pela conexão, e cada um é nomeado pelo que resolve)

  • Captura automatizada. Lê faturas, pedidos ou formulários e os registra no sistema da empresa. O que não bate fica separado para uma pessoa revisar.
  • IVA em risco. Finanças vê o IVA em risco nota por nota. O Cuadre já traz isso resolvido para o faturamento.
  • Resumo das opiniões dos clientes. Lê avaliações, pesquisas e mensagens dos clientes e entrega o que mais se repete. Se não houver o suficiente para concluir, avisa.
  • Recomendações. Sugere a cada cliente o que mais pode ser útil, com base no que já comprou.
  • Conciliação assistida, com o Cuadre. Cruza pagamentos com faturas e movimentações bancárias e deixa só as diferenças.

Antes do conector, as APIs da empresa. A confiabilidade de um conector depende, em boa parte, das APIs que ele chama. Se uma API não explica o que faz, não distingue um erro de outro ou volta a cobrar quando o agente tenta de novo, o agente pode executar ações equivocadas ou difíceis de reverter, mesmo que o conector esteja bem feito. Por isso começamos revisando as operações críticas da empresa: quais estão prontas, quais são corrigidas onde estão e quais convém cobrir com uma camada intermediária que as adapta e as protege, buscando não reescrever o sistema.

Um exemplo: um gerente pergunta «quais clientes têm pagamentos atrasados há mais de 60 dias?». A IA consulta o sistema pela conexão, com as permissões desse gerente, e responde com a lista real.

4. A Nova: a que conversa com as pessoas

O problema: os clientes escrevem a qualquer hora e a equipe responde a mesma coisa o dia todo. O que precisa de uma pessoa —fechar, cobrar, reter— espera atrás de todo o resto.

O que muda: a Nova responde aos clientes pelo WhatsApp ou no site, a qualquer hora, com a informação real dos sistemas. Quando o caso precisa de uma pessoa, a Nova o entrega à equipe já montado: quem é, o que pediu, o que foi respondido e o que falta.

Por que é difícil: a Nova não pode improvisar. O preço e o estoque de hoje são perguntados ao sistema naquele momento. Saldos, pagamentos e trâmites só aparecem depois de confirmar a identidade da pessoa. E, se pelo WhatsApp o preço depende de quem compra, ele só é dado a quem tem a conta vinculada.

A Nova não é um chatbot de respostas fixas: é uma assistente conectada aos sistemas. A habilitação é por processo e por canal; saldos, pagamentos e trâmites só são exibidos depois de validar a pessoa com as regras da empresa.

Como trabalha

  • Responde com o que a empresa sabe. Conecta-se aos documentos e aos sistemas. Não diz ao cliente um preço, uma data ou uma política que não tenha consultado ali naquele momento.
  • Sabe quando se calar. Se a informação não basta ou o caso é delicado, não improvisa: repassa a uma pessoa da equipe, com todo o contexto, e o cliente sabe que alguém vai escrever para ele.
  • Com regras, rastro e privacidade. Só vê o que for permitido e registra quem consultou o quê. Nunca usamos as conversas para treinar um modelo sem autorização expressa. O que tem efeito —um reembolso, uma exceção, um acordo— é decidido por uma pessoa.
  • Com a IA escolhida e o tom da marca. Funciona com a IA já contratada ou com modelos instalados na empresa, e fala como a empresa, não com um tom genérico.

O que muda com a Nova

  • Atendimento ao cliente. Hoje: às onze da noite um prospecto pergunta em que pé está a cotação ou quanto custa; ninguém responde até o dia seguinte, e a essa altura ele já perguntou em outro lugar. Com a Nova: responde na hora. Informa o preço, se for público, e em que pé está a cotação, depois de confirmar a identidade do cliente. Deixa o caso pronto para a equipe fechar logo cedo.
  • Cobrança. Hoje: o gestor de cobrança passa a manhã respondendo «quanto devo?» e «onde pago?», e as conversas que realmente precisam de um acordo esperam atrás de todas as outras. Com a Nova: essas respostas saem sozinhas, com o link de pagamento, e o gestor fica com as conversas que precisam de um acordo, com o histórico completo. O gestor negocia; a Nova não.
  • Sinistros e reclamações. Hoje: o segurado avisa um sinistro por telefone e envia fotos e documentos separadamente; o processo é montado à mão durante dias. Com a Nova: recebe o aviso, pede o que a apólice exige e o entrega organizado à equipe. Revisar os documentos e decidir o pagamento continua sendo do analista de sinistros.
  • A equipe interna. Hoje: em Finanças ou em Tecnologia alguém pergunta por que um IVA não foi creditado ou por que uma interface travou, e a resposta depende de quem está de plantão. Com a Nova: explica em linguagem clara o que dizem os sistemas e as políticas, cita de onde tirou a informação e repassa à pessoa certa o que não consegue resolver.

O que a Nova não faz. Não aprova reembolsos nem exceções, não negocia descontos, não pede dados de cartão na conversa e não trata sozinha reclamações nem emergências: repassa imediatamente a uma pessoa.

Revise o caso conosco: pegamos as perguntas reais da empresa e explicamos como a Nova as atenderia.

Diante dos clientes, a assistente pode levar a marca da própria empresa, com tecnologia Hábil AI.

Um exemplo: às onze da noite um cliente pergunta «quanto devo e onde pago?». A Nova confirma que é ele e responde com o saldo e o link de pagamento. Se ele quiser negociar, a Nova registra o caso e o passa ao gestor no próximo horário de atendimento, com todo o contexto.

5. Os agentes: agem dentro do processo, com uma pessoa aprovando

O problema: há trabalho que ninguém faz porque ninguém tem tempo de conferir: o estoque que acaba, a ficha incompleta, o pedido parado há dias. Só se descobre quando já custou.

O que muda: os agentes revisam a operação no horário programado, consultam, comparam e preparam o trabalho nos sistemas, e avisam quem for responsável. O que movimenta dinheiro ou dados é executado com uma pessoa aprovando. A empresa decide, por processo e por ferramenta, até onde vai cada agente: só consultar e avisar, propor para que uma pessoa aprove, ou automatizar dentro de limites que ela fixa.

Por que é difícil: um agente que age precisa de permissões limitadas ao indispensável, de um registro de cada decisão tomada e de uma forma de evitar que a mesma ação seja feita duas vezes. E cada sistema que ele toca precisa estar pronto para ser usado por um programa, não só por uma pessoa.

Quando uma etapa exige várias ações seguidas (consultar, comparar, preparar), quem faz são os agentes, com permissões limitadas ao necessário e uma pessoa aprovando o que movimenta dinheiro ou dados.

Um exemplo: toda manhã um agente revisa os pedidos parados, encontra os que estão há mais de dois dias sem movimento e deixa para a equipe a lista com o motivo de cada um. Se for preciso reabrir um, ele prepara; uma pessoa autoriza.

6. A previsão: aprende com o que já aconteceu para estimar o que pode vir

O problema: compra-se, cobra-se e planeja-se com a memória e com a planilha do ano passado. Sobra o que não vende, falta o que vende, e a carteira que vai atrasar só é notada quando já atrasou.

O que muda: a previsão estima a demanda, a cobrança ou o risco por linha e por mês, sempre com um intervalo —o mais provável, o mínimo e o máximo—, e a equipe decide com esse dado em mãos. O que ela prevê fica guardado, e com o tempo dá para ver se acertou.

Por que é difícil: é preciso o histórico da operação organizado e limpo, e uma previsão que supere as formas simples de adivinhar, como «o mesmo que no ano passado». Se não superar, não é usada, e nós avisamos.

A previsão aprende com as tabelas organizadas, não com as conversas, e nenhum modelo de linguagem é treinado ou ajustado com os dados da empresa sem autorização por escrito. Se a empresa tem o Hábil Lake, ela aprende com os dados que o Lake já deixou organizados e conciliados.

Um exemplo: antes da temporada, Compras vê quanto se espera vender de cada linha, com o intervalo, e decide quanto pedir. Ao fechar a temporada, compara o que foi previsto com o que de fato aconteceu.

Onde roda

Na infraestrutura da empresa —a nuvem que ela já paga ou os próprios servidores— ou na nossa, com a Hábil à frente da operação. Cada cliente tem uma instalação própria: os dados da empresa não se misturam com os de mais ninguém. Se a empresa usa um modelo operado pela Hábil, esse modelo pode atender vários clientes, mas não guarda as conversas nem os dados de nenhum deles. Se o modelo está nos servidores da empresa ou é a IA que ela já paga, nada é compartilhado.

Com um responsável. Instalamos e mantemos junto com a empresa: atualizações, trocas de modelo e monitoramento, avisos se algo cair e backups testados, no horário que combinarmos, com um serviço mensal.

O que nunca fazemos

Deixar a IA tomar sozinha uma decisão que custa dinheiro: autorizar um pagamento, abrir uma exceção ou fechar um acordo.

Usar as conversas da empresa para treinar ou ajustar um modelo sem autorização por escrito.

Mostrar à IA mais dados do que os autorizados.

Prometer uma IA que nunca erra: por isso cada resposta sai dos sistemas da empresa, cita de onde veio e deixa o que é importante nas mãos de uma pessoa.

Os detalhes de controle, e o que a área de Compliance recebe, vêm a seguir.

Controle, segurança e dados

As informações da empresa não ficam no modelo: são consultadas ao vivo, por isso podem ser atualizadas, apagadas e citadas. As conversas não treinam nenhum modelo sem autorização por escrito. As permissões são decididas pelo sistema da empresa, não pela IA.

O que a IA nunca faz sozinha

Não cobra, não aprova, não emite nem altera um registro sem que uma pessoa ou uma regra definida pela empresa o autorize. Pode registrar uma solicitação ou preparar uma movimentação; uma pessoa a autoriza.

Não oferece preços, descontos nem condições que não estejam nas regras da empresa.

Tem apenas as permissões que a equipe de Tecnologia lhe concede, por sistema e por ação.

Se uma resposta ou uma ação incorreta for detectada, ela é interrompida, o registro é revisado, a regra ou a integração é corrigida e tudo é testado de novo antes de retomar. A ação é executada pelo sistema da empresa, não pela IA.

Antes de operar, é testada com casos reais e com um critério de saída acordado.

O que a área de Compliance recebe

Registro

cada proposta fica registrada: o que a IA viu, o que propôs e quem a autorizou.

Acessos

qual pessoa ou aplicação pode consultar o quê, por sistema e por ação.

Rastro de alterações

cada alteração é registrada como qualquer outra alteração no sistema da empresa.

Testes

os casos reais com que a IA foi testada e o critério de saída acordado antes de operar.

Motivo de cada decisão que afeta uma pessoa

é conservado e uma pessoa pode revisá-lo. A lei mexicana de proteção de dados pessoais de 2025 reconhece aos clientes da empresa o direito de se opor, nas hipóteses que prevê, a decisões automatizadas tomadas sem intervenção humana; a área jurídica valida como isso se aplica a cada caso.

A empresa recebe a evidência para que o auditor e o regulador possam revisá-la.

Os dados

A empresa decide qual IA vê os dados: a que já paga —ChatGPT, Copilot, Gemini ou Claude— ou modelos abertos instalados nela. Com modelos instalados na empresa, as conversas e os documentos são processados na infraestrutura que ela autorizar. Dizemos, com dados, quando convém adaptar um modelo e quando basta conectá-lo aos documentos.

Com controle e com evidência.

Na frente do modelo há um portal de acesso: cada aplicação com a respectiva permissão, limites de uso e um registro de quem consultou o quê, que a área de Compliance pode revisar.

Para a equipe de tecnologia

O que o CIO ou o CTO costuma perguntar.

O conector.

É um servidor MCP feito sob medida para os sistemas da empresa. Define o que cada pessoa ou aplicação consulta, mantém registro de quem consultou o quê, e a IA propõe: a ação é executada pelo sistema, com a autorização de uma pessoa ou de uma regra da empresa. Pode haver um conector por público: funcionários, clientes, fornecedores e intermediários, cada um com o que lhe cabe.

APIs prontas para agentes.

Antes de conectar um agente, revisamos as operações da empresa contra o que um consumidor automático exige: que expliquem com clareza a finalidade, os dados que recebem e as respostas que dão; erros consistentes, de preferência no formato padrão Problem Details (RFC 9457); novas tentativas que não duplicam, identidade e permissões próprias para cada agente, limites visíveis e aviso antes de retirar uma versão. O que falta é corrigido na API ou em uma camada intermediária que a adapta, buscando não mexer no sistema de origem.

Os sistemas.

Conectamos os ERPs e CRMs mais usados —SAP, Oracle, Microsoft Dynamics, Odoo, Salesforce, HubSpot—, sistemas de vinte anos atrás e o faturamento eletrônico com as informações do SAT, sem substituir o sistema central e sem interromper a operação.

A IA que já se paga, ou a própria.

Modelos da OpenAI, da Anthropic ou do Google, ou modelos abertos como gpt-oss, Qwen, Mistral ou Llama em servidores da empresa ou em nuvem privada. É possível trocar de um para outro sem refazer a integração, e as duas opções podem conviver: o que é sensível é processado na empresa e o restante usa a IA já paga. Conecta-se a qualquer servidor de modelos compatível com o padrão da API da OpenAI.

Menos custo e menos repetição.

Com a IA contratada, quando o fornecedor permite, organizamos as instruções da empresa para não repetir contexto a cada consulta; medimos custo, velocidade e qualidade antes de recomendar.

Respostas com fonte.

O que muda —preços, apólices, saldos— o modelo consulta nos documentos e sistemas vigentes, com a fonte à mão. Quando convém, adaptamos um modelo aberto ao tom, aos termos e aos formatos da empresa, com os materiais que ela aprovar, e o validamos com casos reais.

Testado antes de recomendar.

Nem todo modelo aberto serve para atender clientes: vários falham ao usar ferramentas ou ao seguir uma cadeia de passos. Cada um passa por nossos testes antes de ser recomendado. Nos nossos testes de setembro de 2026, um modelo aberto roda completo em uma única placa de vídeo de 16 GB e resolve tarefas de vários passos usando ferramentas; na conversa técnica explicamos o que foi medido e com qual critério.

Do tamanho certo.

Medimos em nosso laboratório qual modelo é necessário, quanto ele consegue atender ao mesmo tempo e a que velocidade, antes de a empresa comprar equipamento. A IA proposta é compreendida pela equipe que a propõe.

Depois do lançamento.

Nós a mantemos: ajustes, trocas de modelo e monitoramento, com um serviço mensal.

LLM — a IA que entende e redige.

Entende a pergunta e redige a resposta; não é fonte de dados. Com a IA que a empresa já paga ou com um modelo aberto na infraestrutura dela, atrás de um adaptador por fornecedor.

RAG — a que consulta os documentos.

Busca no conhecimento do negócio antes de responder, com busca híbrida e reordenação; cita a fonte. Nunca responde preços, estoque ou pedidos de memória.

API — a conexão.

A porta única: identidade, permissões por sistema que chama, contrato publicado e versionado, e registro de cada consulta. Inclui o servidor MCP para a IA da empresa e as respostas sem conversa para os sistemas.

Nova — a que conversa.

A conversa pela web e pelo WhatsApp, com identidade verificada para dados pessoais e transferência para alguém da equipe.

Agents — os agentes.

Consultam, comparam e preparam nos sistemas, com três níveis de autonomia configuráveis por cliente e ferramenta; o que movimenta dinheiro ou dados é executado com uma pessoa aprovando.

ML — a previsão.

Prevê por linha e por período, com intervalo; aprende com tabelas organizadas e só é usada se superar uma estimativa simples.

Todo número, data ou política tem que vir de uma fonte, e um programa confere antes de sair. Se falta um dado, isso é dito; não se inventa.

Como construir um conector para o setor da empresa (artigo do blog).

O que o sistema precisa para que um agente o use com controle (artigo do blog).

A Hábil AI com o Hábil MDW e o Hábil Lake

A IA responde tão bem quanto os dados que tem à mão. Se os números da empresa vivem em três sistemas e em uma planilha, a IA herda essa bagunça. O Hábil Lake os concilia primeiro; a IA os usa depois. O Hábil Lake explica o que aconteceu; a previsão da Hábil AI estima o que poderia acontecer, e a IA permite perguntar aos dois.

A Hábil AI e o Hábil Lake são duas plataformas independentes: são contratadas separadamente e nenhuma exige a outra. A Hábil AI funciona com os sistemas que a empresa já tem. Quando a empresa tem as duas, elas se alimentam assim:

Com o Hábil Lake

A IA responde com os números da empresa.

Quando alguém pergunta qual linha vendeu mais ou como anda a cobrança, a resposta sai dos dados já organizados e conciliados do Lake, com consultas definidas de antemão e com as permissões dessa pessoa.

A previsão aprende com dados limpos.

Aprende com as tabelas organizadas do Lake, não com os dados brutos da operação, e o que ela prevê volta para o Lake para ver se acertou.

A informação de produto chega à IA.

As fichas dos produtos, montadas no Lake, alimentam o que a IA sabe do catálogo.

Os documentos, como matéria-prima.

O Lake guarda também os documentos do negócio —contratos, manuais, fichas— como matéria-prima para a IA da empresa.

O de hoje, do sistema.

O preço e o estoque de hoje a IA não tira do Lake: pergunta ao sistema da empresa naquele momento, com a identidade de quem pergunta.

A exclusão é uma só.

Se uma pessoa pede que os dados dela sejam excluídos, o procedimento alcança as duas plataformas.

A IA age tão bem quanto a conexão que tem com os sistemas da empresa. Se cada sistema se conecta por conta própria, a IA herda esse emaranhado e ninguém sabe o que ela tocou. O Hábil MDW conecta primeiro; a IA passa depois pela mesma porta. O Hábil MDW sabe em que pé está cada operação; a IA consulta, explica e prepara o próximo passo, com uma pessoa aprovando.

A Hábil AI e o Hábil MDW são duas plataformas independentes: são contratadas separadamente e nenhuma exige a outra. Quando a empresa tem as duas, elas se alimentam assim:

Com o Hábil MDW

A IA da empresa age pela mesma porta.

Quando um agente da Hábil AI consulta um pedido ou prepara um reembolso, faz isso pela porta com guarda do Hábil MDW, com identidade e permissões próprias e o rastro de cada chamada. O que movimenta dinheiro ou dados é executado com uma pessoa aprovando.

A Nova sabe em que pé está o pedido.

Quando um cliente pergunta pelo WhatsApp em que pé está o pedido, a Nova responde com o estado que o Hábil MDW registra, não com uma suposição.

O rastro é lido pela IA.

Um agente revisa toda manhã as operações paradas, encontra o motivo de cada uma no rastro da plataforma e as deixa para a equipe.

As previsões voltam para a operação.

O que a previsão da Hábil AI estima —por exemplo, a reposição— chega aos sistemas da empresa pelo Hábil MDW, como uma proposta que uma pessoa aprova.

Operações paradas, com o próximo passo.

Quando uma operação para, o Hábil MDW a sinaliza; a IA explica onde parou e por quê, e propõe o próximo passo, que uma pessoa aprova.

As diferenças, em linguagem de negócio.

Quando dois sistemas não batem, o Hábil MDW sinaliza a diferença e a IA a explica em termos de negócio: o que não bate e entre quais sistemas.

Conheça o Hábil Lake: uma única versão dos números da empresa, conciliada com o sistema e no Excel ou no Power BI.

Conheça o Hábil MDW: os sistemas da empresa, enfim de acordo, com o sistema central, o ERP e os canais conectados sem substituí-los.

Como começamos

Em uma primeira conversa, sem custo, escolhemos um processo em que hoje se perde tempo, dinheiro ou clientes.

1

A empresa nos escreve por WhatsApp informando o setor, a função e o sistema principal.

2

Agendamos 45 minutos com um arquiteto da Hábil.

3

Pedimos o processo, os sistemas que ele toca e o volume aproximado. Não pedimos acessos nem dados dos clientes.

4

A empresa sai com um mapa de um processo com IA: o processo candidato, os dados de que precisa, os riscos, o papel da pessoa e como se mede o sucesso. Diz o que a IA faria, o que a equipe continuaria fazendo e com quais controles, e se convém ou não avançar.

5

Se convém: um projeto com indicador, critério de saída, e escopo e custo acordados antes de começar, incluindo o custo de processamento com teto definido. Na proposta definimos também os entregáveis e a documentação técnica correspondente, a responsabilidade de cada parte, a propriedade do que for construído, o esquema de suporte e de atendimento a incidentes, e os controles de segurança do ambiente da empresa.

O caminho é: diagnóstico → proposta com escopo, custo e risco → teste com critério de saída → operação.

Trabalhamos com poucos clientes por vez: o arquiteto que revisa o diagnóstico acompanha o projeto até o fim.

Dizemos que não quando o processo não tem volume suficiente, quando a regra muda toda semana ou quando um erro custa mais do que economiza.

Relacionado

Assim se vê a IA sobre dados reais: pergunte aos CFDI em linguagem natural (conversa de exemplo).

Ver o Cuadre

A mesma camada que conecta os sistemas da empresa é a que dá à IA acesso aos dados

Integração de sistemas

Cada consulta da IA herda as permissões da pessoa

Controlar quem entra

Perguntas frequentes

O que nos perguntam antes de começar

  1. Não. Podemos trabalhar com a que a empresa já tem —ChatGPT, Copilot, Gemini ou Claude— ou com uma instalada nos servidores dela.

  2. A empresa decide. Se escolher a IA instalada nela, a informação é processada nos servidores que definir; antes de operar, acordamos quais dados circulam e onde.

  3. Sim, por isso ela responde com dados dos sistemas da empresa, cita de onde os tirou e deixa o que é importante nas mãos de uma pessoa. E, antes de operar, é testada com casos reais.

  4. Funciona especialmente bem onde há apólices, créditos, cobrança, sinistros ou atendimento a clientes com muito volume, de qualquer porte.

  5. Sim. São contratadas separadamente ou em conjunto.

  6. O processo, os sistemas que ele toca e o volume aproximado. Não precisamos de acessos nem de dados dos clientes na primeira conversa.

  7. Não. O investimento fica na conexão com os sistemas, nos documentos, nos controles e nos testes; a conexão é desenhada para permitir a troca de modelo sem refazer a integração.

  8. Depois de operar, mantemos em conjunto com a empresa (ajustes, trocas de modelo e monitoramento). E cada decisão que afeta uma pessoa conserva o motivo para que uma pessoa possa revisá-lo; o detalhe jurídico está na seção de Compliance.

  9. O escopo e o custo são acordados antes de começar, incluindo o custo de processamento com teto definido.

  10. Só o que a empresa permitir. Cada agente tem um nível: consultar e avisar, propor para que uma pessoa aprove, ou automatizar dentro de limites que a empresa fixa. O que movimenta dinheiro ou dados é executado com uma pessoa aprovando, e cada decisão fica registrada.

  11. Sempre vem com um intervalo, não com um número único, e só é usada se superar as formas simples de estimar. O que ela prevê fica guardado e é comparado com o que de fato aconteceu, para que a empresa veja se acerta.

A pergunta não está aqui?

Vamos conversar sobre o seu caso. Em 45 minutos dizemos se convém, o que depende dos sistemas e qual risco deve ser resolvido antes de avançar.