Conheça o projeto: Sistema de governança de riscos – Marketplace
Video de Demonstração do Projeto
📝 Detalhes do Projeto
O Problema de Negócio
Em plataformas de e-commerce massivas como o Mercado Livre, Magalu e Amazon, o modelo de negócios de marketplace responde por mais de 50% do volume bruto de mercadorias. Contudo, a descentralização atrai riscos severos:
- Impacto Financeiro Direto: Fraudes transacionais, golpes aplicados no chat e inadimplência de linhas de crédito geram prejuízos milionários diretos por meio de estornos (chargebacks), além de custos jurídicos com processos de consumidores.
- Impacto Operacional e de Escala: Analisar manualmente milhares de denúncias diárias de pirataria (Brand Protection), problemas de postagem ou fraudes de identidade gera um gargalo insustentável. O tempo médio de resposta (SLA) humano é de horas, permitindo que lojistas maliciosos continuem lesando clientes.
- Impacto Reputacional: A permanência de anúncios falsificados ou golpes de entrega mina a confiança do consumidor na marca do ecossistema, reduzindo o Customer Lifetime Value (LTV) global.
Visão Geral do Produto
Sistema de resposta rápida a riscos operacionais e de segurança criado para proteger a integridade transacional do marketplace. O produto atua como uma ponte inteligente entre logs de canais de atendimento e as ações automatizadas de bloqueio e segurança do sistema. A solução reduz o tempo de resposta a incidentes críticos de horas para segundos (automação em tempo real), mitiga fraudes antes do saque dos valores e reduz os custos de infraestrutura de IA através do padrão Router
Objetivos de Negócio (KPIs)
- Reduzir o MTTR (Mean Time to Resolution): Sair de uma média de 4 horas de análise de denúncias para menos de 5 segundos.
- Garantir Confiabilidade Sintática: Alcançar 100% de estabilidade nas ações sistêmicas utilizando validação Pydantic de ponta a ponta.
- Otimização de Custos de Cloud (FinOps): Manter o custo médio de processamento de alertas abaixo de R$ 0,02 por evento usando a arquitetura Router.
Como Funciona a Solução
O operador do marketplace ou um webhook automático insere um log de texto informando um comportamento irregular ou denúncia contra uma loja parceira.
O Agente Router lê o texto usando o modelo de linguagem e converte a intenção semântica em um objeto JSON contendo a squad responsável e o nível do risco.
Com base nessa classificação, o sistema invoca o Agente Especialista daquela assunto. Esse especialista aciona de forma segura uma função Python pura que altera os dados do lojista no banco (ex: bloqueia saques ou remove anúncios) e escreve um parecer técnico detalhado detalhando o impacto e a lei interna aplicada. Tudo isso contornado por uma malha de proteção que impede falhas caso os servidores da IA estejam instáveis.
Stack Tecnológico
- LLM (Large Language Models): Geração distribuída usando os modelos generativos de última geração da Google.
- Engenharia de Prompts: Técnicas avançadas de injeção de personas, restrições comportamentais e delimitação contextual.
- Autenticação e Integração Segura de APIs: Mascaramento e consumo dinâmico e efêmero de tokens de acesso por meio de formulários interativos.
- Padrão Agêntico Router: Padrão de design estruturado para realizar triagens cognitivas e direcionamento de dados de forma assíncrona ou em lote, reduzindo o uso de tokens.
- Arquitetura de Fallback Baseada em Resiliência (SRE): Algoritmo automatizado que intercepta falhas parciais em chamadas de nuvem de modelos de entrada (Flash) e redireciona a execução para instâncias robustas (Pro).
- Estruturação de Dados com Pydantic Guardrails: Validação forçada em tempo de execução garantindo saídas JSON estritas e determinísticas que evitam alucinações sintáticas.