A IA por trás do atendimento: três modelos, um fallback automático

Três modelos, uma única configuração

Claude, GPT e Gemini estão implementados como opções intercambiáveis dentro do SDRBOT.ai — cada um com sua própria integração, mas todos respondendo ao mesmo conjunto de instruções, produtos e regras de qualificação configurados pela sua organização. Trocar de provedor não significa reconfigurar o agente do zero.

A escolha do provedor padrão é feita direto nas configurações da conta, entre Anthropic, OpenAI, Gemini ou o padrão do sistema — sem depender de suporte técnico para mudar. Isso permite, por exemplo, testar qual modelo se sai melhor no tom de voz do seu negócio e trocar sem perder nenhuma configuração já feita.

Quando um provedor falha, o outro assume

Se a chamada ao provedor de IA escolhido falhar — API fora do ar, limite atingido, erro de resposta —, o SDRBOT.ai detecta a falha na hora e reenvia a mesma conversa para um segundo provedor automaticamente, dentro da mesma mensagem, sem o lead perceber que algo deu errado do outro lado. Não é preciso reiniciar a conversa nem esperar alguém do seu time perceber a falha para agir.

A escolha de para quem cair depende de qual provedor falhou: se foi o padrão da organização, a tentativa seguinte vai para o provedor de fallback; se foi o próprio fallback que falhou, a tentativa volta para o padrão. E se o provedor que falhou não for nem um nem outro, o sistema ainda tenta qualquer outro provedor disponível antes de desistir — a conversa só fica sem resposta se todos os provedores configurados estiverem fora do ar ao mesmo tempo, um cenário raro.

Cada tentativa fica registrada nos logs de uso de IA da organização, com o provedor que respondeu de fato e se houve fallback — dado que ajuda o gestor a entender se um provedor específico está instável, sem precisar caçar isso em nenhuma ferramenta externa.

Um modelo dedicado para ler o tom da conversa

Além de gerar as respostas da conversa, o SDRBOT.ai roda uma análise de sentimento em cada mensagem recebida, usando um modelo configurado especificamente para tarefas rápidas desse tipo, com o mesmo mecanismo de fallback caso esse modelo específico falhe. O resultado alimenta o histórico da conversa e ajuda a identificar leads insatisfeitos antes que a situação piore.

Essa mesma camada de IA participa da detecção de pedidos de descadastro (opt-out) como uma segunda checagem, além da regra explícita de texto — reduzindo a chance de continuar mandando mensagem para quem já pediu para parar.

Resumo de conversa gerado sob demanda

Quando o atendente precisa se situar rápido numa conversa longa, um clique gera um resumo escrito pela IA com os principais pontos discutidos, o nível de interesse do lead e os próximos passos sugeridos — usando o mesmo motor de IA com fallback, então continua funcionando mesmo se o provedor principal estiver instável no momento.

Esse resumo fica guardado por um tempo depois de gerado, para não reprocessar a mesma conversa repetidamente, e tem um limite diário de geração por organização — o suficiente para o uso do dia a dia sem gerar custo de IA desnecessário. Se o resumo em cache já não refletir bem o andamento da conversa, porque várias mensagens novas chegaram depois dele ter sido gerado, um botão de atualizar força uma nova geração, descartando a versão anterior em vez de deixar o atendente lendo um retrato desatualizado da negociação.