E.C.H.A.: a engenharia por trás da Gaia que decide antes de “pensar”

Se você coloca um modelo de linguagem (LLM) para responder toda mensagem de WhatsApp, três coisas acontecem rápido:

1. Custo sobe — cada “oi”, “obrigado” e “qual o horário?” gasta tokens.
2. Latência sobe — o cliente espera o modelo “pensar” no óbvio.
3. Controle some — fica difícil auditar por que a IA falou X, ou por que escalou para humano.

A Gaia do Prosync nasceu para atender negócios reais: CRM, horários, handoff, base de conhecimento, campanhas. Para isso, não bastava “ligar um chat GPT no WhatsApp”. Era preciso engenharia.

Foi daí que trouxemos, de forma pragmática, a metodologia E.C.H.A. — Engenharia · Cognição Híbrida · Holística — adaptada ao nosso monólito (Next.js + Postgres), sem montar um data center de microsserviços.

O que é E.C.H.A. (em português claro)

Pense em três pilares:

• E — Engenharia: eventos confiáveis, filas leves, recuperação — outbox no Postgres + cron que drena eventos.
• C — Cognição híbrida: regras simbólicas antes do LLM — policy engine + log de decisões.
• H — Holística: aprender com feedback e governar a operação — candidatos de aprendizado + painel Admin.

A frase que resume tudo:

A Gaia não começa perguntando ao modelo. Ela começa perguntando às regras.

Só quando as regras dizem “aqui precisa de linguagem natural” é que o LLM entra.

O funil de decisão: o porteiro da conversa

Fast-path: quando a resposta boa é a resposta curta (e barata)

Respostas mais humanas (sem teatralidade)

Engenharia boa também é UX:

• Limite de caracteres e frases no chat
• “Digitando…” + pausa proporcional ao tamanho da resposta no WhatsApp
• Mensagens de espera genéricas quando a IA está indisponível — sem jargão de “rate limit”, “Groq” ou “chave inválida” para o cliente final

O cliente do SaaS vê conversa de negócio. A Taggo (Admin) vê saúde da plataforma.

SaaS de verdade: técnico no Admin, negócio no CRM

O que propositalmente não construímos

E.C.H.A. original pode sugerir um ecossistema pesado. No Prosync, o critério foi outro: máximo de controle com o mínimo de superfície operacional.

De fora, de propósito: microsserviços só por moda, Kafka/RabbitMQ obrigatórios, Neo4j, Drools, treinar transformer próprio.

Dentro: tabelas Postgres (decision log, outbox, learning candidates, settings), policy engine puro e o cron que já existia no Conversas.

Isso é engenharia de produto: entregar o efeito da metodologia sem o custo de um laboratório.

Como medir se está funcionando

No Admin, o “termômetro” de governança responde:

• Quantas decisões no período?
• Qual % foi sem LLM?
• Qual % foi fast-path?
• Quanto foi handoff vs suppress?
• Há sinais de mal funcionamento (chave, rate limit, erros)?

Se “Sem LLM” sobe com qualidade estável, a engenharia está fazendo o trabalho dela: reservar o modelo para o que precisa de linguagem.

Conclusão

A Gaia não ficou “mais mágica”. Ficou mais seletiva.

E.C.H.A. no Prosync é a disciplina de:

1. Decidir com regras antes de gastar cérebro
2. Responder rápido o que já sabemos
3. Chamar o LLM só quando a conversa exige
4. Auditar e governar no Admin — não no colo do cliente

É assim que IA de atendimento escala em SaaS: menos teatro, mais porteiro bem treinado, e um especialista (o modelo) chamado na hora certa.

Quer ver a Gaia decidir com método no seu atendimento? Conheça o Prosync Conversas e teste o fluxo no ambiente de treino — comece no Prosync.