Perguntas frequentes

Um agente de IA é uma aplicação que une um modelo de linguagem (a capacidade de raciocinar) a ferramentas (a capacidade de agir) para cumprir um objetivo: em essência, “um modelo de linguagem em um loop, usando ferramentas para realizar uma tarefa”.

Diferente de um modelo que só responde a um comando, o agente planeja, age e observa o resultado, repetindo o ciclo até concluir a missão, com pouca ou nenhuma intervenção humana a cada passo.

Um chatbot tradicional segue uma troca única: você pergunta e ele responde com base em regras ou em texto. Um agente de IA opera em um ciclo de cinco passos: receber a missão, analisar o contexto, raciocinar e planejar, agir usando ferramentas e observar o resultado para decidir o próximo passo.

Isso permite resolver tarefas de várias etapas (como consultar um pedido, verificar o estoque e responder com uma informação real) em vez de devolver um texto pré-programado.

Eles fundamentam a resposta em conhecimento autoritativo antes de responder, uma técnica chamada RAG (geração aumentada por recuperação). Em vez de responder só com o que o modelo “lembra”, o agente consulta documentos, bases de dados ou sites confiáveis, como uma “carteirinha de biblioteca”, e baseia a resposta em fatos.

Isso reduz drasticamente as alucinações e permite citar a fonte de cada resposta.

Além de responder, um agente pode agir no mundo real por meio de ferramentas: enviar um e-mail, agendar uma reunião, atualizar um cadastro em um CRM ou consultar um banco de dados.

É o que transforma um assistente de uma simples fonte de informação em um que realiza tarefas de ponta a ponta.

Em vez de um único “superagente” todo-poderoso, um sistema multiagente é uma “equipe de especialistas”, muito parecido com uma organização humana. Um agente coordenador divide a tarefa e encaminha cada subtarefa a um agente especializado, e depois reúne os resultados em uma resposta final.

Dividir o trabalho assim torna processos complexos mais simples de construir, testar e manter.

Pode ser, desde que construída com as práticas certas. As boas plataformas usam defesa em profundidade: barreiras determinísticas (regras rígidas que limitam o que o agente pode fazer), permissões de menor privilégio, identidade própria para cada agente e um ponto de revisão humana (human-in-the-loop) antes de ações sensíveis.

Assim o agente fica dentro de limites previsíveis e auditáveis, mesmo diante de tentativas de manipulação como a injeção de prompt.

RAG, sigla de “retrieval-augmented generation” (geração aumentada por recuperação), é a técnica de fundamentar as respostas de um modelo em uma base de conhecimento externa: antes de responder, o sistema recupera os trechos relevantes dos seus documentos e os usa como contexto.

Assim a resposta fica ancorada nos seus próprios dados, em vez de depender apenas do que o modelo memorizou no treinamento: mais precisa, atualizável e verificável.

Na Charla usamos recuperação agêntica: é o próprio assistente que decide quando consultar a base de conhecimento, acionando a busca como uma ferramenta e sob demanda, em vez de receber trechos injetados de forma passiva.

O MCP, ou Model Context Protocol, é um padrão aberto para conectar agentes de IA a ferramentas e dados externos. Funciona como uma “tomada universal”: em vez de uma integração sob medida para cada serviço, o agente fala uma língua comum com qualquer ferramenta compatível.

A Charla se conecta a sistemas externos como cliente MCP, o que permite ampliar o que um assistente consegue fazer ligando-o a aplicações e fontes de dados de forma padronizada e reutilizável.

Não da forma que importa: a postura da Charla é propor e então aprovar. Mudanças de conhecimento e de configuração entram como propostas revisáveis, que precisam de aprovação humana antes de ter efeito.

Há ainda uma trava de escopo opcional, uma espécie de firewall semântico, que recusa pedidos fora do propósito do assistente, e orçamentos por assistente que limitam o gasto.

Na prática, as pessoas seguem no controle das ações de maior consequência, combinando a velocidade do assistente com o julgamento humano.

A Charla é uma plataforma para criar assistentes de IA agênticos, as “Soluções Agênticas”, que entendem o seu negócio, respondem em qualquer idioma e atendem onde os seus clientes já estão: o seu site, um link público ou o WhatsApp.

Cada Charla não é um modelo solitário com ferramentas, e sim um time de agentes especializados que trabalham juntos (respondendo, criticando e até criando novos agentes), cada um com conhecimento, persona e permissões próprios.

Seguindo os cinco níveis de sistemas agênticos da Google, a Charla opera hoje no Nível 3 (um sistema multiagente colaborativo) com um pé no Nível 4. Ela vai muito além de um chatbot que consulta uma base (Nível 1) ou de um único agente que planeja (Nível 2).

Dentro de cada Charla, um time de agentes especializados trabalha junto: o agente que responde atua ao lado do Steve, que critica cada resposta contra um padrão-ouro (o padrão “gerador e crítico”), e da Charlie, que cria novos agentes de forma interativa, com uma pessoa no comando.

Não. Você monta um assistente em minutos no painel visual, sem escrever código. Mas, se a sua equipe programa, dá para ir além: a Charla oferece API REST, streaming SSE, conexões MCP e skills sob medida.

Sem código, se quiser; com código, se precisar.

Muito mais que um chatbot. A Charla entende uma base vasta (documentos, planilhas e imagens), atende clientes, integra-se aos seus sistemas e APIs e automatiza fluxos inteiros, tudo dentro da sua marca.

Ela transforma fontes desorganizadas em saída estruturada (planilha, apresentação ou banco), consulta grandes bancos de dados em linguagem natural para devolver relatórios analíticos e usa modelos de machine learning (previsão, recomendação e otimização) como ferramentas a serviço dos seus KPIs.

A Charla é multilíngue de verdade: entende e responde em qualquer idioma mantendo o tom da sua marca, e a interface saúda os visitantes em 13 idiomas.

Por meio de ferramentas agênticas: API REST e streaming SSE para integrar à sua stack, conexões MCP para plugar ferramentas externas e skills versionadas para criar habilidades próprias.

Cada ação fica registrada e auditável, e toda mudança entra como proposta para você revisar e aprovar: nada acontece no escuro.

Defina um teto mensal de créditos por assistente; ao atingir o limite, ele pausa sozinho, sem surpresas na fatura. Cada Charla também tem isolamento total, com conhecimento, persona e permissões próprios.

É só falar com o nosso time de vendas pelo WhatsApp ou por e-mail (contato@charla.ia.br); a gente ajuda a configurar e publicar o seu primeiro assistente em poucos passos.

O uso é medido em créditos, em que 1 crédito equivale a US$ 0,01 de custo do provedor de IA. Isso torna o consumo transparente e diretamente ligado ao que cada assistente efetivamente processa.

O gasto pode ser limitado por assistente com um orçamento mensal: um limite suave dispara alertas ao se aproximar do teto, e um limite rígido pausa o assistente ao atingi-lo, evitando surpresas.

Os valores e as cotas são definidos comercialmente com o time da Charla, de acordo com o seu caso de uso. Fale com a gente para montar a configuração ideal.

Cada assistente é isolado: tem a sua própria base de conhecimento e a sua própria lista de acessos, de modo que o conhecimento e as permissões de um não vazam para o outro. O acesso é controlado por papéis, com permissões de escopo definido.

As ações privilegiadas e as chamadas de ferramentas ficam registradas em um log de auditoria somente-acréscimo. Segredos e credenciais são criptografados e guardados em um gerenciador de segredos, o tráfego é criptografado em trânsito (TLS) e as conexões com ferramentas externas são seladas por credencial e protegidas por controle de saída.

Importante: a Charla não possui, no momento, uma certificação formal de conformidade. Os pontos acima descrevem práticas de segurança da plataforma, e não certificações.

Um assistente da Charla pode atender no aplicativo web autenticado, no WhatsApp, por uma URL de chat pública e compartilhável e por um widget incorporável no seu site.

Assim você escolhe levar o mesmo assistente até onde os seus clientes já estão: internamente, em uma página pública ou dentro do seu próprio site.

A Charla é agnóstica de modelo por design: o modelo é uma camada intercambiável, o que evita o aprisionamento a um único fornecedor e permite acompanhar a evolução da tecnologia.

A geração atual roda sobre o Gemini, do Google, via Vertex AI.