Como a Just AI Ajudou um Banco a Quebrar o Teto da Automação com Agentes LLM

A equipe Just AI publicou uma análise de um caso real: como transicionar o suporte ao cliente de um banco de bots baseados em NLU para agentes LLM sem acabar com uma onda de alucinações em vez de crescimento de automação.

O Teto que Não Se Pode Contornar

Quando cenários de NLU crescem para centenas de ramos, adicionar novos diálogos para de ajudar. O bot começar a cometer erros em casos extremos, exige suporte constante de marcação e não consegue lidar com formulações não padrão. O percentual de automação estagna.

O banco enfrentou exatamente isso: um sistema maduro de NLU para cashback tinha atingido seu limite. O problema não era na qualidade da configuração — o problema era na arquitetura.

Bots de NLU clássicos operam em regras rígidas: conseguem reconhecer as intenções em que foram treinados, mas lutam com variações semânticas e contexto dentro de diálogos longos.

O Que Mudou com Agentes LLM

Just AI propôs uma transição para uma arquitetura de agentes LLM. Em vez de uma árvore de cenários rígida — um modelo de linguagem que entende o significado das solicitações, mantém o contexto e gera respostas com base em bases de conhecimento atuais.

Mudanças principais no sistema:

• Classificador de NLU substituído por compreensão de LLM — incluindo paráfrases e formulações não padrão
• Suporte para diálogos de múltiplas rodadas com preservação de contexto
• Respostas construídas a partir da base de conhecimento do banco, não scripts hardcoded
• Um agente-juiz introduzido que valida cada resposta antes de enviar
• Se uma resposta não for confirmada pela fonte — ela é bloqueada e o cliente é encaminhado para um agente vivo

Agente-Juiz Contra Alucinações

O principal risco ao implementar LLM no suporte bancário é as alucinações: o modelo pode relatar com segurança condições incorretas de cashback ou regras inexistentes. Para um banco, isso não é apenas uma UX ruim — é risco regulatório e reputacional.

Just AI resolveu isso através de verificação em dois níveis. O primeiro agente gera uma resposta. O segundo — o agente-juiz — verifica contra a base de conhecimento original. O cliente recebe uma resposta correta ou é transferido para um agente ao vivo.

"O teto de automação não é um bug, é um limite arquitetural do NLU.

Ajudamos o banco a quebrar isso mudando a tecnologia, não ajustando configurações," — Just AI.

O Que Isso Significa

A transição de bots de NLU para agentes LLM não é uma atualização, é uma mudança de paradigma. Para bancos e outras empresas reguladas, isso é apenas possível com controle de qualidade integrado: o agente-juiz se torna um componente arquitetural obrigatório, não uma opção.