Cada conversa aceita se torna dez dimensões tipadas de inteligência estruturada.

A conversa é o material bruto. As dez dimensões são a estrutura que a plataforma impõe a cada conversa aceita. O conjunto é estável em formato por vertical: cada vertical recebe dez dimensões, com duas ou três substituições dependendo do que a força de trabalho realmente sabe. O varejo recebe um conjunto. O consultivo substitui o comportamento por segmento de cliente por indicadores de economia de engajamento. Restaurantes substituem o mapa de percepção de marca pela variância operacional no nível de turno. O número permanece em dez.

Dez é um número calibrado. Cinco colapsa as dimensões umas nas outras e perde a comparabilidade entre mercados. Vinte fragmenta o sinal em muitos campos, cada um insuficientemente alimentado por qualquer conversa individual. Com dez, uma entrevista de quinze a quarenta e cinco minutos produz densidade suficiente por dimensão para suportar agregação entre conversas, e poucos campos para que o esquema permaneça consultável como um único objeto. A calibração é empírica. O conjunto foi refinado ao longo de dois anos de trabalho antes da primeira implantação comercial.

As dez dimensões acima constituem o conjunto de varejo. Para o consultivo, o comportamento por segmento de cliente é substituído por indicadores de economia de engajamento (realização de taxas, desvio de escopo, alavancagem de sócios). Para restaurantes, o mapa de percepção de marca é substituído pela variância operacional no nível de turno (como o mesmo estabelecimento se desempenha nos serviços da manhã, almoço e jantar). Para farmácias, o risco regulatório e de conformidade recebe maior peso, e a pontuação de prontidão para IA é calibrada para um contexto de dispensação regulamentada.

O padrão geral: cada vertical mantém dez dimensões e substitui duas ou três em relação ao conjunto de varejo. O esquema é portátil entre verticais. A metodologia de substituição é documentada por vertical e acompanha a implantação.

A maioria dos sistemas de entrevista por IA processa cada conversa e filtra depois. A desvantagem é que conversas ruins poluem os agregados que o painel reporta. A plataforma usa o design oposto. Um portão determinístico é executado antes de qualquer chamada LLM: chamadas abortadas (menos de sessenta segundos, menos de seis mensagens, menos de quatro linhas de transcrição limpa) e chamadas de baixo sinal (menos de duzentos caracteres do usuário, ou uma média de turno abaixo de quinze caracteres combinada com um turno mais longo abaixo de quarenta caracteres) falham no portão.

Quando o portão é acionado, a pontuação de qualidade é definida como zero, o motivo é registrado e o pipeline encerra. Nenhum token LLM é consumido em uma conversa que não produzirá sinal. Os limiares (sessenta segundos, duzentos caracteres) são empíricos. Foram calibrados no corpus piloto. São rastreados como parâmetros e ajustáveis por vertical.

Um segundo portão é executado após o pipeline LLM. Se a chamada de extração de inteligência sinalizar uma riqueza como "fraca", ou se a chamada de limpeza de citações sinalizar cada verbatim como de baixo valor, ou se a auditoria de qualidade sinalizar a usabilidade dos dados como "baixa", a conversa é marcada como caso atípico e excluída da visão executiva. O registro é preservado para auditoria. Não é excluído.

A profundidade de engenharia está no site de documentação (vinculado abaixo). Em nível metodológico, o pipeline faz cinco coisas em uma ordem específica, com propriedades de atomicidade específicas.

Chamada 1, extração de inteligência. A transcrição é convertida em pontos de atrito estruturados, oportunidades, ameaças, surpresas, contradições, um perfil do respondente e zero a oito verbatims-chave. Cada verbatim deve ser uma substring literal de um turno real do trabalhador. Um filtro de alucinação verifica isso após a chamada. Uma citação inventada é excluída, nunca reescrita.

Chamada 2, limpeza de citações. Trabalho mecânico em um modelo mais econômico. A citação verbatim é o registro legal e nunca é modificada. Uma versão longa de exibição remove preenchimentos sem reformulação. Uma versão curta de exibição extrai a cláusula de opinião de marca mais forte de dentro da versão longa. O registro em francês do Quebec permanece intacto.

Chamada 3, mapeamento de percepções. Executada separadamente da extração de inteligência para que o modelo não colapse as duas em uma única passagem. Bruto primeiro, estrutura depois. Uma verificação de contaminação cruzada é executada após esta chamada: qualquer campo de percepção de marca que mencione um concorrente ou produto que o trabalhador nunca nomeou é apagado e sinalizado.

Chamada 4, auditoria de qualidade. Um agente independente avalia o agente de entrevista em seis KPIs de protocolo em cada conversa. O prompt de auditoria referencia a mesma especificação de protocolo que configura o entrevistador. Ambos os lados se ancoram no mesmo documento, de modo que a auditoria não pode se afastar silenciosamente do protocolo que está medindo.

Chamada 5, tradução. Strings analíticas são traduzidas do francês para o inglês para que o painel possa servir usuários anglófonos. O verbatim no idioma de origem nunca é traduzido. Permanece em seu idioma original como registro de proveniência.

Pontuação determinística. Sem LLM. Uma fórmula combina riqueza (contagens de inteligência extraída, com limites), profundidade (contagem de turnos, comprimento do turno mais longo, duração) e execução (as seis pontuações de KPI da auditoria) em um composto de zero a cem. A fórmula é auditável. Um cliente pode solicitar o cálculo exato que produziu qualquer pontuação em seu corpus.

Uma conversa executa um pipeline. Uma falha apaga todo o estado parcial e a nova tentativa começa do zero. Não há registro de enriquecimento parcial no banco de dados.

O pipeline executa quatro controles que detectam os modos de falha que a maioria dos pipelines ignora. Verificação de desvio de prompts. Cada prompt de sistema é registrado por hash SHA-256. Um hash implantado que não corresponde à versão registrada faz a chamada falhar. Filtragem de alucinações. Cada verbatim-chave é verificado como substring literal de um turno real do trabalhador antes da persistência. Verificação de contaminação cruzada. Campos de mapeamento de percepções que introduzem entidades que o trabalhador nunca nomeou são apagados e sinalizados. A trilha de auditoria de enriquecimento. Cada chamada LLM escreve uma linha em uma tabela de auditoria somente de acréscimo: versão do pipeline, versão do prompt, identificador do modelo, contagens de tokens, duração, status. A tabela nunca é excluída.

Os mecanismos por trás desses controles estão documentados em detalhe em Confiança e Segurança.