Cases

Uma grande empresa de suprimentos precisava de apoio para agilizar suas cotações. Veja como a inserção de IA Generativa revolucionou os processos na Gimba!

Sobre a o cliente A primeira fintech especializada em importação para empresas no Brasil e América Latina oferece soluções financeiras de crédito, financiamento e câmbio, assim como soluções tecnológicas que facilitam, simplificam e unificam em uma única plataforma. A empresa se destaca por três pilares fundamentais: Tecnologia: Equipe de programadores especializados em soluções inovadoras. Financeiro: Expertise em finanças para identificar os melhores produtos e potencializar resultados. Importação: Origem no comércio exterior com uma longa história em uma das principais tradings do Brasil. O desafio A atuação da empresa acontece através de Sales Development Representative (SDRs) que geram oportunidades de negócio através de diversos contatos com clientes, incluindo ligações telefônicas diretas com os leads. O desafio de negócio era extrair métricas de qualidade dessas ligações e garantir a melhor utilização do pitch, aumentando a qualidade da operação dos SDRs e a conversão de mais oportunidades de negócio. Anteriormente, todo o processo de análise das ligações para identificar pontos de melhoria no atendimento, adaptações do pitch e avaliação da qualidade dos atendimentos era realizado manualmente pelo gestor, que ouvia o áudio de cada ligação e fazia as análises. Para conseguir gerar relatórios automatizados para auxiliar o gestor na análises dessas ligações, a e-Core apoiou a fintech com uma solução personalizada de inteligência artificial utilizando os recursos da AWS. A solução A solução começa com a utilização das gravações das ligações telefônicas dos SDRs com os leads. O primeiro passo foi criar um pipeline de processamento para transformar as gravações em texto. Com a transcrição da gravação, utilizamos IA Generativa para realizar a avaliação da ligação. Desenvolvemos um prompt para avaliar o diálogo entre o SDR e um lead, analisando pontos como aderência ao pitch de vendas, habilidades de comunicação, apresentação do produto e serviço oferecido pela empresa. O resultado final dessa análise consiste em um feedback construtivo voltado aos pontos de melhoria, desenvolvimento e motivação para o SDR. Utilizamos um modelo de IA generativa para transformar automaticamente as transcrições das chamadas em dados estruturados com o uso do Amazon Bedrock, extraindo e organizando campos essenciais, e gerando feedback construtivo para melhorar a atuação do SDR. O arquivo resultante é armazenado em um bucket AWS S3 e também enviado para a área do gestor na plataforma da companhia através de uma fila AWS SQS. Abaixo, você confere a arquitetura da solução personalizada criada pela e-Core: O resultado O processo de análise das ligações, que antes demandava tempo e esforço considerável do gestor, agora é automatizado, permitindo feedback imediato tanto para o SDR quanto para o gestor logo após a ligação. A escalabilidade da solução possibilita o processamento de 200 áudios em apenas 2 minutos, algo impossível de ser alcançado manualmente. Além disso, o custo da solução automatizada é menor do que o custo de uma pessoa realizando a mesma tarefa manualmente. A automação não só reduziu o tempo médio de análise das ligações, como também proporcionou o levantamento de métricas detalhadas para todas as ligações realizadas, como tempo médio de ligação, qualidade da ligação e produtividade dos SDRs. Com o feedback de todas as ligações, foi possível aumentar o tempo médio de ligação em 50%, indicando assim maior engajamento do cliente, e a efetividade das ligações em 20%. Essas melhorias refletem diretamente na qualidade do atendimento e na conversão de oportunidades de negócio, solidificando a empresa como uma fintech inovadora e eficiente no setor de importação.

Sobre o cliente Com 1 milhão de CPFs registrados, com expectativa de crescimento para pelo menos 60 milhões, a empresa do setor financeiro atua com o objetivo de diminuir a inadimplência, reduzir custos e manter uma boa relação com os clientes. Para tanto, oferece uma solução de gerenciamento de recebíveis, automatizando processos e fluxos de mensagem, sendo a Via Varejo um dos seus principais clientes. Desafio Após a migração para a solução DaaS, a empresa enfrentou desafios em sua infraestrutura legada, que revelou-se inadequada e onerosa devido às altas despesas com licenças de servidores SQL e o custo de infraestrutura necessário para executar a solução. Posteriormente, a empresa reconheceu a urgência de ajustar sua arquitetura para otimizar a satisfação dos clientes, incluindo a implementação de processamento de mensagens em lotes e a criação de ambientes segregados para clientes específicos. A Solução A companhia optou por migrar sua infraestrutura da Azure para a AWS com apoio da e-Core, visando uma migração seguindo o modelo de Replatform, porém com ajustes planejados para otimizar o desempenho e a eficiência operacional durante as 2 primeiras fases do projeto. Esses ajustes incluem: Processamento de disparos de mensagens em lote, em vez de individualmente, para melhorar a eficiência e reduzir o tempo de processamento. Criação de ambientes com IaC (Infrastructure as Code) separados para clientes específicos, garantindo maior segurança e flexibilidade na gestão dos dados. Atualização do pipeline para implantação da infraestrutura e construção de um novo pipeline para deploy. O processamento feito em lote foi modernizado para uma função AWS Lambda, antes estava alocado em uma máquina virtual na Azure. Como o AWS Lambda é um serviço de computação serverless, somente quando uma mensagem chegar na fila esse recurso será executado. Isso reduziu o tempo de ociosidade que ocorria no modelo anterior, que era de aproximadamente 12 horas por dia. Como o tempo ocioso gera desperdício de recursos, o pagamento por utilização gerou também uma economia de custo. Anteriormente, a criação de recursos era pensada para ser feita de forma manual, podendo trazer inconsistência entre os ambientes e risco de falha humana. Após a migração para AWS, foi criado um template em IaC utilizando Terraform para onboarding de novos clientes que precisassem de uma ambiente de processamento dedicado. Com os templates de ambiente desenvolvido, foi possível garantir que todos os clientes possam ter a mesma configuração de infraestrutura já desenhada para atender a demanda e diminuição do tempo de provisionamento do novo ambiente. Devido a restrição de tempo do projeto foi decidido manter o Azure DevOps como pipeline de implantação das aplicações durante a primeira e segunda fase do projeto, mudando a configuração do pipeline para que fosse o invocador dos serviços AWS que a solução utiliza. O Elasticbeanstalk é o serviço principal usado nas aplicações e, como ele já oferece a possibilidade de rollback e versionamento das aplicações e outras funcionalidades relacionadas a CI/CD, o Azure DevOps ficou responsável somente pelo armazenamento do código, acionamento do Beanstalk e execução dos templates em Terraform desenvolvido, com o objetivo de nas próximas fases do projeto migrar o Azure DevOps para uma solução de terceiros ou para o CodeCommit com CodePipeline Resultados Com o uso de templates IaC desenvolvido em Terraform, o provisionamento de ambiente para novos clientes que poderia levar até 2 dias em média caiu para menos de 4 horas e todo o deploy das aplicações podem ser controlado de forma centralizada com o uso do ElasticBeanstalk como serviço de orquestração de computação. A migração da infraestrutura da Azure para AWS com o apoio da e-Core resultou em uma operação mais eficiente e econômica. A transformação arquitetural dos processos de disparos (E-mail, SMS, Whatsapp e URA) e geração dos boletos diminuiu o tempo de execução de mais de 5 horas para pouco menos de 10 minutos, gerando um retorno de investimento aprimorado das campanhas para os clientes e criando uma estrutura escalável. Além disso, a modernização desses dois processos resultou numa diminuição de custos totais de cloud chegando na casa de mais de 10%.

Tecnologia Para ser líder de mercado e com crescimento constante, é imprescindível que a estratégia da companhia seja bem definida e desdobre em projetos, inovações e operações. E a tecnologia por sua vez tem um papel fundamental nessa jornada. Alguns exemplos foram: o evidente aumento do CapEx e os mais de 90% dos investimentos da companhia são destinados a tecnologia. Tamanha importância, viu-se a necessidade da criação de um Escritório de Gerenciamento de Projetos.

A migração automatizada para Amazon RDS, com tecnologia e-Core, melhorou o desempenho, reduziu riscos e modernizou a oferta de serviços do líder global.

Sobre a Koin

Uma empresa brasileira especializada em finanças, focada em apoiar empreendedores na gestão financeira de seus negócios através de uma plataforma web simples e completa, procurou a e-Core para consultoria e apoio na resolução de um grande gargalo no atendimento ao cliente que foi resolvido de uma maneira moderna: a integração de um chatbot com GenAI para tickets N0. A empresa oferece dois principais produtos: uma solução abrangente de gestão financeira, com funcionalidades como contas a receber, contas a pagar, fluxo de caixa e demonstração de resultados; e o produto “Dashboard”, voltado ao canal do franchising, que fornece insights detalhados da demonstração de resultados, auxiliando tanto franqueadores quanto franqueados e precisando de uma solução prática, simples e eficiente. O problema A empresa conta com uma equipe de suporte para seus produtos composta por 12 profissionais, que gerenciam entre 5 mil e 7 mil tickets por mês. Um dos principais desafios enfrentados pela equipe é o elevado volume de tickets repetidos, que poderiam ser facilmente solucionados caso os usuários consultassem a base de conhecimento (“knowledge base”) disponível no Zendesk Para reduzir a carga de trabalho sobre a N1 e otimizar o atendimento, a e-Core propôs a criação de um Agente de Suporte com IA Generativa (GenAI). Esse chatbot com GenAI para tickets N0 trará a capacidade de resolver tickets de forma autônoma utilizando a documentação existente e, quando isso não for possível, realizará uma triagem inicial, encaminhando apenas os tickets mais complexos para a equipe de suporte. Com essa abordagem, a companhia almeja aliviar a demanda sobre o time, além de melhorar a eficiência operacional e a qualidade do atendimento ao cliente. A solução Para implementar o Agente de Suporte, foi desenvolvida uma arquitetura na AWS capaz de utilizar a base de conhecimento da empresa no Zendesk e, a partir dela, criar o chatbot com Gen AI para tickets N0. Um processo foi criado para extrair a base de conhecimento do Zendesk e manter as informações do agente atualizadas semanalmente. Nesse processo, utilizamos as ferramentas do Amazon Bedrock Knowledge Bases , que oferece modelos de IA Generativa com informações contextualizadas retiradas do Zendesk, permitindo que o Agente de Suporte forneça respostas mais relevantes, precisas e personalizadas. O agente foi projetado com uma arquitetura em múltiplas etapas, destacando dois componentes principais em seu input. O primeiro componente, a Melhoria da Consulta , que refina e contextualiza as perguntas dos clientes considerando as informações relevantes do histórico de conversas e, em segundo lugar, a Decisão de Ferramenta , é responsável por determinar se é necessário consultar a base de conhecimento para responder adequadamente à dúvida do usuário. Para esses componentes, optamos pelo modelo Claude 3 Haiku devido à excelente combinação de velocidade e eficácia nas tarefas designadas, com o objetivo de minimizar os custos da operação e fornecer respostas rápidas aos usuários, exatamente o que um chatbot com GenAI para tickets N0 precisa para ser eficiente para ambos os lados. Para o componente final do agente, responsável por responder ao usuário, utilizamos um modelo mais inteligente, o Amazon Bedrock Claude 3.5 Sonnet , a fim de tornar a interação mais robusta. O agente foi orquestrado com AWS Step Functions , que oferece uma visualização clara das decisões tomadas pelo agente e permite a implementação de medidas de segurança, como guardrails, que bloqueiam entradas maliciosas de usuários. Caso o agente não consiga resolver o ticket, o sistema garante a escalada automática para a equipe de suporte da empresa.