IA
Casos de uso de IA
As tarefas concretas que um AI Agent pode executar — classificar, resumir, redigir respostas, detetar anomalias. Os casos de uso são os blocos de construção de cada agente.
Atualizado em 18/05/2026
Configuração · IA · 8.2
Um AI Use Case é uma tarefa delimitada que um agente pode executar: classificar, resumir, propor, detetar. Os casos de uso são os blocos de construção — um agente liga um ou mais casos de uso a um system context específico e a um objeto alvo. Aqui configura o que a IA faz; em AI Agents (8.1) decide quem.
Porque importa para o negócio
"A IA faz demais ou de menos"
A escolha do caso de uso delimita a ação — Classificar não é o mesmo que Responder.
"Reutilizar entre agentes"
Um caso "Classificar ticket" pode ser usado por vários agentes (genérico + específico de IT).
"Resultados mensuráveis"
Por caso de uso: medição de exatidão (correto vs sobreposto pelo responsável).
"Nem tudo cabe à IA"
Os casos de uso definem limites claros — algumas tarefas são triviais (categorização), outras complexas demais (decisão jurídica).
Tipos comuns de casos de uso
| Tipo | O que faz | Bom para |
|---|---|---|
| Classify | Atribui categoria/prioridade/grupo de trabalho com base no conteúdo | Tickets, relatos, pedidos |
| Summarize | Resume threads longas, histórico de tickets ou conversas | Passagem entre responsáveis, panorama para o gestor |
| Draft response | Redige a primeira resposta com base na KB | Dúvidas de utilizadores finais, nível FAQ |
| Suggest action | Sugere o próximo passo (escalonamento, routing, mais próximo da resolução) | Tickets complexos |
| Detect anomaly | Deteta desvios ao padrão (pico de tickets, reserva invulgar) | Incidentes major, sinais de fraude |
| Extract data | Extrai informação estruturada de texto livre (n.º de série, data, localização) | Conversas → campos do ticket |
| Match | Liga um item ao melhor match num conjunto (pergunta → artigo KB, ticket → ativo) | Sugestões de KB |
| Predict | Prevê resultado (probabilidade de no-show, lead time, risco de defeito) | Ação preventiva |
O que configura por caso de uso?
| Campo | Para que serve |
|---|---|
| Nome e descrição | O que faz, em linguagem para utilizador final. |
| Tipo | Um dos acima (Classify, Summarize, etc.). |
| Inputs | Que campos lemos (título, descrição, classificação, KB)? |
| Outputs | Que campos preenche (categoria, prioridade, texto de sugestão)? |
| Limiar de confiança | A partir de que certeza é a sugestão mostrada/aplicada? |
| Fallback | Que fazer em baixa confiança — nada, valor por defeito, pedir a um humano? |
Que decisões vai tomar?
Que casos de uso prioriza?
Comece em "Classify" (baixo risco, alto impacto). "Draft response" só depois de uma KB forte.
Estratégia de confiança
Alta (só sugestões confiantes) = menos mas melhores; baixa = mostra sempre algo mas mais ruído.
Reutilização entre agentes
Um "Classify ticket" genérico + variações por serviço, ou separado por serviço desde o início?
Estratégia de medição
Como mede a exatidão por caso de uso? Decida à partida que "correção do responsável" conta como falha.