Aprenda sobre a Blip

Em soluções conversacionais, cada chamada ao provedor de IA representa custo e consumo de recursos. Chamadas indevidas — aquelas feitas sem necessidade real — podem gerar gastos desnecessários, aumentar a latência e comprometer a experiência do usuário. Para evitar isso, algumas práticas simples podem fazer a diferença:1. Valide antes de enviarAntes de acionar o provedor, verifique se a entrada do usuário realmente exige processamento avançado. Perguntas simples ou comandos diretos podem ser resolvidos com lógica local.2. Use filtros e regexPara intenções claras, como validar CPF, CEP ou e-mail, utilize expressões regulares. Isso evita chamadas para tarefas que podem ser resolvidas sem IA.3. Cache de respostasPerguntas frequentes ou respostas padrão podem ser armazenadas em cache, reduzindo chamadas repetidas.

Olá, pessoal! 👋A Vivi continua ganhando forma! 😄✨E eu estou super animada para compartilhar mais um avanço desse processo!Nesta etapa do Bootcamp, tivemos alguns desafios práticos — e foi aí que a Vivi deixou de ser só uma ideia no papel e ganhou vida dentro da Plataforma Blip. 💙🤖Criei:🟦 o Bot da Vivi🟦 o Prompt inicial🟦 as Intenções para orientar a conversa🟦 e a Base de Conhecimento, que já permite respostas automáticas e bem estruturadasPara conhecer o projeto incluindo a Semana 1 clique aqui: https://l1nk.dev/8kplL Portfólio: https://poliananeves.com.br/bootcampdc   

Oi, de novo rsAproveitando que falei sobre a análise SWOT, quis trazer um pouco mais sobre um framework que também ajuda muito nas etapas iniciais de um projeto: a Matriz CSD.Aproveitando: quando falamos de framework, estamos falando de uma estrutura organizada que ajuda a orientar o pensamento e facilitar decisões, diferente de uma metodologia, que é um processo mais completo e sistemático.A Matriz CSD é exatamente isso: um framework simples, mas muito eficiente para organizar informações e trazer clareza sobre o que sabemos, o que imaginamos e o que ainda precisamos descobrir. Ela ajuda a estruturar pensamentos, alinhar entendimentos e reduzir incertezas, algo essencial quando estamos lidando com IA ou design conversacional, onde cada decisão depende de contexto.Apesar do nome “matr

Oi, pessoal!Enquanto eu estudava o módulo de Integração de Tecnologias de IA com Objetivos de Negócio, percebi que pouca gente comentava sobre algo essencial para qualquer tomada de decisão estratégica: a Análise SWOT, também conhecida como FOFA em português. Você pode encontrar os dois nomes por aí e ambos significam exatamente a mesma coisa.  A SWOT é uma metodologia que organiza o entendimento do contexto em quatro dimensões: forças, fraquezas, oportunidades e ameaças. Ela não é apenas uma ferramenta estática, é um jeito estruturado de analisar cenários que se adapta a qualquer tipo de projeto, principalmente quando envolve complexidade, priorização e impacto direto no negócio.Como a SWOT ajuda em projetos de IA

Como o processo de design conversacional é adaptado para clientes que já possuem chatbot legado (Principalmente nas fases de Inception e Discovery)?  Em casos como esse, qual é o primeiro entregável do DC-UX e quais as boas práticas sugeridas?

​Assistindo a primeira aula da semana 03, me veio uma dúvida:Levando em conta a frequência com que os usuários podem cometer erros, o uso de Fuzzy não se tornaria essencial?Desde já agradeço o esclarecimento.  

 O que é a cascata de validação?É um fluxo estruturado de verificações sucessivas que garante que o contato inteligente compreenda corretamente os inputs dos usuários Cada etapa da cascata aplica uma regra ou critério de validação. O objetivo é criar uma experiência de usuário fluida e eficiente, além de reduzir custos com o uso da plataforma de NLP. Como funciona na prática?Verificação de tipo de mídia: identifica se é texto, imagem, áudio, vídeo, link, emoji etc.!--endfragment> Verificação de tamanho: detecta mensagens muito curtas ou muito longas. Verificação de conteúdo: uso de REGEX para padrões e palavras-chave. Smalltalks: saudações e interações sociais. Mensagens automáticas: evita loops entre chatbots. Outros filtros: números isolados ou caracteres especiais!--startfragment>Fuzzy Match e REGEX em Fluxos Conversacion

Oi pessoal! 👋Queria trazer um ponto de UX pro debate, no contexto de DC IA e bots no WhatsApp, o que vocês já têm feito em termos de acessibilidade?Até onde hoje vocês conseguem ir (ou gostariam de ir) pensando em leitores de tela, tamanho de texto, uso de emojis, áudio, etc?Sobre o uso de emojis, achei bem interessante esse artigo aqui da Adriana sobre um estudo de caso do Serasa, recomendo a leitura! (é bem curtinha) https://brasil.uxdesign.cc/emojis-e-leitores-de-tela-uma-questão-de-acessibilidade-3358ae9e8cc5

Eii pessoal! Espero que estejam bem 😃Durante essas semanas no bootcamp, mergulhei de cabeça no mundo do Design Conversacional e IA, e confesso: estou ainda mais fascinado pelo poder que um bom prompt tem. É incrível como a qualidade da nossa conversa com a máquina dita totalmente a qualidade da resposta que recebemos.Pensando nisso, queria compartilhar com vocês alguns aprendizados que têm me ajudado bastante. São dicas simples, mas que fazem uma diferença enorme na hora de conversar com um assistente inteligente, seja o ChatGPT, Gemini ou qualquer outro.A grande sacada que tive é que um prompt eficiente é como dar um briefing claro para um colega de trabalho. Quanto mais contexto e direção a gente dá, melhor é o resultado.📄 Segue aqui minhas dicas para um prompt de sucesso:Especifique: Em vez de "Escreva um e-mail", experimente: "Escreva um e-mail de alinhamento para um cliente que demonstrou interesse e dúvi

Essa semana foi mais densa, mas também muito transformadora. Passei por conteúdos que, além de técnicos, realmente mexeram na forma como eu enxergo linguagem, dados e tomada de decisão.Aqui estão os pontos que mais me marcaram:• NLP:Nas atividades práticas, percebi como pequenos ajustes mudam completamente a intenção que a IA identifica. Cada frase trazia um significado próprio, e ficou evidente como o detalhe faz diferença. Essa semana só reforçou isso: intenção não é sobre acertar palavras, mas sobre interpretar pessoas.• LLMs: Ao longo da aula, fui entendendo melhor como esses modelos realmente se comportam. Coisas que antes pareciam meio distantes começaram a fazer sentido de um jeito muito mais prático. Deu para ver onde eles brilham, onde ainda tropeçam e como tudo muda dependendo da forma como guiamos e estruturamos o que entregamos para eles. No fim, ficou claro que não é sobre complexidade técnica, é sobre

Oi, pessoal! 👋Resolvi estudar um pouco mais sobre Regex para entender melhor como validar e extrair padrões em fluxos conversacionais.O que eu entendi até agora: REGEX é uma forma de descrever padrões de texto para validar entradas ou extrair informações específicas. Ele ajuda a tornar fluxos mais robustos, permitindo capturar dados mesmo que o usuário digite de formas diferentes. Pode parecer complicado no começo, mas pequenos padrões já fazem muita diferença no dia a dia. Para me aprofundar mais, encontrei três materiais que achei bem legais e complementares:Dominando Regex: Um Guia Completo para Iniciantes

Olá, pessoal!Como pessoa curiosa que sou, estava explorando mais sobre Design Conversacional e, durante minhas pesquisas, encontrei um conteúdo muito interessante no Medium que pode ajudar todos nós a nos aprofundar no tema. Para quem tiver interesse, só acessar o link a seguir: As máximas de Grice e o seu chatbot ↗

Muita gente acha que para criar um agente de atendimento basta conectar um LLM a um fluxo de mensagens. Mas na verdade é que sem uma persona bem definida, o agente responde qualquer coisa gerando alucinações.Uma IA sem persona é como um atendente sem treinamento, ela responde, mas não necessariamente do jeito certo, no tom certo, ou dentro do escopo certo.O que é uma persona dentro de um agente?É um conjunto de regras de identidade que orienta o modelo sobre: Quem o agente é Como ele deve se comunicar O que pode ou não responder Qual o propósito do atendimento Na prática, isso vira um "contrato de comportamento" para o modelo.Por que isso reduz alucinações?Alucinações acontecem quando o modelo: inventa informações para manter a conversa fluindo tenta responder a algo fora

Boa tarde pessoal 😎 ✌🏽Nessa última semana no bootcamp foi abordado o assunto de engenharia de prompt e como ela é uma ferramenta poderosa não apenas para criação de instruções dentro do nosso fluxo conversacional mas também como ferramenta de auxílio no processo de UX Design.Em um cenário onde a empresa a quem está prestando seu serviço não possui uma definição de persona e tom de voz para seu produto, devemos ainda sim definir esses elementos para criação da nossa jornada de usuário.No exemplo a seguir, mostro como utilizei duas técnicas de engenharia de prompt para criar uma persona e seu tom de voz baseado em uma pequena pesquisa feita, onde foram criadas 20 questão sobre as maiores dores do tipo de usuário do serviço, que nesse caso se trata de um bot de um serviço de acompanhamento de retirada do aluno após as aulas na escola.

Boa tarde, pessoal! Como vocês estão?Para quem está buscando boas referências de portfólio em Design Conversacional, queria indicar o trabalho da Giovana Heringer, que é uma Blipper e também criadora de conteúdo na área de UX.Ela possui um portfólio com estudos de caso voltados para Design Conversacional, super bem estruturados e cheios de insights. Além disso, ela tem um vídeo no YouTube em que compartilha suas decisões de design ao longo do projeto, o que fez no início, o que faria diferente hoje, os erros e acertos na visão dela e todo o raciocínio por trás das escolhas. É um conteúdo muito rico para quem está construindo ou aprimorando o próprio portfólio.Portfólio da Giovana:https://giovanaheringer.notion.site/Giovana-Heringer-UX-Designer-fa5b4cbe653a49c3a61

CASO 2 — “O mistério dos clientes fantasmas”“A Uma rede de academias fitpremium percebe um fenômeno curioso:todos os meses, milhares de pessoas conversam com o CI, pedem informações sobre planos e… somem. Não cancelam, não concluem a compra, só desaparecem.A equipe de marketing tenta criar campanhas para reativá-los, mas os resultados são pífios. Eles não sabem quem são essas pessoas, há quanto tempo não interagem, nem o que procuravam originalmente.A diretora propõe um desafio: “quero que criemos uma forma automática de identificar e reagrupar esses usuários adormecidos”. Além disso, ela quer poder acionar essas pessoas de volta, com mensagens diferentes conforme o tipo de comportamento:● quem clicou em link de preços● quem só perguntou horários,● quem chegou a enviar CPF.” 

SolarPrime “A empresa SolarPrime, que vende painéis solares, enfrenta um problema invisível. Os atendentes humanos estão exaustos: cada conversa chega com muitos históricos longos, e ninguém tem tempo para ler tudo antes de responder. Resultado? Mensagens repetidas, respostas incoerentes e clientes irritados. Para piorar, o time de qualidade nota que os clientes reclamam dos mesmos temas, mas ninguém consegue enxergar claramente quais. A liderança pede algo que entenda o conteúdo das conversas, gere resumos, sugira respostas e aponte padrões de insatisfação. Eles não querem mais apenas “métricas frias”, querem uma IA que pense junto, que observe os dados e traga insights acionáveis em linguagem natural.” Se baseando nesse exemplo fornecido pelo Dalton nas aulas da ultima seman

Olá, pessoal! Estou buscando aprofundar a parte prática dos conteúdos que estamos estudando no bootcamp de DC-IA, e gostaria de abrir uma conversa com vocês para trocarmos dicas sobre como aplicar na prática as ferramentas e conceitos que estamos vendo.Queria pedir sugestões sobre onde praticar, possíveis cursos e melhores caminhos para desenvolver habilidades reais nos seguintes temas:1. Cascata de Validação Alguma ferramenta ou ambiente recomendável para simular regras e testes?  2. Uso de Regex (Expressões Regulares) Plataformas para treinar regex de forma prática (com desafios reais). Exemplos de aplicações comuns em análise de dados e limpeza de textos. Sugestões de cursos ou trilhas focadas em regex para iniciantes/intermediários. 3. Fuzzy Matching Ferramentas recomendadas para praticar fuzzy matching. Algum curso, vídeo ou ar

Fiz um artigo no Substack e espero que apreciem (:A Revolução Silenciosa: Como a IA redefiniu o Design Conversacional (e por que sua habilidade de UX nunca foi tão necessária)  

Escrevendo para Contatos Inteligentes: conversas que ajudam, acolhem e tornam a vida mais leve  

Segue algumas das principais siglas (em inglês) da área de Inteligência Artificial: AI — Artificial Intelligence → Área que cria sistemas capazes de realizar tarefas que normalmente exigem inteligência humana.AGI — Artificial General Intelligence → IA com capacidade cognitiva ampla, semelhante ou superior à humana.ML — Machine Learning → Subcampo da IA focado em algoritmos que aprendem padrões a partir de dados.DL — Deep Learning → Tipo de ML baseado em redes neurais profundas para tarefas complexas.Gen AI — Generative AI → Modelos que criam conteúdo novo como texto, imagens, código ou áudio.LLM — Large Language Model → Modelos baseados em linguagem treinados com grandes volumes de texto.GAN — Generative Adversarial Network → Arquitetura com duas redes concorrentes para gerar conteúdo realista.GPT —

Oi pessoal! Estava lendo este artigo sobre o Agent Builder. E surgiu uma dúvida enquanto estudo sobre a criação de agentes:Como vocês decidem quando vale a pena dividir o atendimento em vários agentes especializados (com um orquestrador) em vez de deixar um único agente responsável por tudo?Existe alguma boa prática, sinal de alerta ou exemplo real que ajude na hora de tomar essa decisão?Quero aprender a estruturar melhor meus projetos e entender quando essa abordagem de "vários agentes" realmente faz diferença.

Olá, pessoal!Achei este conteúdo no Medium e estou compartilhando com vocês: https://medium.com/design-bootcamp/nielsens-heuristics-revisited-for-conversational-ai-90e1c613ce05. O texto fala sobre as Heurísticas de Nielsen aplicada ao contexto do design conversacional.

Pessoal, compartilhando com vocês uma dica de leitura para enriquecer os estudos:https://link.springer.com/article/10.1007/s41870-023-01642-8

Oi, pessoal! 👋Fiz um guia sobre Data Apps, NLP e LLMs, explicando desde a classificação de intenções até a engenharia de prompts para evitar alucinações em IAs corporativas.➡️ Confira o artigo completo: https://medium.com/@cauraguiar/data-apps-nlp-e-llms-o-guia-para-humanizar-sua-intelig%C3%AAncia-artificial-2410e8ca5c67Coloquei umas referências de papers bem legais para quem quiser se aprofundar no assunto!Abraços, Cauê 😃