Bootcamp Design Conversacional IA

Oie pessoal, depois da mentoria de ontem, me veio um pensamento… Dentro da Blip, é possível fazer transição de carreira? Por exemplo: uma pessoa entra como DC UX e se descobre DC IA… Ou se a pessoa se determinar flex, tipo, trabalhar atuando como UX e IA, é possível?

Oi, pessoal, tudo bem?Um dos aprendizados mais marcantes dessa semana foi sobre a importância de metrificar experiências conversacionais. Metrificar é uma etapa essencial para evoluir qualquer experiência digital.Quando falamos de experiências conversacionais, medir vai muito além de acompanhar números ou taxas de sucesso. Métricas existem para ajudar a entender comportamentos, identificar pontos de fricção e guiar decisões mais conscientes.Na aula de segunda-feira, o Lucas compartilhou uma frase que fez muito sentido para mim: “Métrica é uma lanterna.”E é exatamente isso. Métrica ilumina onde o usuário está, mostra onde a conversa perde clareza e revela o que precisa ser ajustado. Ela ajuda a enxergar padrões, entender se a intenção foi compreendida, se o fluxo está funcionando e se a experiência realmente está cumprindo seu papel.Depois dessa aula, ficou ainda mais claro o quanto métricas bem definidas fortalecem o trabalho de design. Elas ajudam

Olá, pessoal! :DAssim como na semana anterior, fiz um caça-palavras pra compartilhar com vocês e ajudar a fixar todo o conhecimento que estamos adquirindo ao longo da semana vigente. Como Participar?Baixe o arquivo do Caça-Palavras (disponível em PDF e PNG) Procure pelos 5 termos-chave da Semana 5 Compartilhe com todos quantos você conseguiu encontrar :D 

Oi, pessoal! 👋Tirando a parte do meme do título que eu não aguento mais, fiz essa "apostila"? Um grande resumo com grande parte dos conteúdos que aprendi no bootcamp nas 5 semanas. Aprendi muito fazendo ele e espero que vocês gostem!→ LinkAbraços, Cauê! 😃

Hoje mergulhei em três temas que estão mudando totalmente a forma como eu enxergo a experiência em bots: Métricas Conversacionais, Ferramentas de Análise de Dados e Interpretação de Mensagens em Escala.Descobri como medir o desempenho de um chatbot vai muito além de contar mensagens. É entender fluxo, intenção, gargalos e o que realmente faz um usuário continuar — ou abandonar — a conversa.Também aprendi a usar ferramentas de análise que transformam dados soltos em insights reais. E sério… interpretar milhares de mensagens ao mesmo tempo é quase como “ouvir” o público inteiro de uma vez. Dá pra enxergar padrões, prever necessidades e melhorar o bot de forma estratégica.Foi aquele combo perfeito entre tecnologia, análise e comunicação. Cada aula me deixa mais certa de que estou no caminho certo e que esse projeto vai ficar cada vez mais forte. 💙🤖

Pessoal, está sendo incrível acompanhar a troca de todo mundo aqui no bootcamp. Cada conversa, cada dúvida e cada insight mostra o quanto tem gente boa, curiosa e disposta a construir coisas grandes nesse universo de UX Conversacional. 💛Aproveitando esse clima de colaboração, queria apresentar rapidinho a WhiteWall, que é parceira Blip, a empresa onde eu e a Letícia trabalhamos. Somos especialistas em experiências conversacionais, desde estratégia até a implementação, sempre com o foco em construir jornadas mais humanas, claras e inteligentes com IA.E como muita gente aqui está buscando caminhos, oportunidades e novas formas de entrar no mercado, deixamos aberto o nosso Banco de Talentos. Ele é simples, rápido e feito justamente pra quem quer estar no nosso radar para oportunidades futuras.Formulário:

Oi, pessoal! 👋A história do metrô que Ítalo falou ontem ilustra muito bem o conceito de "Unknown Unknowns" (Desconhecidos Desconhecidos) da Matriz de Rumsfeld.Known Knowns: O bot sabe segunda via de boleto. Known Unknowns: O bot sabe que não sabe falar sobre política (e tem uma resposta padrão para isso). Unknown Unknowns: O bot não fazia ideia de que existia uma campanha de metrô rodando lá fora.O Ítalo resolveu isso com monitoramento rápido. Mas, na era da IA, será que não poderíamos ter agentes autônomos que detectam picos de anomalia semântica? Abraços, Cauê! 😃  

Oie pessoal, tudo beleza? Nessa última semana de Bootcamp, pensei em tudo que aprendi nesse tempo, muita coisa incrível! Nós tivemos aula sobre DC UX, DC IA, Análise de métricas… Quero saber de vocês, o que mais curtiram desses conteúdos? Já tinham o conhecimento sobre esses temas de alguma forma?Eu por exemplo, trabalho com UX design, então no início o assunto tava na minha área, depois com o tema de IA foi algo novo de perto, conhecia de nome mas não na prática, já na análise de métricas eu trabalho com isso atualmente.. Mas claro que o Bootcamp me fez conhecer tudo isso de um ângulo diferente, super gostei!! Conhecia algumas coisas com uma certa distância, agora estou mais próxima, isso é lindo e o Bootcamp me ajudou a ter esse contato, muito legal! Achei tudo muito rico de conteúdo e aprendizado :) E vocês? Já conheciam os conteúdos de alguma forma? O que acharam?

Finalizamos o curso com chave de ouro tendo aulas ministradas pelo Lucas Marne e o Italo Nogueira, trazendo as principais técnicas e abordagens sobre as análises de dados conversacionais. Com isso, faço aqui um breve desafio no estilo "detetive de dados" para fixar os conteúdos da semana.Quem se arrisca a ligar as abordagens às técnicas corretas?PS: a resposta correta fica bem escondida no final da imagem, mas não vale colar! 

Pessoal do bootcamp!Se vocês pudessem melhorar apenas UMA coisa em um contato inteligente que já analisaram (ou imaginaram), o que seria?Pode ser:  Melhorar a compreensão de inputs inesperados Tornar a jornada mais curta e clara  Medir melhor os dados (KPIs, funil, retenção…) Reduzir frustração do usuário  Criar uma métrica nova que ainda não existe Conta pra gente: Qual seria essa melhoria Por que ela faz diferença para o usuário Como você analisaria os dados para provar que melhorou Vamos usar esse post para trocar visão de produto, dados e DC conversacional.Curiosa para ver como cada um enxerga o “bot ideal”!

Oi, pessoal! 👋Na aula de segunda, Lucas falou da importância de analisar os inputs inesperados para ajustar o Contato Inteligente.Qual foi a coisa mais engraçada, estranha ou diferente que vocês já pegaram na análise de inputs inesperados? Abraços, Cauê! 😃

Olá, pessoal!Compartilho com vocês um vídeo sobre storytelling em análise de dados: Como fazer storytelling em análise de dados

Olá, pessoal!Como esta semana estamos falando sobre dados, métricas e afins, compartilho com vocês algumas indicações de livros que podem ajudar em relação aos assuntos:Storytelling com Dados: um Guia Sobre Visualização de Dados Para Profissionais de Negócios

Cheguei na Semana 4… direto do Upside Down!Gente, eu sei que essa semana rolou AO VIVO… mas eu estava tipo o Will: presente em espírito, mas fisicamente perdida em outra dimensão. Mas agora atravessei o portal, cheguei inteira e pronta pra mergulhar no conteúdo!E vamos fazer uma conexão da minha série favorita com o tema da semana? Porque sim, Stranger Things combina com absolutamente tudo inclusive com REGEX.Categorizar Componentes Cognitivos É como formar o grupinho de Hawkins: cada um tem sua habilidade especial. REGEX é o Dustin (certinho, nerd e preciso), Fuzzy é o Eddie (flexível e intuitivo), Smalltalks é o Steve (suave, social e salva a conversa), e Data Apps… claramente Eleven, porque resolve o que ninguém mais consegue.Cascata de Validação Sabe as luzes piscando na casa dos Byers guiando todo mundo? A cascata faz exatamente isso: m

Na primeira parte da primeira aula, as excelentes Vanessa e Amanda mandaram um dado pesado: a maioria esmagadora dos Clientes (contratantes) ficam satisfeitos com a implementação de IA. A questão que sempre me ocorre:Essa satisfação corporativa se traduz em usabilidade e eficiência para o usuário final? Meu ponto é que a IA conversacional (o campo aberto) exige Evocação e maior Carga Cognitiva do usuário, que precisa escrever e formular a pergunta. Um bot regrado de botões (menus) usa apenas Reconhecimento. Pensei na Lei de Hick: mais escolhas (o infinito de opções de como se expressar ao ser atendido por uma IA) pode aumentar o tempo de decisão. https://www.interaction-design.org/literature/article/hick-s-law-making-the-c

Estamos entrando na última semana do curso e já estou saudosa. Aos organizadores devo aqui deixar um breve reconhecimento: os materiais de apoio estão incríveis!Pude compreender detalhadamente sobre o dia a dia do DCIA, as principais ferramentas e quando usá-las. Obviamente a prática faz toda a diferença, mas vocês não deixaram a desejar na teória de cada módulo.Parabéns! 👏👏👏👏

 Para garantir que um Contato Inteligente opere com eficiência e ofereça uma boa experiência ao usuário, é essencial acompanhar métricas que revelam tanto seu desempenho técnico quanto a qualidade das interações. As métricas quantitativas ajudam a medir resultados objetivos, como a Taxa de Compreensão Geral (TCG), que indica o percentual de mensagens corretamente interpretadas pela IA, além da frequência de inputs inesperados — fundamental para identificar lacunas no entendimento do modelo — e o tempo médio de resposta, que mostra o quão rápido a IA atende o usuário. Esses indicadores trazem uma leitura clara e direta sobre o funcionamento do assistente, apontando onde otimizações são necessárias para garantir precisão, agilidade e retenção.Complementando essa visão, as métricas qualitativas aprofundam a compreensão sobre a experiência do usuário. A análise de sentimentos mostra o tom emocional das mensagens, revelando satisfação ou

A IA em saúde vai salvar vidas? Talvez.Mas hoje ela já causa danos reais, e quase ninguém fala sobre isso.O problema não é só errar um diagnóstico.É responder com tanta certeza que o paciente confia mais na IA do que no médico ou simplesmente deixa de buscar ajuda profissional.Foi exatamente por isso que escrevi o primeiro artigo do Lado B da IA, meu novo Substack.Fui fundo no HealthBench, o benchmark da OpenAI que não testa conhecimento médico, testa comportamento em conversas reais de saúde:✔️ 3h da manhã, paciente em pânico✔️ Poucos sintomas, muita angústia✔️ perguntas delicadas que nenhum médico responderia por chatOs resultados são preocupantes.Como criadora de agentes conversacionais no projeto Traduz Saúde (criadora do Dose Certa), eu vejo isso acontecer na prática todos os dias.E aprendi algumas coisas:⚠️ Parar de construir IA que “acerta a resposta”.⚠️ Começar a

O Grande DiferencialAs Pessoas: Instrutores e MentoresNão foram apenas os tópicos como: BLU — Blip Language Understanding, regex, fluzzy match, small talks, blip speech, modelo de cascata de validação, métricas…... destaco as pessoas que passaram pelo Bootcamp.-Os instrutores experientes trouxeram mais do que teoria: trouxeram casos reais, contexto de negócio e boas práticas do dia a dia.-As mentorias e aulas ao vivo: com chance de tirar dúvidas, debater cenários, entender decisões de design conversacional, permitiram que aprendêssemos de forma interativa, e não apenas seguindo slides.-O ambiente colaborativo da comunidade.Foi incrível, parabéns aos envolvidos 👏🏼

E aí pessoal, tudo bem?Quero perguntar qual o diferencial do Bootcamp DCIA para vocês? O que mais gostaram ou estão gostando de aprender? Na minha opinião, aprender sobre o ecossistema Blip abriu a mente para entender que, apesar do mercado em ebulição com as IAs Generativas, temos muitas outras opções de configuração para implantar um contato inteligente. Posso listar aqui componentes cognitivos e ferramentas importantes que aprendemos:• Cascata de Validação• Regex• Fuzzy Match• Small Talks• Data Apps (Blip Speech, NLU - Natural Language Understanding, LLMs, AI Agent) • Soluções de IA (Blip Copilot, Blip AI Agent e Audiências Inteligentes)• BLU (NLP nativa, Intenções e Entidades)• Análise de Dados (Blip Analytics e outros)• Integrações• Alinhamento com os objetivos de negócioProvavelmente devo ter esquecido alguns na lista acima. (rsrsrs) Mas pra mim, o diferencial tem sido a didática do Boo

Tudo começa com dados. A coleta e análise de métricas quantitativas e qualitativas é essencial para entender padrões, otimizar fluxos e oferecer experiências mais eficientes.✅ Quantitativas:Taxa de Compreensão Geral (TCG) Frequência de inputs inesperados Tempo de resposta e retenção Distribuição de intenções Métricas de Machine Learning (VP, VN, FP, FN)✅ Qualitativas:Análise de sentimentos Revisão manual de transcrições Clusterização de inputs inesperados Mapeamento da jornada do usuárioIntegre as duas abordagens para gerar insights acionáveis e definir melhorias contínuas. Dados não são apenas números — são a chave para experiências mais inteligentes e satisfatórias.

Benefícios importantes: a ideia é que, antes de entregar a mensagem do usuário para o mecanismo de IA/NLP (como BLU na Blip), o bot aplique uma sequência de checagens prévias (validação), no Bootcamp tive uma visão mais macro dos motivos pelo qual é importante uma cascata de validação. Segue algumas pontuações: Filtrar entradas inválidas ou irrelevantes, evita que dados sem sentido, ruído, spams ou entradas sem contexto acionem a IA, reduzindo erros e desperdício de processamento. Tolerância a erros de digitação ou variações, fuzzy matching o bot entende variações de digitação errada ou pequenas diferenças, sem exigir que o usuário escreva perfeitamente. (exemplo: nome, nomi)  Verificação de formato quando necessário exemplo: e-mail, CPF, telefone, data etc., a validação garante que o input esteja no formato correto antes de avançar, evitando dados incorretos