Por que a nossa assistente de IA só faz uma coisa

Quando alguém fala em colocar inteligência artificial num sistema, a primeira imagem costuma ser um chat que responde qualquer coisa. Um ChatGPT dentro do site. Foi exatamente isso que decidimos não fazer na Júlia, a assistente da Kelly Academy, plataforma de treino da redação do ENEM desenvolvida pela CiudadLab.

A Júlia faz uma coisa só: explica a correção da redação do aluno. Neste post contamos por que chegamos nessa decisão e como ela simplificou todo o resto.

O problema que ela resolve

Na Kelly Academy, o aluno escreve a redação e recebe uma correção por competência, no modelo da matriz do INEP. A correção é rigorosa e detalhada, mas gera uma dúvida natural: por que eu perdi pontos aqui? ou o que exatamente significa esse problema na competência 3?

Antes, essa dúvida ficava sem resposta dentro da plataforma. O aluno lia a correção, não entendia um ponto e seguia em frente com a mesma dificuldade. A Júlia existe para fechar essa lacuna.

Primeira versão do escopo: grande demais

No começo, a ideia era uma assistente que também tirasse dúvidas sobre a plataforma: como funciona o Repertório, onde fica a evolução, como enviar uma redação por foto. Parecia útil.

Quando colocamos no papel, apareceram três problemas:

1. Respostas genéricas. Quanto mais assuntos a IA cobre, menos contexto ela tem sobre cada um. Uma pergunta sobre a correção competiria com perguntas sobre navegação.
2. Custo imprevisível. Cada mensagem consome tokens. Um chat aberto para qualquer assunto é um convite para conversas longas que não ajudam o aluno a escrever melhor.
3. Difícil de avaliar. Se a Júlia responde tudo, como saber se ela está respondendo bem?

Para dúvidas sobre o sistema, uma interface clara e um bom tour resolvem melhor do que uma IA. Então cortamos.

A versão final: a Júlia conhece a sua redação

Com o escopo fechado, cada conversa com a Júlia fica vinculada a uma redação específica. Quando o aluno abre o chat, ela já recebe o contexto daquela correção: o texto, as notas por competência e o diagnóstico. Não precisa adivinhar do que o aluno está falando.

Isso muda a qualidade da resposta. Em vez de explicar coesão de forma genérica, ela pode apontar onde, naquele texto, a coesão falhou.

Algumas decisões que vieram junto:

• A conversa vale durante a sessão. O histórico continua enquanto o aluno estiver logado e recomeça a cada novo login. As mensagens ficam guardadas no banco, e isso está descrito na política de privacidade.
• Redações anuladas ficam de fora. Se a correção anulou o texto, não há competência para explicar, e a Júlia não abre.
• Ela aparece na hora certa. O tour de apresentação só é exibido depois que o aluno recebe a primeira correção. Antes disso, não há nada para ela explicar.

Limites desde o primeiro dia

Toda feature com IA generativa tem um custo variável. Por isso, os limites foram desenhados junto com a funcionalidade, não depois da primeira fatura:

• até 10 perguntas por conversa;
• até 20 perguntas por dia por aluno;
• um teto global diário para a plataforma inteira.

Quando algum limite é atingido, o sistema avisa com clareza em vez de simplesmente falhar.

Também separamos a Júlia em um projeto próprio no Google Cloud, com chave de API independente da usada na correção das redações. O motivo não é ganhar cota, e sim isolamento: se a Júlia tiver um pico de uso, a correção das redações, que é o coração do produto, continua funcionando. E fica fácil enxergar quanto cada parte custa.

Como ela foi construída

O backend da Kelly Academy é em Java com Spring Boot, em arquitetura hexagonal. A Júlia seguiu o mesmo padrão: primeiro o domínio (conversa, mensagem, cota diária), depois a persistência, a integração com o modelo de IA e, por fim, os casos de uso e os endpoints. Cada etapa entrou com testes unitários antes de seguir para a próxima.

Na primeira versão a resposta é síncrona: o aluno envia a pergunta e recebe a resposta completa. Respostas em streaming, aparecendo aos poucos, ficaram para uma próxima etapa.

A identidade visual também passou por algumas versões. A primeira era uma personagem ilustrada, mas destoava do visual da plataforma. A versão final é uma marca mais simples: um balão de conversa que forma a letra "j", que funciona bem no botão flutuante e combina com o restante da Kelly Academy.

O que levamos disso para projetos de clientes

A lição vale para qualquer negócio que queira IA no seu sistema:

• Comece pelo problema, não pela tecnologia. "Quero um chat com IA" não é um requisito. "O cliente não entende o orçamento que recebeu" é.
• Escopo fechado gera respostas melhores. Quanto mais contexto específico a IA recebe, menos ela inventa.
• Custo é parte do desenho. Limites por usuário e um teto global evitam surpresas e deixam o produto sustentável.
• Isole o que é crítico. A funcionalidade principal não pode cair por causa de uma funcionalidade auxiliar.

Se você tem um sistema e está pensando em colocar IA nele, ou quer construir um do zero, conheça o nosso trabalho com sistemas personalizados ou fale com a gente pelo WhatsApp.