3 lições que aprendi construindo com IA no bootcamp Bradesco
Sou administrador e passei anos em vendas consultivas, olhando KPIs, metas e clientes. Em vendas, aprendi cedo que um número bonito não significa resultado.
Nesta semana concluí o bootcamp Bradesco — Agentes de IA do Zero à Prática, com 55 horas e três projetos práticos. Para minha surpresa, as lições mais importantes não foram sobre código. Foram sobre o que eu já via em vendas: confiança.
1. 99,8% de acerto pode não valer nada
No projeto de detecção de fraude em cartão, trabalhei com 284.807 transações, das quais só 492 eram fraude (0,17%). Um modelo que responde “não é fraude” para tudo acerta 99,8% das vezes, mas não encontra nenhuma fraude. É como um vendedor que bate a meta de ligações e não fecha nenhuma venda.
Por isso troquei a acurácia por métricas que importam:
- Recall: de todas as fraudes reais, quantas o modelo pegou?
- Precisão: de todos os alertas, quantos eram fraude mesmo? Alerta falso é cliente honesto com o cartão bloqueado.
Comparei Regressão Logística, Random Forest e XGBoost e ajustei o limiar de decisão. O melhor resultado, XGBoost com oversampling, pegou 88 das 98 fraudes do teste com 156 alarmes falsos, contra 654 da Regressão Logística.
Lição: antes de comemorar um número, pergunte o que ele mede e qual erro custa mais caro.
2. Um bom agente sabe o que não sabe
Desenhei o prompt de um agente de atendimento para WhatsApp de uma escola fictícia de cursos. O maior risco de um chatbot de vendas é inventar: um cupom que não existe, um preço desatualizado, uma promessa de emprego.
Por isso o agente não sabe nada sozinho. A cada mensagem, o sistema consulta um banco de dados e entrega a ele os dados do cliente, o catálogo de cursos e as respostas de ajuda. O prompt proíbe usar qualquer coisa fora disso. Quando o assunto não é com ele, o agente passa a conversa para a equipe.
Lição: um bom prompt não deixa a IA falar mais. Ele define de onde vem a informação e quando dizer “vou te passar para alguém da equipe”.
3. O dado pode estar certo e a conta, errada
No desafio final, construí o Control, um assistente financeiro por chat com dados fictícios de sandbox. Descobri que ter os dados certos não basta, porque o jeito de somar muda a resposta:
- Saldo não é patrimônio: o assistente separa dinheiro disponível, dívida no cartão e limite.
- Nada é contado duas vezes: a compra no cartão e o pagamento da fatura são o mesmo dinheiro.
- Pendente não é confirmado: os gastos somam só o que foi confirmado.
Os totais são calculados pelo código, não pela IA, e testes automatizados conferem cada soma.
Lição: em finanças, um número errado com cara de certo é pior do que nenhum número.
O que liga as três
Nos três projetos, a pergunta foi a mesma: posso confiar nessa resposta? Usei IA como copiloto para programar mais rápido, mas o trabalho de verdade foi decidir o que medir, o que proibir e o que testar.
Para quem vem de outra área, como eu: sua experiência conta. Anos de metas e clientes me ensinaram a desconfiar de números bonitos, e isso fez diferença em cada projeto.
Os projetos estão no meu GitHub: github.com/brenolrocha22
Se você também está migrando de área, me conta nos comentários qual lição mais te marcou e qual a sua área antes da transição. 🚀
Boa Breno! Me Identifiquei bastante com seu texto.
Venho da área comercial e sempre gostei demais de tecnologia. No comercial, eu já criava roteiros e fluxos de atendimentos automatizados, sem IA ou APIs na época, mas estruturando etapas e reconhecendo muito bem onde estava o limite da automação. Essa experiência me mostrou na prática como o cliente reage e qual é o momento exato em que o processo precisa de intervenção.
Hoje estou justamente iniciando minha jornada prática desenvolvendo agentes de IA com Python. Realmente a automação (com ou sem IA) só funciona quando tem limites muito bem desenhados. Saber o que proibir e quando passar a conversa para um humano é regra de negócio pura.
A bagagem de vendas realmente muda a forma como a gente encara o código.
Parabéns pelos projetos!