Neste post, avançando na construção de nossos agentes, vamos definir sua arquitetura. Para isso pedimos à IA.

Nossa empresa possui câmeras em shopping centers e lojas, que monitoram o fluxo de pessoas no local, bem como a demografia e o tempo de observação do público que assiste propagandas em totens e examina produtos em vitrines.

Disponibilizamos um dashboard bem completo, que permite examinar esses dados de diferentes pontos de vista. Quero expandir essas funcionalidades para também olhar o comportamento do local monitorado frente a dados do mercado geral na região. Além disso, quero prestar informações aos clientes sobre o funcionamento de suas câmeras, sobre a adequação da temperatura em locais do shopping e sobre a iluminação no local. Além disso, quero disponibilizar informações sobre o status das contas do cliente com a nossa empresa.

E gostaria de gerar automaticamente notas fiscais para a cobrança desses clientes.

Não queria incluir essas funcionalidades no dashboard. Ao invés disso, quero criar agentes para facilitar a interação dos gerentes de marketing e de infraestrutura, com todas as funcionalidades.

Abaixo, apresentamos os use cases mais prioritários dos agentes que propomos.

Agente de Marketing

Análise de público e campanhas

  • Fluxo de pessoas por horário, dia da semana e sazonalidade.
  • Perfil demográfico dos visitantes (idade, gênero, etc.).
  • Tempo médio de observação em totens e vitrines.
  • Comparação entre diferentes áreas do shopping.
  • Identificação de produtos mais observados em vitrines.
  • Engajamento com propagandas em diferentes horários.
  • Comparação com dados de mercado da região (fluxo geral, tendências demográficas).

Sugestões e recomendações

  • Campanhas para aumentar o tempo de observação em totens.
  • Ações de marketing para horários de menor movimento.
  • Recomendações de posicionamento de produtos em vitrines.
  • Sugestões de promoções baseadas em comportamento do público.
  • Benchmarking com concorrentes da região.

Agente de Infraestrutura

Monitoramento de equipamentos

  • Status das câmeras (online/offline, qualidade da imagem).
  • Alertas de falhas ou baixa performance.
  • Histórico de funcionamento das câmeras.

Ambiente físico

  • Temperatura em diferentes áreas do shopping.
  • Identificação de locais com temperatura inadequada.
  • Monitoramento da iluminação em áreas críticas.
  • Sugestões de ajustes para melhorar experiência do público.

Gestão operacional

  • Relatórios de manutenção preventiva.
  • Alertas de sobrecarga ou risco em equipamentos.
  • Sugestões de otimização de energia (iluminação e climatização).

Agente Financeiro/Admin

Gestão de contas

  • Status das contas de cada cliente.
  • Identificação de pagamentos atrasados.
  • Relatórios financeiros mensais e anuais.
  • Histórico de relacionamento financeiro com cada cliente.

Automação de cobrança

  • Geração automática de notas fiscais.
  • Envio de lembretes de cobrança para inadimplentes.
  • Sugestões de renegociação de contratos.
  • Relatórios de inadimplência por segmento.

Gostaria de usar o n8n para acelerar a criação de meus agentes. Você poderia me ajudar nesse processo?

Note que reescrevi o post inicial, agora incorporando as propostas de agentes criadas pela própria IA. Isso foi feito para evitar que a IA esqueça do objetivo original. Também solicitei que fosse considerado como motor dessa implementação o n8n. Fiz isso por ter lido inúmeras referências sobre como o n8n acelera e simplifica o processo de criação de agentes.

E assim veio a resposta:

Com certeza! O n8n é uma excelente escolha para automatizar os fluxos de trabalho e integrar os agentes que você descreveu. Ele permite conectar diferentes APIs e serviços para criar automações complexas sem a necessidade de escrever muito código.

Vamos começar a estruturar como você pode usar o n8n para cada um dos seus agentes.

Visão Geral do Uso do n8n

O n8n funciona com “nodes” (nós) que representam diferentes ações ou serviços. Você conecta esses nós para criar “workflows” (fluxos de trabalho). Para seus agentes, cada “intenção” do agente pode ser um workflow diferente ou um conjunto de workflows interligados.

Você pode usar o n8n para:

  • Coletar Dados: conectando-se a APIs das suas câmeras, sensores de temperatura/iluminação, sistemas de mercado externo e até mesmo seu sistema de ERP/Financeiro.
  • Processar Dados: usando nós de lógica, transformação de dados e até mesmo integração com modelos de IA para análises mais avançadas.
  • Gerar Ações: enviando e-mails, gerando PDFs (para notas fiscais), atualizando bancos de dados, enviando notificações (por exemplo, para o Slack ou Microsoft Teams para os gerentes).
  • Servir como Backend para Agentes: expondo endpoints HTTP que seus agentes front-end (seja um chatbot ou uma interface de usuário personalizada) podem chamar para obter informações ou iniciar processos.

Estrutura sugerida para cada agente no n8n

Aqui está uma proposta de como você pode abordar cada agente, com exemplos de nós (nodes) que seriam úteis no n8n.

Agente de Marketing

1. Análise de público e campanhas

  • Fluxo de Pessoas, Demografia, Tempo de Observação, Comparação de Áreas, Produtos Mais Observados:
    • Node de Entrada: Webhook (se o dashboard ou um serviço externo enviar dados) ou HTTP Request (para puxar dados da API das câmeras/sistema de armazenamento de dados).
    • Node de Processamento: Code (para manipular dados brutos, calcular médias, identificar picos), Split In Batches (se houver muitos dados), Set (para formatar os dados para o output).
    • Node de Integração: Google Sheets ou Database (para armazenar dados processados), HTTP Request (para consultar APIs de dados de mercado).
    • Output: Respond to Webhook (para o agente front-end) ou Email (para relatórios).
  • Comparação com dados de mercado da região:
    • Node de Entrada: Schedule Trigger (para rodar periodicamente) ou Webhook.
    • Node de Coleta de Dados: HTTP Request (para APIs de pesquisa de mercado, como IBGE, ou APIs de empresas de análise de mercado).
    • Node de Processamento: Code (para comparar seus dados com os de mercado, calcular desvios).
    • Output: Email ou Slack/Microsoft Teams (para enviar insights aos gerentes), Respond to Webhook.

2. Sugestões e recomendações

Este é um ponto onde a integração com um modelo de IA pode ser muito poderosa.

  • Node de Entrada: Webhook (quando o gerente de marketing solicita uma sugestão) ou Schedule Trigger.
  • Node de Coleta de Dados: HTTP Request (para pegar dados de performance atuais das campanhas, fluxo, etc.).
  • Node de Processamento/IA: HTTP Request (para enviar os dados coletados a uma API de LLM como OpenAI GPT, Google Gemini, ou um modelo de recomendação customizado). O LLM pode analisar os dados e gerar recomendações de campanhas, posicionamento de produtos, etc.
  • Output: Respond to Webhook (com as sugestões do LLM), Email, Slack/Microsoft Teams.

Agente de Infraestrutura

1. Monitoramento de equipamentos (câmeras)

  • Status das Câmeras, Alertas de Falhas, Histórico de Funcionamento:
    • Node de Entrada: Schedule Trigger (para verificar o status a cada X minutos) ou Webhook (se as câmeras puderem enviar dados).
    • Node de Coleta de Dados: HTTP Request (para a API das câmeras ou sistema de gerenciamento de vídeo).
    • Node de Lógica: IF (para verificar se o status é “offline”, “baixa qualidade”, etc.).
    • Node de Ação: Email (para enviar alertas), Slack/Microsoft Teams (para notificação imediata), Database (para registrar o histórico de falhas).
    • Output: Respond to Webhook (para o agente front-end).

2. Ambiente físico (temperatura e iluminação)

  • Temperatura, Locais Inadequados, Iluminação Crítica:
    • Node de Entrada: Schedule Trigger (para ler dados dos sensores periodicamente) ou Webhook (se os sensores enviarem dados).
    • Node de Coleta de Dados: HTTP Request (para a API dos sensores IoT).
    • Node de Lógica: IF (para verificar se a temperatura está fora de uma faixa aceitável ou se a iluminação está abaixo do ideal).
    • Node de Ação: Email, Slack/Microsoft Teams (para alertas), Database (para registrar leituras e alertas).
    • Node de Processamento/IA: HTTP Request (enviar dados para um LLM para sugestões de ajustes).
    • Output: Respond to Webhook.

3. Gestão operacional

  • Relatórios de Manutenção, Alertas de Sobrecarga, Otimização de Energia:
    • Node de Entrada: Schedule Trigger (para gerar relatórios periódicos) ou Webhook.
    • Node de Coleta de Dados: Database (para pegar histórico de manutenção, dados de consumo de energia) ou HTTP Request (para APIs de equipamentos).
    • Node de Processamento: Code (para calcular consumo, identificar padrões de sobrecarga).
    • Node de Ação: Email (para enviar relatórios de manutenção), Slack/Microsoft Teams (para alertas).
    • Node de Processamento/IA: HTTP Request (para LLM para sugestões de otimização).
    • Output: Respond to Webhook.

Agente Financeiro/Admin

1. Gestão de contas

  • Status de Contas, Pagamentos Atrasados, Relatórios Financeiros, Histórico:
    • Node de Entrada: Schedule Trigger (para rodar diariamente/semanalmente) ou Webhook.
    • Node de Coleta de Dados: Database (para o seu sistema de clientes/ERP) ou HTTP Request (para a API do seu sistema financeiro).
    • Node de Lógica: IF (para identificar pagamentos atrasados).
    • Node de Processamento: Code (para gerar relatórios, calcular saldos).
    • Node de Ação: Email (para enviar relatórios), Database (para atualizar status).
    • Output: Respond to Webhook.

2. Automação de cobrança

  • Geração Automática de Notas Fiscais:
    • Node de Entrada: Schedule Trigger (no início do mês, por exemplo) ou Webhook (quando um contrato é fechado/ativado).
    • Node de Coleta de Dados: Database (para pegar dados do cliente e detalhes do serviço).
    • Node de Processamento/Geração PDF: Você pode usar um HTTP Request para uma API de geração de PDF (como DocRaptor, PandaDoc, ou até mesmo um serviço customizado que você crie) ou integrar com sistemas de ERP que possuam essa funcionalidade via API. O n8n também tem um node HTML to PDF que, com o HTML formatado corretamente, pode gerar a nota.
    • Node de Ação: Email (para enviar a nota fiscal anexada ao cliente), Database (para registrar a nota fiscal gerada).
    • Output: Respond to Webhook.
  • Envio de Lembretes de Cobrança:
    • Node de Entrada: Schedule Trigger (diariamente ou semanalmente).
    • Node de Coleta de Dados: Database (para identificar clientes com pagamentos atrasados).
    • Node de Lógica: IF (para verificar se o lembrete já foi enviado e quantos dias de atraso).
    • Node de Ação: Email (para enviar lembretes personalizados).
    • Output: Respond to Webhook.
  • Sugestões de Renegociação, Relatórios de Inadimplência:
    • Node de Entrada: Schedule Trigger ou Webhook.
    • Node de Coleta de Dados: Database (para histórico de inadimplência, dados do cliente).
    • Node de Processamento/IA: HTTP Request (para enviar dados para um LLM para gerar sugestões de renegociação).
    • Node de Ação: Email (para relatórios de inadimplência), Respond to Webhook.

Com essa resposta, estamos prontos para solicitar à AI para criar, usando o n8n, cada um dos use cases propostos no post 02 deste blog.

Ajude-me então a criar o agente de marketing em n8n que opera segundo é exemplificado nos diálogos com o gerente abaixo. Assuma que tenho acesso às APIs necessárias em meu background.

Exemplo de diálogo com o gerente

Gerente:
“Quero saber o fluxo de pessoas ontem entre 18h e 22h.”

Agente:
“O fluxo foi de 3.200 pessoas nesse período. O pico ocorreu às 19h30, com 1.050 pessoas.”

Gerente:
“Qual foi o perfil demográfico predominante?”

Agente:
“Predomínio de jovens adultos (25–34 anos), representando 42% do público.”

Gerente:
“Compare com os dados de mercado da região.”

Agente:
“Na região, o fluxo médio em shoppings similares foi 2.800 pessoas no mesmo período, com perfil demográfico semelhante. Seu shopping está 14% acima da média.”

Chegou então uma enorme resposta com orientação completa sobre como implementar esse agente de marketing, que será tratado no próximo post desta série.

Até lá, pessoal.

Referências