Uma caixa de entrada heterogénea

Os pedidos chegam por telefone, por e-mail, por formulário web ou por registo interno. Antes de se tornarem intervenções, ficam guardados numa caixa de entrada. Qualificá-los é atribuir-lhes uma prioridade e uma área técnica, o que determina depois o prazo contratual e o perfil do técnico a enviar.

Entregar esta etapa por completo a um modelo de linguagem seria tentador, mas frágil: uma API indisponível, uma resposta mal formada ou uma chave expirada nunca devem bloquear o tratamento dos pedidos.

Primeiro as regras, depois o modelo

Por predefinição, a qualificação assenta em regras determinísticas escritas para o francês. Produzem uma sugestão com uma pontuação de confiança e razões legíveis. Por cima, pode ser ativada uma chamada opcional à API OpenAI Responses, com saída JSON estruturada.

A FieldFlow regressa automaticamente às regras locais em quatro casos:

  • a resposta do modelo não respeita o esquema esperado;
  • a sua confiança é demasiado baixa;
  • a chamada falha (erro de rede, limite atingido);
  • não há nenhuma chave de API configurada.

Rastrear cada tentativa

O fornecedor utilizado, o modelo e o motivo de um eventual recurso às regras ficam guardados com a sugestão. Cada chamada é auditada sem conservar o prompt: funcionalidade, recurso em causa, fornecedor, modelo, resultado ou recurso às regras, latência, identificador da resposta e consumo de tokens.

Quanto aos dados, só o assunto, a descrição e a eventual categoria do equipamento são enviados ao modelo, nunca os contactos do requerente. A identidade do utilizador, transmitida como identificador de segurança, é convertida num hash irreversível.

A decisão continua a ser humana

Uma sugestão não é uma decisão nem um diagnóstico. Ao converter o pedido em intervenção, o responsável pelo planeamento confirma explicitamente a prioridade, o horário e o contrato.

O mesmo princípio aplica-se às outras utilizações de IA no protótipo: a transcrição de uma nota de voz continua a ser um rascunho enquanto o técnico não a confirmar, e a assistência visual sobre uma foto nunca altera, por si só, o estado de uma intervenção.

Porquê esta divisão

As regras determinísticas tornam a funcionalidade testável, com resultados reprodutíveis, e utilizável sem qualquer chave de API. O modelo melhora um comportamento que já funciona, em vez de ser a sua condição. Por fim, comparar as suas sugestões com as das regras e acompanhar a taxa de recurso às regras permite medir concretamente o que a IA acrescenta.