Todos os projetos desta página estão em produção. A Maqia usa a própria operação como laboratório — uma varejista e importadora de instrumentos musicais com mais de 25 anos — e só oferece ao cliente o que já sobreviveu lá: atendimento com IA sobre a WhatsApp Cloud API, central telefônica integrada ao ERP, IA rodando dentro de casa, e-commerce migrado para Hyvä, classificação de acervo em escala e produtos próprios no ar.
25+ anosde operação na varejista onde as automações são testadas
1.076cifras sincronizadas no Karaokê Harmônico
3.856vínculos entre conteúdo e produto criados sem clique humano
968posts de blog classificados por IA em uma tarde
6servidores em rede privada, sem porta aberta para a internet
5 redespublicadas por dia pelo pipeline de conteúdo da própria Maqia
Case em destaque
Bulara — o agente avatar que atende de pé, no meio do corredor
Vendedor consultivo com rosto, voz e catálogo real, rodando dentro de um Mac — sem nuvem no caminho crítico da fala.
Bulara IA — agente avatar de atendimento (demonstração) · 2 min 12 s · assistir no YouTube
O problema
Quiosque de shopping vive de abordagem: quem passa não para, e quando para não tem vendedor livre. Chatbot em totem não resolve — ninguém digita de pé, no corredor, com o celular na mão. E qualquer coisa que demore mais de dois segundos para responder é lida como travamento: a pessoa vai embora.
O que construímos
Um agente de atendimento mãos-livres: a câmera identifica que alguém parou na frente, o agente cumprimenta sozinho, ouve sem tecla nenhuma, consulta o catálogo real da loja e responde por voz, com rosto animado sincronizado ao áudio. A tela divide produto e agente, e a conversa troca de idioma sozinha quando o cliente fala em inglês.
Números medidos
0,04 sde latência percebida até o agente começar a falarera 4,73 s antes da ponte de fala local
26/26armadilhas de conversa aprovadaspreço fora do catálogo, pedido de desconto, troca de idioma, pedido de humano
US$ 0,0025por turno de conversamedido com o prompt real e as quatro ferramentas
4,1 mspara detectar presençacom folga de 2,3× sobre o limiar na distância de teste
Como está montado
Presença
Detecção de rosto por rede neural em 4,1 ms — o portão que decide quando escutar e evita disparo falso com ruído de corredor.
Escuta
Detecção de atividade de voz contínua, sem push-to-talk. Nada de apertar botão.
Transcrição
Whisper rodando local na máquina, com threads fixadas — áudio do cliente não sai do equipamento.
Cérebro
Modelo de linguagem com quatro ferramentas: busca no catálogo, consulta de preço, agendamento e chamar humano.
Voz e rosto
Síntese de voz em streaming e avatar animado quadro a quadro em 9:16, no próprio Mac.
Tela
Interface em navegador: 75% para o produto, 25% para o agente.
Limites escritos no sistema
Não inventa preço: o que não está no catálogo, ele diz que não sabe.
Não promete desconto — recusa sem inventar política.
Pede humano quando o cliente pede humano, na hora.
Idioma travado por conversa; só troca com evidência clara.
Áudio transcrito na própria máquina; a nuvem só recebe texto.
Python
OpenAI
Whisper
bitHuman
Algolia
OpenCV
Apple Silicon
Hugging Face
O ganho não veio de trocar de modelo. Veio de admitir que o número que importava estava errado: medíamos o tempo total do turno quando o que decide a permanência da pessoa é o tempo até o primeiro som. Com uma ponte de fala pré-sintetizada tocando enquanto o modelo ainda pensa, a percepção caiu de 4,73 s para 0,04 s — sem tocar no cérebro do agente.
Também medimos o que não queríamos ver: um Mac mini M4 saiu ~45% mais lento que o M1 Max neste trabalho, porque a transcrição escala com núcleo de performance e não com geração do chip. A premissa de “chip mais novo, mais rápido” não se confirmou — e a configuração recomendada mudou por causa da medição, não do palpite.
Estado Fase de validação concluída: pacote de instalação offline que sobe em 2 min 51 s, sem internet, e roda com o catálogo real. O próximo passo é o piloto em ponto físico.
Por que isso importa
A operação vem antes do slide
Tudo nesta página roda em produção. A Maqia não testa automação em ambiente de demonstração: testa na operação de uma varejista e importadora de instrumentos musicais com mais de 25 anos — com funcionários, fornecedores, marketplaces, fisco brasileiro e cliente reclamando quando algo para. O que sobrevive lá é o que oferecemos a você.
Projetos em produção
Atendimento, voz e CRM
Atendimento 24/7 com IA sobre a WhatsApp Cloud API
O problema
O cliente perguntava preço às duas da manhã e ninguém respondia. E o número da empresa vivia preso a um aparelho, com o histórico dentro do celular de uma pessoa.
O que fizemos
Migração do WhatsApp Business para a Cloud API oficial, atendimento centralizado no Chatwoot e um agente de IA que responde dúvidas frequentes, consulta dados e escala para humano quando precisa de decisão.
WhatsApp Cloud API
Chatwoot
n8n
IA de atendimento
Resultado Resposta em segundos a qualquer hora, histórico de toda conversa no CRM e o número da empresa deixando de depender de um celular.
Central telefônica própria integrada ao ERP
O problema
Ramal cobrado por usuário, ligação sem registro e vendedor discando número à mão a partir da tela do sistema.
O que fizemos
Central Asterisk própria, click-to-call dentro do Odoo e roteamento por equipe. O vendedor clica no telefone do lead e o telefone toca.
Asterisk
Odoo
SIP
Linux
Resultado Custo por ramal zerado e cada ligação nascendo dentro do registro do cliente.
Gravação de ligação anexada ao lead — e apagada no prazo
O problema
Áudio de ligação espalhado em pasta de servidor, sem vínculo com o cliente e sem regra de retenção — um problema de LGPD esperando acontecer.
O que fizemos
A gravação passa a ser anexada automaticamente ao lead correspondente no ERP, e um temporizador de retenção apaga o arquivo quando o prazo definido termina.
Asterisk
Odoo
automação de retenção
LGPD
Resultado Contexto completo da conversa dentro do CRM e descarte no prazo, sem depender de alguém lembrar.
E-commerce e catálogo
Migração de Magento para Hyvä
O problema
Loja lenta. Tempo de carregamento derrubando conversão e o tema antigo tornando cada ajuste caro.
O que fizemos
Migração do frontend para Hyvä, com medição de performance antes e depois — número, não percepção.
Magento 2
Hyvä
Alpine.js
Tailwind
Resultado Ganho de performance medido e um frontend em que mudança deixou de ser projeto.
Descrição de produto escrita por IA, aprovada por humano
O problema
Milhares de SKUs com descrição pobre ou inexistente. Escrever à mão não escala; publicar sem revisão destrói a marca.
O que fizemos
Pipeline que gera a descrição a partir dos dados reais do produto e envia para revisão humana antes de publicar.
n8n
modelos de linguagem
Magento
revisão humana
Resultado 87 de 112 descrições aprovadas na primeira rodada — e as 25 restantes viraram ajuste de prompt, não retrabalho manual.
Vitrine cruzada entre conteúdo e produto
O problema
Blog e loja viviam separados: o artigo não levava ao produto e o produto não citava o conteúdo que o explicava.
O que fizemos
Classificação semântica do acervo e criação automática dos vínculos entre post e produto, em ambas as direções.
IA de classificação
Magento
n8n
busca semântica
Resultado 3.856 vínculos criados sem ninguém clicar em nada, e conteúdo antigo voltando a gerar tráfego para catálogo.
Classificação de todo o acervo de conteúdo
O problema
968 posts sem categoria consistente, acumulados por anos — inviável de organizar à mão.
O que fizemos
Classificação por IA de todo o acervo em uma única execução, com taxonomia definida antes e amostragem conferida depois.
modelos de linguagem
n8n
Python
Resultado Acervo inteiro categorizado em uma tarde, com navegação e busca interna finalmente utilizáveis.
IA local, dados e infraestrutura
Triagem de e-mail com IA rodando dentro de casa
O problema
Caixa de entrada com centenas de mensagens por dia entre pedido, fornecedor e cobrança — e a recusa, correta, de enviar e-mail de cliente para uma API de terceiro.
O que fizemos
Modelo de linguagem rodando em servidor próprio, com busca vetorial local, classificando e encaminhando cada mensagem. Nenhum dado sai da rede.
Ollama
Qdrant
n8n
IMAP
Resultado Triagem automática com custo de inferência próximo de zero e dado sensível que nunca atravessa a fronteira da empresa.
Seis servidores em rede privada, sem porta aberta
O problema
Serviços internos expostos na internet — a forma mais comum de uma pequena empresa ser invadida.
O que fizemos
Rede privada com Tailscale entre as máquinas, firewall negando tudo por padrão e acesso remoto por identidade, não por porta aberta.
Tailscale
Docker
nginx
Cloudflare Tunnel
Resultado Superfície de ataque praticamente eliminada e administração remota de qualquer lugar, com registro de quem entrou.
Dashboard financeiro sob medida
O problema
Contas a pagar e a receber espalhadas entre ERP, banco e planilha. Fechar a posição do dia levava horas.
O que fizemos
Painel próprio, em cerca de 400 linhas de Python, que lê as fontes reais e mostra a posição financeira em tempo real.
Flask
Python
PostgreSQL
Odoo
Resultado Posição de caixa em segundos, no lugar de consolidação manual — e nenhuma licença nova para isso.
Conteúdo e produtos próprios
Karaokê Harmônico — de detector de acordes a produto no ar
O problema
Quem estuda música precisa das cifras no tempo da música, não de uma lista estática de acordes fora de contexto.
O que fizemos
Modelo que ouve o áudio e escreve os acordes, transformado em site público: cada página sincroniza a cifra com o vídeo do YouTube e mostra o acorde que está soando, o próximo e o campo harmônico da tonalidade.
Detecção de acordes por áudio
Python
site estático
YouTube API
Resultado 1.076 cifras sincronizadas, em 24 tonalidades, publicadas em karaoke-harmonico.com.br.
Produzir conteúdo diário sobre tecnologia com uma equipe pequena — sem transformar a produção num segundo emprego.
O que fizemos
Fluxo diário que pesquisa o tema, escreve a pauta e o roteiro, gera o vídeo e a capa vertical, revisa a capa por visão computacional, publica o artigo no blog, sobe o vídeo no YouTube com capa e legenda e distribui nas outras redes — com trilha separada em inglês.
n8n
Claude
HeyGen
YouTube Data API
upload-post
Resultado Um vídeo e um artigo por dia, distribuídos em cinco redes, com painel de execução e falha visível quando algo quebra.
maqia.co — site bilíngue com camada de SEO e GEO
O problema
Site institucional que não explicava o que a empresa faz nem aparecia em busca — muito menos em resposta de IA.
O que fizemos
Site PT/EN, blog alimentado automaticamente, 16 páginas de áreas de atuação e do livro, dados estruturados em todas as páginas, llms.txt e liberação explícita dos rastreadores de IA.
nginx
Cloudflare
JSON-LD
n8n
Resultado Conteúdo indexável com bloco de resposta citável por busca generativa, e publicação de artigo sem intervenção humana.
Duas audiências, dois idiomas, um só time de atendimento.
O que fizemos
Bot de atendimento integrado ao Chatwoot que identifica o idioma da conversa, responde em português ou inglês com a base de conhecimento da empresa e entrega ao humano o que exige decisão.
Chatwoot
n8n
Responses API
base de conhecimento
Resultado Primeiro contato respondido nos dois idiomas, a qualquer hora, sem duplicar equipe.
O que deu errado
Três erros que custaram caro
Quem só mostra acerto está vendendo, não ensinando. Estes três moldaram o método que aplicamos hoje.
O ERP que foi pago e não foi usado
Compramos, migramos tudo e voltamos atrás. O sistema não era ruim: o processo é que não estava pronto para ele. Hoje o diagnóstico vem antes da licença — e é por isso que a Maqia não vende software.
Automatizar antes de validar custou três meses
A automação funcionava perfeitamente. O processo automatizado é que estava errado. Três meses de trabalho jogados fora ensinaram a regra que aplicamos em todo projeto: se não funciona bem à mão, conserte antes de automatizar.
Um parâmetro de RAG e uma semana reprocessando
Uma decisão errada na fragmentação dos documentos derrubou a qualidade da busca semântica e obrigou a reprocessar a base inteira. Desde então, todo projeto de busca começa com amostra avaliada antes de indexar tudo.
Stack em produção
Ferramentas que já passaram pelo teste do dia a dia
n8n
Odoo
Chatwoot
WhatsApp Cloud API
Asterisk
Magento 2
HHyvä
Tailscale
Docker
nginx
PostgreSQL
Ppgvector
Qdrant
Ollama
Claude
Python
Flask
Cloudflare
A lista é o que está rodando, não o que está na moda. Em projeto de cliente, a escolha sempre começa pelo que a empresa já usa.
Como entregamos
Do diagnóstico ao resultado medido
1
Diagnóstico
Mapeamos os gargalos da operação e priorizamos por impacto e esforço. Sai daqui uma lista curta, não um catálogo.
2
Projeto
Desenhamos a automação, definimos limites de autonomia e as metas de sucesso — números, não adjetivos.
3
Implementação
Integramos os sistemas que você já usa, colocamos a IA no trabalho repetitivo e treinamos a equipe.
4
Resultado medido
Acompanhamos os KPIs combinados e ajustamos. Automação sem métrica é fé, não engenharia.
Perguntas frequentes
Dúvidas que aparecem antes de contratar
Esses cases são de clientes ou da própria operação?
A maioria nasceu na operação própria: uma varejista e importadora de instrumentos musicais com mais de 25 anos, que funciona como laboratório. É o que nos permite mostrar automação rodando em empresa real, com fornecedor, marketplace e fisco brasileiro no meio — e não em ambiente de demonstração.
Vocês implementam ou só orientam?
Implementamos. O diagnóstico define o que vale automatizar, a implementação integra os sistemas e coloca a IA no trabalho repetitivo, e depois acompanhamos os KPIs combinados.
Preciso usar as mesmas ferramentas dessa lista?
Não. A stack é o que já foi testado em produção, mas o projeto se adapta ao que você tem. Orquestramos o CRM e o ERP que existem em vez de propor troca de sistema.
Dá para rodar IA sem enviar dados da empresa para fora?
Dá, e é o que fazemos na triagem de e-mail: modelo de linguagem e busca vetorial em servidor próprio, sem que o dado atravesse a fronteira da empresa. A escolha entre IA local e IA em nuvem é caso a caso, por custo, qualidade e risco.
O livro que originou este método
O Que Sua Empresa Realmente Precisa?
Um guia de essencialismo tecnológico para a era da automação e da inteligência artificial
As 10 tendências que estão redefinindo as empresas — e o filtro de três lentes para decidir quais delas merecem o seu dinheiro. Escrito por Gustavo Henrique, fundador da Maqia.
Python
OpenAI
Algolia
OpenCV
Apple Silicon
Hugging Face
WhatsApp Cloud API
Chatwoot
n8n
Asterisk
Odoo
Linux
Magento 2
Ollama
Qdrant
Tailscale
Docker
nginx
Flask
PostgreSQL
Claude
Cloudflare