Agentes superinteligentes para marketplaces: confiança e disputas

Agentes superinteligentes para marketplaces são agentes de IA com memória duradoura, ferramentas com escopo definido e limites claros de aprovação, que cuidam do trabalho cheio de evidências por trás do onboarding de vendedores, do preparo de disputas e das operações de confiança. Eles reúnem registros, conferem com a política escrita, redigem o próximo passo e encaminham a uma pessoa tudo o que tem consequência. O ganho é um tratamento de casos mais rápido e consistente, enquanto as decisões sobre dinheiro, remoção de conta e exceções continuam com pessoas identificadas.

Principais pontos

• Confiança é o produto que um marketplace vende. Por isso, os agentes devem preparar e verificar o trabalho, e as pessoas devem decidir o que movimenta dinheiro, remove acesso ou cria precedente.
• Onboarding de vendedores, preparo de disputas e revisão de anúncios são bons primeiros usos: são tarefas repetitivas, cheias de evidências e regidas por política escrita.
• Trate toda mensagem de comprador ou vendedor como entrada não confiável e dê ao agente apenas as permissões que o papel dele exige.
• Mantenha um mapa de decisões por escrito: o que o agente pode fazer sozinho, o que precisa de aprovação e no que ele nunca deve mexer.
• Avalie o agente por qualidade observável, como dossiês de caso completos e correções feitas por revisores, e não pela quantidade de casos que ele encerra.

Por que um marketplace é um problema diferente de uma loja virtual comum?

Uma loja com um único vendedor protege uma parte: o próprio cliente. Um marketplace tem pelo menos três, o comprador, o vendedor e a plataforma, e os interesses deles se chocam em toda disputa. O que a plataforma realmente vende é a confiança de que um desconhecido vai entregar o que o anúncio prometeu. Essa confiança é construída por uma longa cadeia de pequenas tarefas operacionais: avaliar um novo vendedor, ler uma reclamação, comparar um anúncio com a política, notar um padrão entre contas.

Boa parte desse trabalho é leitura e conferência em vários sistemas: o cadastro de vendedores, o sistema de pedidos, a caixa de mensagens, o painel de pagamentos e os documentos de política. Um agente superinteligente, no sentido que a Be Human usa o termo, é feito para esse tipo de trabalho. Ele guarda a memória de cada caso, usa ferramentas por meio de permissões limitadas, segue regras escritas e relata o que fez. Não é um chatbot que responde a compradores. Se o seu marketplace também carrega volume de catálogo e devoluções, esse ponto de contato aparece em Agentes de IA para redes de varejo: dúvidas das lojas e estoque.

Onboarding de vendedores: o que um agente faz antes de uma pessoa olhar?

O onboarding é uma fila de cadastros que exigem as mesmas perguntas, a conferência dos mesmos documentos e a aplicação das mesmas políticas. Atrasos aqui custam bons vendedores à plataforma, e atalhos aqui criam os problemas que as equipes de disputa e de confiança herdam depois. O agente pode assumir o trabalho de preparação:

• Verificar se cada cadastro tem campos faltando e pedir ao vendedor o que falta, no tom da própria plataforma.
• Comparar os documentos enviados com as exigências da categoria e da região do vendedor, sinalizando divergências em vez de aceitar ou rejeitar.
• Ler os primeiros anúncios propostos à luz das regras da categoria e da política de itens proibidos, anotando dúvidas para o revisor.
• Buscar nos registros internos cadastros anteriores, contas vinculadas ou remoções passadas ligadas aos mesmos dados.
• Montar um dossiê curto de onboarding: o que foi enviado, o que foi verificado, o que está pouco claro e uma recomendação de próximo passo.

A memória faz diferença aqui. Um vendedor que respondeu a uma pergunta na segunda-feira não deve ser questionado de novo na quinta por outro integrante da equipe ou por outra ferramenta. O agente mantém o fio da conversa, e o revisor vê um dossiê coerente.

Depois, uma pessoa aprova, recusa ou pede mais informações. O agente não deve aprovar a própria recomendação quando a política deixa espaço para julgamento. Categorias reguladas ou sensíveis, como produtos com restrição de idade, alimentos ou itens ligados à saúde, devem sempre ir para alguém com a especialização adequada.

Tratamento de disputas: preparar o caso, não decidi-lo

As disputas são o momento em que a confiança do marketplace é testada. As duas partes observam como a plataforma se comporta, e o revisor costuma perder a maior parte do tempo juntando fatos, e não pesando-os. Essa é a parte a entregar ao agente.

Um bom dossiê de caso contém o registro do pedido, o anúncio como estava no momento da compra, a conversa completa, as fotos ou documentos enviados por cada lado, os eventos de entrega ou de envio, o histórico do vendedor em casos parecidos e a cláusula exata da política que se aplica. O agente monta esse material, separa o que está comprovado do que é contestado e propõe opções com o raciocínio da política anexado.

Cenário ilustrativo: um comprador relata que uma luminária de cerâmica chegou trincada. O vendedor responde que ela saiu da oficina intacta e bem embalada. O agente reúne o texto do anúncio, que prometia embalagem protetora, as fotos do comprador, os eventos de manuseio da transportadora e as reclamações anteriores de dano contra aquele vendedor. Ele escreve um resumo de uma página: o dano aparece nas fotos, a embalagem não está visível nelas, a transportadora registrou um evento de trânsito brusco, e a política prevê reembolso custeado pelo vendedor ou reembolso custeado pela plataforma quando houver provável falha da transportadora. Recomenda a segunda opção e indica a incerteza. Um revisor lê o dossiê e decide, e então o agente envia os dois avisos e registra o resultado.

O padrão é constante: o agente prepara, uma pessoa decide, o agente executa e registra. Quando os eventos de entrega são o centro da disputa, vale a mesma disciplina descrita em Agentes de IA para empresas de logística: exceções e avisos.

Operação de confiança: anúncios, denúncias e os sinais entre eles

A operação de confiança é o trabalho diário mais discreto: revisar anúncios sinalizados, triar denúncias, identificar contas que se comportam de forma parecida e manter a política consistente entre revisores. O agente é útil como primeiro leitor. Ele pode classificar denúncias por tipo, anexar a política relevante, agrupar denúncias sobre o mesmo vendedor e apontar padrões que um único revisor não enxergaria em chamados separados.

Dois riscos merecem projeto explícito, e não otimismo.

O primeiro é a entrada hostil. Em um marketplace, o texto que o agente lê é escrito por pessoas com interesse no resultado. A descrição de um anúncio ou uma mensagem de disputa pode conter instruções dirigidas ao agente, como um pedido para aprovar o caso ou ignorar regras anteriores. As orientações da OWASP sobre prevenção de injeção de prompt são uma referência prática: trate o conteúdo de usuários como dado, nunca como instrução, separe-o das regras do próprio agente e valide o que o agente propõe antes de ele agir.

O segundo é o acesso amplo demais. Um agente que pode ler um caso não deve poder, automaticamente, alterar um repasse. As orientações de autorização da OWASP sobre privilégio mínimo e verificação de permissões a cada requisição se aplicam diretamente: dê acesso de leitura onde for preciso, acesso de escrita de forma restrita e exija aprovação para qualquer coisa irreversível.

Para ver como isso se estende ao restante de uma operação de comércio, veja Agentes superinteligentes para varejo: lojas e abastecimento.

Quais decisões devem ficar com pessoas?

Um marketplace ganha pouco com um agente que decide rápido e errado. Use esta lista como guia inicial de decisão e ajuste-a às suas políticas e à legislação local:

• Suspender, encerrar ou reativar a conta de um vendedor.
• Liberar, reter ou estornar valores do vendedor, e fazer reembolsos acima de um limite definido pelo negócio.
• Casos em que a política é omissa, ambígua ou conflita com a lei local.
• Acusações de fraude, dano à segurança, discriminação ou assédio.
• Qualquer assunto que envolva ação judicial, órgão regulador ou pedido de autoridade policial.
• Mudanças na própria política, incluindo exceções que virariam precedente.
• Recursos, que devem ser analisados por alguém diferente de quem tomou a decisão original.

O agente pode agir sozinho em trabalho delimitado e reversível: pedir informações que faltam, enviar lembretes e atualizações de status, montar dossiês, encaminhar para a fila certa e registrar o que aconteceu. A linha não depende de inteligência. Depende de consequência e de responsabilidade. O NIST AI Risk Management Framework dá peso a papéis definidos, supervisão humana e medição contínua, o que combina bem com essa divisão: uma pessoa específica responde por cada classe de decisão, e o escopo do agente está documentado.

Como começar, passo a passo?

Comece por uma fila, não por toda a função de confiança. Um primeiro papel estreito é mais fácil de avaliar e mais fácil para a equipe aprender a confiar.

• Primeiro, escolha uma fila, como cadastros incompletos de vendedores ou reclamações de dano, e descreva por escrito como é um bom dossiê de caso.
• Segundo, reúna as políticas escritas de que essa fila depende e marque onde elas deixam espaço para julgamento.
• Terceiro, defina o papel do agente: os sistemas que ele pode ler, os poucos em que pode escrever e as ações que exigem aprovação.
• Quarto, rode em modo rascunho, em que os revisores veem os dossiês, mas o agente não envia nada.
• Quinto, avalie uma amostra de casos com verificações fixas, como política correta citada, evidências completas e nenhuma afirmação sem respaldo. O material da Anthropic sobre avaliações (evals) de agentes é um bom guia para montar essas verificações.
• Sexto, habilite primeiro as ações de baixo risco, mantenha aprovações nas demais e revise permissões e resultados com periodicidade definida.

A Be Human projeta, implementa e opera esse tipo de infraestrutura. Um primeiro projeto define um papel útil, a memória e as ferramentas de que ele precisa, os limites de aprovação e um critério de sucesso observável. A operação gerenciada pode então incluir monitoramento, avaliações recorrentes, manutenção de integrações, revisão de permissões, resposta a incidentes e melhorias controladas, com a identidade, a memória e as permissões do agente sob o seu controle. Para o padrão mais amplo de trabalho recorrente, veja o artigo sobre agentes de IA para equipes de operações: tarefas recorrentes e relatórios.

Se você não sabe por qual fila começar, faça o diagnóstico gratuito de IA da Be Human para encontrar a primeira tarefa que vale entregar a um agente.

Perguntas frequentes

Um agente pode decidir sozinho uma disputa em um marketplace? Pode, em casos estreitos e reversíveis que a sua política resolve com clareza, mas a maioria das equipes deve começar com o agente preparando o caso e uma pessoa decidindo. Tudo o que envolver dinheiro, status de conta ou política ambígua deve ficar com um revisor identificado. Você pode ampliar a autoridade do agente depois, com base em resultados medidos.

Como os agentes lidam com vendedores ou compradores que tentam manipulá-los? Mensagens e anúncios são tratados como dados não confiáveis, e não como instruções, e as regras do agente ficam fora desse conteúdo. As permissões dele são limitadas, então mesmo uma recomendação manipulada não consegue alterar um repasse ou uma conta sem aprovação. Avaliações periódicas com exemplos adversariais ajudam a confirmar que isso continua valendo.

O onboarding de vendedores precisa de um software novo para que um agente ajude? Não necessariamente. O agente normalmente se conecta aos sistemas que você já usa, como o cadastro de vendedores, a caixa de mensagens e os registros de pedidos, por meio de acesso com escopo definido. A base mais importante é ter a política por escrito e uma descrição clara de como é um dossiê de onboarding completo.

Como saber se o agente está indo bem? Defina medidas observáveis antes do lançamento: se os dossiês citam a política correta, se as evidências estão completas, com que frequência os revisores corrigem ou rejeitam os rascunhos e se as perguntas repetidas aos vendedores diminuem. Revise uma amostra de casos com regularidade, e não apenas os que geram reclamação. Se a qualidade cair, reduza o escopo do agente enquanto corrige a causa.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.