Chatbot vs Agente IA

O Syncro tem 2 motores de atendimento automático distintos: Chatbot Builder (fluxos visuais com nós) e Agente IA (LLM com contexto livre). São complementares, não concorrentes — cada um brilha num cenário. Esse artigo compara os 2, explica quando usar cada um, e cobre a regra crítica de mutual exclusion: numa conversa, só um atende por vez.

Comparação rápida

Aspecto	Chatbot Builder	Agente IA
Tipo de fluxo	Determinístico (nós conectados)	Conversacional (LLM decide)
Configuração	Builder visual (nós)	Prompt + base conhecimento + tools
Custo por mensagem	Quase zero	Cobra tokens IA (cota mensal)
Previsibilidade	100% (sempre mesmo caminho)	~80% (LLM pode variar)
Lida com mensagem fora do esperado	Mal (cai no default)	Bem (entende contexto)
Multi-canal	WhatsApp, Instagram, Website	WhatsApp, Instagram, Website
Aprendizado contínuo	Não (você muda manual)	Sim (RAG + memória)
Setup time	30min - 2h	1h - 4h
Manutenção	Edita nó quando cliente reclama	Adiciona conhecimento + ajusta prompt
Custo de erro	Cliente trava em loop	Cliente recebe info imprecisa

Quando usar Chatbot

✅ Cenários ideais

1. Triagem inicial / qualificação

Cliente chega → bot pergunta nome, e-mail, interesse → tagueia → transfere pro humano certo.

Por quê: previsível, rápido, barato. Variáveis viram dados estruturados.

2. FAQ simples (3-7 perguntas)

Cliente clica "Preços" → bot responde com tabela.

Por quê: respostas idênticas pra todos os clientes — não tem nuance que IA precise.

3. Agendamento de horário

Cliente escolhe data → bot mostra horários → cliente escolhe → bot confirma.

Por quê: fluxo determinístico, sem ambiguidade.

4. Pesquisa NPS

Cliente recebe link/keyword → bot pergunta nota 0-10 + motivo.

Por quê: resposta estruturada, sem necessidade de "conversar".

5. Cupom de Black Friday

Cliente comenta CUPOM → bot manda cupom + prazo + CTA "Comprar agora".

Por quê: mensagem fixa, sem contexto adicional.

❌ Quando NÃO usar Chatbot

• Cliente faz perguntas abertas e variadas (cada um pergunta de jeito diferente).
• Você quer suporte técnico profundo (LLM entende mais nuance).
• Você não consegue prever as 10 perguntas mais comuns.
• Cliente espera resposta personalizada baseada em conversas anteriores.

Quando usar Agente IA

✅ Cenários ideais

1. Suporte de produto

Cliente: "Como eu cancelo a assinatura?" IA: pega contexto da base de conhecimento, responde com passos exatos.

Por quê: cada cliente pergunta diferente, mas resposta tem que ser precisa.

2. Recomendação personalizada

Cliente: "Quero um plano pra minha loja de 5 vendedores" IA: avalia, sugere o plano, explica diferencial.

Por quê: depende do contexto (5 vendedores), bot teria que ter 50 nós.

3. Atendimento conversacional

Cliente reclama: "Cara, esse chatbot não responde direito!" IA: reconhece frustração, oferece humano, mantém conta.

Por quê: empatia conversacional, fora do alcance de bot.

4. Vendas consultivas

Cliente: "Tô em dúvida entre vocês e [concorrente]" IA: argumenta com diferenciação real, ajusta tom.

Por quê: diálogo dinâmico, depende da resposta.

❌ Quando NÃO usar IA

• Você quer controle 100% sobre o que o bot diz (compliance, jurídico).
• Cota de tokens é escassa (plano Trial / Starter).
• Cliente reclama de mensagem genérica — IA pode "alucinar".
• Você precisa integrar com sistema externo complexo (use webhook do bot).

Combinação ideal — Bot + IA

Padrão recomendado:

1. Bot recebe primeira mensagem.
2. Bot pergunta nome, e-mail, interesse principal.
3. Bot tagueia + move pra etapa do funil.
4. Bot transfere pra IA (action assign_ai_agent).
5. IA assume com contexto: já sabe nome, e-mail, interesse.
6. IA conversa naturalmente.
7. IA detecta intenção forte → notifica humano.

Resultado: dados estruturados (do bot) + conversa fluída (da IA) + escalonamento humano (da IA).

Veja Transferir para Agente IA pra implementar.

Mutual exclusion (regra crítica)

O invariante

Numa mesma conversa, você não pode ter os dois ativos:

Estado	chatbot_flow_id	ai_agent_id
Bot	preenchido	NULL
IA	NULL	preenchido
Humano	NULL	NULL
❌ Inválido	preenchido	preenchido

Sistema bloqueia via trait EnforcesExclusiveHandler no model — se você tentar setar ambos, dispara DomainException (erro 500).

Por quê

• Quem responde? Se ambos estão setados, qual job (ProcessChatbotStep ou ProcessAiResponse) dispara? Race condition.
• Custo: IA gasta tokens, bot não. Pagar 2 vezes pela mesma mensagem é absurdo.
• Estado conflitante: bot tem variáveis em sessão, IA tem memória vetorial — não compatíveis.

Transição segura — Bot → IA

Action assign_ai_agent no fluxo:

1. Limpa chatbot_flow_id, chatbot_node_id, chatbot_variables.
2. Seta ai_agent_id.
3. Loop do bot detecta limpeza → para (return).
4. Cria evento na timeline: "Bot atribuiu conversa ao agente Camila".
5. Dispara ProcessAiResponse imediatamente — IA responde com saudação contextualizada.

Veja Transferir para Agente IA.

Transição segura — IA → Bot

Pra voltar pra bot após IA estar atendendo:

1. No header da conversa, dropdown "Atribuir chatbot".
2. Sistema:

• Limpa ai_agent_id.
• Seta chatbot_flow_id + chatbot_node_id (start node).

3. Próxima mensagem dispara o bot do início.

⚠️ Atenção: variáveis da IA não são preservadas pro bot. Cliente vê fluxo "do zero" — pode parecer estranho.

Transição IA → Humano

Action assign_human na automação ou comando manual:

1. Limpa ai_agent_id.
2. Seta assigned_user_id.
3. Atendente assume — vê histórico completo (incluindo bot e IA).

Transição Bot → Humano

Action assign_human no fluxo:

1. Limpa chatbot_flow_id, etc.
2. Seta assigned_user_id.
3. Bot termina, atendente assume.

Custos comparados

Chatbot Builder

• Custo direto: zero. Não cobra tokens.
• Custo indireto: webhook outbound (negligível).

Agente IA

• Cobra tokens IA por chat (~500 tokens por resposta média).
• Plano define cota mensal grátis (ex: Growth = 1M tokens/mês).
• Acima da cota: pacotes adicionais via PIX.

Pra calcular custo IA, veja Quota de tokens.

💡 Dica: combine pra economizar tokens: bot faz triagem (zero custo), só transfere pra IA quando necessário. Reduz uso de IA em ~60-70%.

Quando bot é limitação

Sinais de que você precisa de IA:

• Cliente reclama: "Esse bot é burro".
• 80%+ das mensagens caem na default branch (cliente fora do esperado).
• Você adiciona N nós toda semana pra cobrir casos novos.
• Cliente abandona após 2-3 nós (frustrado com escolhas restritas).

→ Hora de migrar a parte conversacional pra IA, manter bot pra triagem inicial.

Quando IA é limitação

Sinais de que você precisa de bot:

• IA tá inventando ("o produto custa R$ 500" quando custa R$ 1500).
• Você precisa garantir mensagem exata (compliance, oferta promocional fixa).
• Cota de tokens estoura mês.
• Cliente faz pergunta sempre repetida (FAQ) — bot resolveria sem IA.

→ Hora de criar bot pro caso específico, manter IA pra resto.

Estratégia híbrida — exemplo real

Cenário: Imobiliária

1. BOT: "Olá! Posso te ajudar com:
 1. Comprar imóvel
 2. Alugar imóvel
 3. Vender imóvel
 4. Outro"
2. (cliente: 1)
3. BOT input save_to=tipo: "Que tipo? Casa, apto, comercial?"
4. (cliente: apto)
5. BOT input save_to=cidade: "Em qual cidade?"
6. (cliente: São Paulo)
7. BOT action add_tag value="apto-SP"
8. BOT action change_stage stage_id=2 (Interessado)
9. BOT action assign_ai_agent agent_id=3 (Camila Vendas)
10. IA assume: "Maria, vi que você quer apto em SP. Tenho 5 opções com seus filtros..."

Bot fez trabalho estruturado (qualificou + tagueou + moveu funil), IA continua conversa real (mostra imóveis específicos, agenda visita, etc).

Erros comuns

"Cliente conversa com bot mas espera IA"

Sinal de que bot não tá entregando o que cliente quer. Migre parte do fluxo pra IA com assign_ai_agent mais cedo.

"IA gasta cota muito rápido"

Cliente que entra direto na IA (sem triagem do bot) usa muito token. Adicione bot na frente pra qualificar — só transfere pra IA quem é realmente lead qualificado.

"Não consigo desativar IA — bot já estava setado"

Mutual exclusion. Sistema impede ambos. Pra desativar, atribua null no ai_agent_id ou mude o fluxo pra setar bot via dropdown.

"Variáveis do bot perdidas quando IA assume"

Comportamento esperado — assign_ai_agent limpa variáveis. Mas o histórico de mensagens (bot e cliente) fica visível pra IA no contexto. IA lê e entende.

Pra preservar dados específicos, salve no lead antes:

• Action set_custom_field pra cada variável crítica.
• IA depois consulta via tool de leitura.

Próximos passos

• Pra implementar transferência bot → IA, veja Transferir para Agente IA.
• Pra criar agente IA, veja Criar agente IA.
• Pra entender quotas IA, veja Quota de tokens.

Artigos relacionados

• Transferir para Agente IA
• Criar agente IA
• Nós: mensagem, input, condição, ação
• Quota de tokens