Autor: Rogério Biondi

  • Seu cliente não quer conversar com um formulário: o que é o protocolo A2UI e por que ele muda a experiência de compra

    Seu cliente não quer conversar com um formulário: o que é o protocolo A2UI e por que ele muda a experiência de compra

    Peça uma batata frita para um agente de IA e você entrará num interrogatório:

    -“Qual corte você prefere?” – “Tradicional.” – “Qual tamanho?” – “Média.” – “Algum molho?” – “Ketchup.” -“Quantas porções?”

    Muitos tokens jogados fora e cinco turnos de conversa para um pedido que, num balcão, levaria menos de quinze segundos. Um chat é excelente para capturar intenção (“fritas”), mas é um meio terrivelmente ineficiente para capturar escolhas. É exatamente esse problema que o A2UI resolve.

    O que é o A2UI

    O A2UI (Agent-to-User Interface) é um protocolo aberto anunciado pelo Google no final de 2025, co-desenvolvido com o time do Flutter e com os times de produto do Gemini Enterprise. A ideia central: permitir que agentes de IA “falem UI”. Em vez de responder apenas com texto, o agente responde com uma descrição declarativa de interface, e o aplicativo do cliente renderiza essa interface com seus próprios componentes nativos.

    O detalhe mais importante está no como isso é feito. O agente não envia HTML nem JavaScript. Ele envia um payload JSON que descreve componentes (cards, botões, seletores, campos), suas propriedades e um modelo de dados. Quem transforma isso em pixels é o app do lado do usuário, usando Angular, React, Flutter, Lit, SwiftUI ou o design system que já existir na casa.

    Isso resolve três problemas de uma vez:

    • Segurança: UI é tratada como dado, não como código executável. Um agente remoto, inclusive de outra empresa, pode apresentar uma interface rica sem nunca injetar código no seu app.
    • Consistência de marca: o front-end mantém controle total sobre estilo e componentes. O agente descreve a intenção (“um seletor com três opções”) e o app renderiza no seu visual.
    • Portabilidade: a mesma resposta do agente funciona na web, no mobile e em superfícies de terceiros, sem reescrever a lógica.

    As mensagens A2UI trafegam por transportes como o protocolo A2A (Agent-to-Agent, hoje na Linux Foundation) ou o AG-UI, com streaming. A interface aparece progressivamente, em baixa latência. E o fluxo é de mão dupla: cada clique ou seleção do usuário volta como evento para o agente, que pode responder atualizando a interface em tempo real. A versão 0.9, lançada em 2026, trouxe SDK para agentes, biblioteca web compartilhada e renderers multiplataforma, com um recado claro: o agente deve dirigir o seu catálogo de componentes, não impor um novo.

    Na prática: Tamago Dinner’s

    Para ver isso funcionando na prática, experimente o Tamago Dinner’s.

    Se você pedir: “Quero batatas fritas”.

    Em vez de começar uminterrogatório, o agente responde com um card A2UI completo, “Monte sua Batata Frita”, renderizado nativamente no chat:

    • Corte da batata: tradicional, rústica ou waffle (seleção única)
    • Tamanho: pequena, média ou grande
    • Molhos: ketchup, maionese verde, cheddar (seleção múltipla)
    • Quantidade: campo numérico
    • Ações: colocar no carrinho, ver carrinho, fechar pedido
    • Total do carrinho atualizado ali mesmo, no topo do card

    Repare em outro detalhe: logo abaixo do card, o agente ainda responde em texto, explicando as opções disponíveis. A conversa e interface gráfica ocorrem no mesmo fluxo, cada uma com o que faz de melhor. A linguagem natural captura a intenção; o componente visual captura a decisão.

    Cinco turnos viraram um. Cada interação no card volta como evento estruturado para o agente, sem ambiguidade, sem “na verdade, muda pra grande” perdido no meio da conversa.

    Como a experiência de compra muda

    Quem trabalha com e-commerce e CX sabe onde a conversão morre: na fricção. Cada turno extra de conversa, cada pergunta repetida, cada mal-entendido de interpretação é uma chance de abandono. O A2UI ataca isso em várias frentes:

    Menos atrito, mais conversão. Configurar um produto, escolher variações, agendar uma entrega. Tudo vira uma interação visual de segundos, dentro da própria conversa, sem redirecionar o cliente para outra página.

    Dados estruturados desde a origem. O que chega ao agente não é texto livre para interpretar, e sim eventos com valores exatos: corte=tradicional, tamanho=média, molho=[ketchup], quantidade=1. Menos erro de pedido, menos retrabalho, integração direta com o backend de vendas.

    Carrinho e checkout dentro do diálogo. O card da demo já mostra o total e oferece “fechar pedido”. A jornada inteira: descoberta, configuração e compra acontecem num único fluxo conversacional.

    Upsell com contexto. Como o agente continua no comando, ele pode reagir às escolhas: selecionou cheddar? Ele pode renderizar, no turno seguinte, uma sugestão de combo, como um bom vendedor faria.

    Pronto para o comércio agêntico. Estamos entrando na era da malha de agentes: agentes de empresas diferentes cooperando via A2A para resolver tarefas do usuário. Nesse cenário, o agente que faz o trabalho muitas vezes é remoto e precisa de um jeito seguro e interoperável de apresentar opções, coletar escolhas e fechar transações em qualquer superfície. O A2UI é exatamente essa camada.

    Para quem constrói experiências digitais

    Durante anos, tratamos “conversacional” e “interface gráfica” como mundos separados: o chatbot de um lado, o site do outro. O A2UI derruba essa parede: a interface passa a ser gerada sob demanda pelo agente, no formato exato da necessidade do cliente naquele momento, mas renderizada com a identidade e a segurança do seu produto.

    Para times de CX, e-commerce e produto, a pergunta deixou de ser “devo ter um chatbot?” e passou a ser: quando meu cliente pedir “fritas”, o que ele vai ver?

    Se você quer explorar como interfaces geradas por agentes podem entrar na jornada de compra da sua operação, fale com a Tamago! 🍟

  • IA aumenta as emissões do Google e pressiona metas climáticas

    IA aumenta as emissões do Google e pressiona metas climáticas

    Image

    A expansão da inteligência artificial levou a um aumento significativo das emissões de gases de efeito estufa do Google em 2025. Segundo o relatório de sustentabilidade da empresa, as emissões cresceram 18% no último ano, principalmente devido à construção e operação de data centers necessários para suportar cargas de IA.


    Os principais números destacados são:

    • Crescimento de 18% nas emissões de gases de efeito estufa em 2025.
    • Aumento de 37% no consumo de eletricidade, o maior já registrado pela empresa em um único ano.
    • Desde 2019, ano-base das metas climáticas do Google, as emissões cresceram cerca de 80% e a demanda energética aumentou aproximadamente 250%.

    A corrida pela IA exige mais infraestrutura física, incluindo servidores, chips, aço, concreto e energia elétrica para os data centers. Esse crescimento dificulta o cumprimento da meta do Google de reduzir pela metade suas emissões absolutas e alcançar emissões líquidas zero até 2030.

    Como contraponto, o Google afirma que suas emissões seriam cerca de cinco vezes maiores sem seus investimentos em energia limpa e ganhos de eficiência operacional. A empresa informou possuir cerca de 35 GW contratados em fontes como solar, eólica, geotérmica e nuclear, além de melhorias em hardware e software. Também declarou que seus data centers consumiriam aproximadamente 83% menos energia do que a média do setor para executar a mesma carga computacional.

    Embora o Google não divulgue indicadores detalhados de eficiência no uso de água, a empresa informou ter reposto 29 bilhões de litros de água doce em 2025, equivalentes a 78% de seu consumo. Entre as iniciativas citadas estão captação de água da chuva, recarga de aquíferos, detecção de vazamentos e apoio a agricultores por meio de previsões meteorológicas. A meta é repor 120% da água consumida por escritórios e data centers até 2030.

    Link da matéria original:
    Capital Reset / UOL – Verdinhas: IA aumenta as emissões do Google e pressiona metas climáticas

  • Como integrar com o CBA via API

    Como integrar com o CBA via API

    Neste artigo, aprenderemos como integrar com o CBA via API.

    Encontrando a Documentação da API

    1. Acesse o console do CBA em https://cba-admin.tamago.app

    Clique no botão “Documentação” e “Documentação da API“:

    Você terá acesso à documentação da TCBA API:

    Gerando a chave para acessar a API

    Para conseguir publicar dados na API é necessário ter um usuário e uma chave de acesso para a API. Um novo usuário pode ser criado no console ou uma nova chave gerada no console CBA:

    Clique na opção “Usuários“:

    A tela de usuários será apresentada. Clique em “Novo Usuário” para criar um novo usuário para a ferramenta.

    Defina as seguintes informações:

    Atributo

    Descrição

    Partner Code

    O Partner Code é o código que identifica a sua Organização no CBA. Este atributo não pode ser alterado, pois é definido no setup.

    User

    Defina o e-mail do usuário que será o responsável pela integração.

    Role

    Defina uma Role de Acesso para o usuário. Existem três Roles:

    • Reader: é uma role geralmente para os usuários que vão acessar os relatórios do CBA. Eles não são capazes de fazer mudanças e possuem apenas acesso de leitura;
    • Editor: é uma role que permite a ingestão de dados no CBA. Para poder integrar os dados é necessário atribuir este acesso;
    • Admin: é uma role de administração, que permite alterar dados, configurações da organização, criar e alterar o acesso dos usuários;

    Password

    É uma senha de acesso atribuída para a geração da chave de API. Ela deve ser definida uma única vez, na criação do usuário ou quando for necessário renovar ou criar uma nova chave. Cada usuário pode ter uma única chave, portanto para que uma nova chave de API seja criada, é necessário revogar a chave anterior.

    Key Expiration Date

    Indique a data de validade da chave de API. Por questões de segurança, recomendamos que essa chave tenha a validade de 90 dias no máximo.

    Clique no botão “Gravar” para criar o usuário. Em seguida, acesse no painel lateral do usuário o atributo “Api Key“, copie e guarde para a próxima etapa.

    Não divulgue essa senha, pois ela dá acesso ao ambiente. A chave mostrada neste exemplo é de um ambiente de testes e já foi revogada.

    Realizando a integração de dados

    Realize a integração de dados de acordo com a documentação. Abaixo mostramos como a API REST é invocada para realizar a ingestão de uma nova venda. A API Key é fornecida como um header x-api-key para a API, que saberá quem é o usuário que está requisitando a ingestão do dado, a organização e as outras informações.

    Exemplo de integração com o cURL:

    curl --location 'https://cba.tamago.app:443/v1/sales' \
    --header 'x-api-key: b1012d1d596993956c41e1b7011066d3760edf7de76f2b5dbc9900a5fa4e461a' \
    --header 'Content-Type: application/json' \
    --data '[
        {
            "partner_code": "TMG001",
            "version": "V00",
            "order_id": "O2564035339318",
            "customer_id": "C006753",
            "order_date": "2018-04-17",
            "product_id": "P007166",
            "sales": 67.58,
            "quantity": 1,
            "profit": 11.22,
            "source_code": "TST"
        }
    ]'

    Exemplo de integração com Python (Requests):

    import requests
    import json
    
    url = "https://cba.tamago.app:443/v1/sales"
    
    payload = json.dumps([
      {
        "partner_code": "TMG001",
        "version": "V00",
        "order_id": "O2564035339318",
        "customer_id": "C006753",
        "order_date": "2018-04-17",
        "product_id": "P007166",
        "sales": 67.58,
        "quantity": 1,
        "profit": 11.22,
        "source_code": "TST"
      }
    ])
    headers = {
      'x-api-key': 'b1012d1d596993956c41e1b7011066d3760edf7de76f2b5dbc9900a5fa4e461a',
      'Content-Type': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload)
    
    print(response.text)
    

    Exemplo de integração com NodeJs e Axios:

    const axios = require('axios');
    let data = JSON.stringify([
      {
        "partner_code": "TMG001",
        "version": "V00",
        "order_id": "O2564035339318",
        "customer_id": "C006753",
        "order_date": "2018-04-17",
        "product_id": "P007166",
        "sales": 67.58,
        "quantity": 1,
        "profit": 11.22,
        "source_code": "TST"
      }
    ]);
    
    let config = {
      method: 'post',
      maxBodyLength: Infinity,
      url: 'https://cba.tamago.app:443/v1/sales',
      headers: { 
        'x-api-key': 'b1012d1d596993956c41e1b7011066d3760edf7de76f2b5dbc9900a5fa4e461a', 
        'Content-Type': 'application/json'
      },
      data : data
    };
    
    axios.request(config)
    .then((response) => {
      console.log(JSON.stringify(response.data));
    })
    .catch((error) => {
      console.log(error);
    });
    

    A Tamago oferece também uma Coleção do Postman com payloads de exemplo, que você pode usar para entender testar as chamadas.

  • CCAI (Contact Center AI): A Revolução no Atendimento ao Cliente

    CCAI (Contact Center AI): A Revolução no Atendimento ao Cliente

    O que é CCAI?

    O termo CCAI (Contact Center AI) refere-se ao uso de inteligência artificial para transformar e otimizar operações de centrais de atendimento ao cliente (call centers). A proposta do CCAI é simples, mas poderosa: automatizar tarefas repetitivas, melhorar a experiência do cliente e aumentar a eficiência operacional por meio de tecnologias como machine learning, processamento de linguagem natural (NLP), chatbots, voicebots e análise preditiva.

    Desenvolvido por empresas como Google Cloud, Microsoft, Amazon e diversos outros fornecedores, o CCAI representa uma mudança de paradigma. De um modelo reativo e muitas vezes lento, os contact centers estão se tornando proativos, inteligentes e centrados no usuário, graças à IA.


    Componentes Principais do CCAI

    Um sistema de Contact Center AI é geralmente composto por três pilares fundamentais:

    1. Agentes Virtuais

    Os agentes virtuais (chatbots e voicebots) são responsáveis por atender chamadas ou conversas iniciais de forma automatizada. Usando NLP, eles compreendem a intenção do cliente e fornecem respostas em linguagem natural. Quando bem treinados, conseguem resolver dúvidas comuns, realizar agendamentos, emitir boletos, entre outras tarefas, sem intervenção humana.

    2. Assistência em Tempo Real para Agentes Humanos

    Enquanto o atendimento é realizado por um agente humano, a IA pode sugerir respostas em tempo real, oferecer artigos de base de conhecimento, transcrever a conversa automaticamente e até mesmo analisar o tom emocional do cliente. Isso reduz o tempo médio de atendimento (TMA) e melhora a qualidade da resposta.

    3. Insights e Análise de Conversas

    Com o uso de analytics e IA, o CCAI permite a análise de milhões de interações para identificar tendências, gargalos, oportunidades de melhoria e até riscos de churn. Esses dados são valiosos para as áreas de atendimento, marketing, produto e CX (Customer Experience).


    Benefícios para Empresas e Clientes

    A adoção de CCAI traz impactos diretos e mensuráveis:

    • Redução de custos operacionais: Automatizando até 70% dos atendimentos simples, as empresas podem redimensionar suas equipes humanas para focar em casos mais complexos.
    • Melhora na experiência do cliente: Respostas rápidas, consistentes e disponíveis 24/7 aumentam a satisfação e a fidelização.
    • Eficiência operacional: Agentes humanos com suporte de IA tomam decisões mais rápidas e com menos erros.
    • Escalabilidade: É possível atender picos de demanda sem contratar grandes volumes de novos atendentes.

    Casos de Uso Reais

    Empresas de telecomunicações, bancos, e-commerces e serviços públicos já implementaram soluções CCAI com grande sucesso. No Brasil, por exemplo, operadoras de telefonia utilizam bots de voz para renegociação de dívidas. No varejo online, há uso extensivo de IA para rastreamento de pedidos e dúvidas sobre produtos.

    A adoção não se limita a grandes corporações. Plataformas como o Google Dialogflow CX permitem que PMEs configurem seus próprios assistentes inteligentes com relativa facilidade, usando interfaces visuais e fluxos pré-configurados.


    Desafios e Considerações Éticas

    Embora promissor, o uso de IA em centrais de atendimento exige cautela. Alguns desafios incluem:

    • Privacidade de dados: Gravações e transcrições precisam estar em conformidade com legislações como a LGPD.
    • Treinamento de modelos: Um bot mal treinado pode causar frustração maior do que um atendimento tradicional.
    • Inclusão e acessibilidade: É preciso garantir que o atendimento automatizado seja acessível para pessoas com deficiência ou pouco letradas digitalmente.

    O Futuro do Atendimento com IA

    À medida que a IA avança, o CCAI caminha para uma integração ainda mais profunda com sistemas de CRM, automação de marketing, e-commerce e até assistentes pessoais (como Alexa ou Google Assistant). A expectativa é que, nos próximos anos, os clientes não percebam mais a diferença entre um agente humano e um virtual — desde que a experiência seja natural, empática e eficaz.

    Para empresas que desejam se manter competitivas, investir em Contact Center AI não é mais uma escolha: é uma necessidade estratégica.