Geeker Insights: conheça o Kaito

Geeker Insights: conheça o Kaito

Tem uma tarefa que você faz todo dia no trabalho que claramente poderia ser feita por uma máquina? Aquela que você já sabe o resultado antes de terminar, que cansa só de olhar pro checklist, mas que precisa ser feita do mesmo jeito, toda vez, sem erro? Pois é. Essa sensação é o ponto de partida do que a gente vai conversar aqui.

A Geeker está lançando o Geeker Insights: uma série de conteúdos periódicos sobre IA, automações e Protheus — coisas que a gente vive na prática com os clientes e quer compartilhar de forma direta, sem enrolação. E pra começar com o pé direito, a gente quer te apresentar o Kaito.

O que é o Geeker Insights

A ideia é simples: praticamente toda semana a Geeker vai compartilhar ideias, novidades e possibilidades de como a tecnologia pode facilitar o dia a dia das empresas. Com foco em IA, automações e, claro, Protheus — porque é o sistema que a gente vive, respira e resolve todo dia.

O Geeker Insights não é um canal de propaganda. É um espaço pra mostrar o que está acontecendo de verdade no mercado, o que já funciona na prática, o que ainda é promessa e o que a Geeker está construindo. Transparência é uma coisa que a gente leva a sério.

Se você é gestor, usuário-chave ou profissional de TI de uma empresa que usa Protheus — ou que está avaliando — esse conteúdo é pra você. Porque a discussão sobre IA não pode ficar só nos grandes eventos ou nos comunicados da TOTVS. Ela precisa chegar no dia a dia de quem opera o sistema.

Quem é o Kaito

O Kaito é o agente de Inteligência Artificial comercial da Geeker. Foi criado internamente, com um objetivo bem claro: mostrar, na prática, como a IA pode entrar nos processos de uma empresa sem precisar de um projeto mirabolante, de meses de desenvolvimento ou de um orçamento astronômico.

Você consegue falar com o Kaito agora mesmo, em kaito.gkcmp.com.br. Ele atua no contexto comercial da Geeker — responde dúvidas, apresenta soluções, orienta sobre serviços — mas vai além disso. O Kaito existe pra ser um exemplo vivo do que é possível fazer com IA quando você tem clareza do problema que quer resolver.

A Geeker não criou o Kaito pra substituir ninguém. Criou pra provar um ponto: que agentes de IA já são uma realidade acessível, e que o maior obstáculo não é a tecnologia — é saber onde aplicar.

Por que um agente de IA comercial faz sentido

Pensa no que acontece numa operação comercial típica. Leads chegando por canais diferentes, perguntas repetitivas sobre serviços, qualificação manual, agendamento de reuniões, follow-up que depende da memória do vendedor. São tarefas que consomem tempo, que são previsíveis e que, na maioria das vezes, seguem um fluxo bem definido.

Um agente de IA entra exatamente aí. Ele não resolve o problema do cliente — isso continua sendo trabalho humano, que exige contexto, empatia e julgamento. Mas ele cuida do volume repetitivo, do triaging inicial, das respostas imediatas às perguntas frequentes, da coleta das informações certas antes de uma reunião. Libera o time humano pra focar no que importa.

No caso do Kaito, o foco foi o processo comercial da própria Geeker. Mas o raciocínio por trás dele — identificar onde a automação inteligente resolve um gargalo real — é o mesmo que se aplica a qualquer operação. Faturamento, compras, financeiro, atendimento interno. O molde é diferente; a lógica é a mesma.

IA e Protheus: onde as coisas se encontram

Uma pergunta que aparece bastante quando a gente fala de IA com quem usa Protheus é: isso tem alguma relação com o meu ERP? A resposta é sim — e cada vez mais.

A TOTVS vem evoluindo o Protheus Insights, sua plataforma de inteligência artificial integrada ao ERP, com recursos que já chegam a módulos como Financeiro, Faturamento, Compras e Estoque. São funcionalidades que analisam os dados dentro do próprio sistema e geram alertas, sugestões e análises preditivas. Na release 12.1.2510, por exemplo, foi lançada uma Central de IA que unifica essas visões em uma única tela dentro do Protheus.

Além disso, versões mais recentes do sistema trazem agentes de IA nativos voltados a processos específicos do backoffice — como suporte à liberação de crédito em pedidos de venda e sugestão de fornecedores em processos de compra. São recursos que reduzem o tempo de análise em decisões que hoje dependem de muito trabalho manual.

Isso tudo é relevante porque mostra uma direção clara: o Protheus está se tornando um sistema que não só armazena e processa dados, mas começa a ragionar sobre eles. E o papel da consultoria — da Geeker, no caso — é ajudar a empresa a tirar proveito disso de forma estruturada, sem pular etapas e sem comprar promessa.

O que ainda é promessa e o que já funciona

Aqui a gente precisa ser honesto, porque o mercado de IA tem muito barulho e pouca clareza.

O que já funciona de verdade? Agentes que respondem perguntas dentro de um escopo bem definido, como o Kaito. Automações de tarefas repetitivas com fluxo previsível. Classificação automática de registros. Alertas baseados em padrões históricos. Análises preditivas quando há volume de dados suficiente e consistente.

O que ainda está madurando? Integração profunda de IA com todos os módulos do Protheus, autonomia de agentes em decisões complexas, e qualidade dos insights em empresas com base de dados inconsistente ou incompleta. Um agente de IA é tão bom quanto os dados que alimentam ele. Se o Protheus tem lançamentos errados, campos em branco e cadastros bagunçados, nenhuma IA vai fazer milagre.

Isso não é pessimismo — é realismo. E realismo é o que permite que um projeto de IA gere resultado de verdade em vez de virar um piloto que nunca saiu do papel.

O que um agente de IA pode fazer dentro de uma empresa

Sem ficar no abstrato, aqui estão alguns exemplos concretos de onde agentes de IA já fazem sentido em operações que usam Protheus:

• Atendimento interno de TI: um agente que responde dúvidas frequentes dos usuários do ERP, orienta sobre onde acessar uma rotina, filtra chamados antes de chegar no time técnico.
• Suporte a compras: análise automática de pedidos pendentes, alertas de prazos, sugestão de fornecedor com base em histórico de compras e preço.
• Financeiro: identificação de títulos em risco de inadimplência com base em padrão histórico do cliente, alertas de fluxo de caixa para períodos críticos.
• Comercial: qualificação de leads, triagem de perguntas frequentes, coleta de informações antes de uma reunião com o consultor ou vendedor.
• Fiscal: validação de consistência em lançamentos antes do fechamento, alertas de divergência entre notas e registros no ERP.

Cada um desses casos começa do mesmo lugar: um processo que hoje consome tempo do time humano, que tem um fluxo relativamente previsível e que, se automatizado, libera energia pra decisões que realmente precisam de um ser humano pensando.

Como pensar antes de sair implementando

O maior erro que uma empresa comete ao entrar no mundo de IA é sair procurando a tecnologia antes de entender o problema. Não adianta querer um agente de IA sem saber exatamente qual tarefa ele vai resolver, quem vai usar, o que a empresa faz hoje no lugar dele e qual é o critério de sucesso.

As perguntas certas antes de qualquer projeto de automação inteligente são:

• Qual tarefa consome mais tempo do meu time sem agregar valor proporcional?
• Essa tarefa tem um fluxo previsível, com entradas e saídas bem definidas?
• Os dados que alimentariam esse agente estão no Protheus? Estão consistentes?
• Se esse processo fosse automático, o que mudaria no resultado do meu time?

Responder essas quatro perguntas já coloca qualquer empresa numa posição muito melhor para avaliar onde a IA faz sentido — e onde ela ainda não entrega o que promete.

O Kaito como ponto de partida, não como destino

A Geeker criou o Kaito com um propósito duplo. O primeiro é prático: melhorar o processo comercial interno da empresa. O segundo é demonstrativo: mostrar que é possível construir um agente útil, funcional e acessível — e que o processo de fazer isso ensina muito sobre como aplicar IA em outros contextos.

Quando a gente diz que isso é a pontinha do iceberg, é porque é literalmente isso. Um agente comercial é um caso de uso relativamente simples dentro do espectro do que IA pode fazer integrada a um ERP como o Protheus. As possibilidades de um agente consultando dados em tempo real do sistema, automatizando aprovações, interagindo com usuários em linguagem natural e aprendendo com o histórico da operação — essas possibilidades ainda estão sendo construídas, tanto pelo mercado quanto pela Geeker.

O Kaito é o começo dessa jornada. E o Geeker Insights é o espaço onde a gente vai documentar cada passo dela, com honestidade sobre o que funciona e transparência sobre o que ainda está por vir.

Dados sujos, resultado ruim: o problema que ninguém quer admitir

Tem uma conversa que a gente repete bastante com clientes quando o assunto de IA surge: "Queremos implementar, mas os nossos dados estão uma bagunça." E aí vem a segunda parte, que é o ponto crítico: "Mas a IA não consegue resolver isso pra gente?"

Não. Não consegue. Pelo menos não da forma que a maioria imagina.

Um agente de IA — seja ele voltado ao comercial, ao financeiro ou a qualquer outro processo — funciona a partir de dados. Ele consulta, interpreta, correlaciona e responde com base no que encontra. Se o que encontra é inconsistente, o resultado é inconsistente. É simples assim, e não tem atalho tecnológico que contorne isso.

No contexto do Protheus, isso se traduz em problemas muito concretos. Cadastro de clientes com CNPJ duplicado. Lançamentos fiscais sem natureza de operação preenchida. Movimentações de estoque com centro de custo errado. Títulos financeiros com portador em branco. Cada um desses problemas existe hoje em silêncio — o sistema funciona, as rotinas rodam, o mês fecha. Mas quando você coloca um agente de IA pra analisar esses dados, o silêncio vira ruído.

O ponto de atenção prático aqui não é "não implemente IA enquanto os dados não estiverem perfeitos" — porque perfeito não existe. O ponto é: antes de qualquer projeto de automação inteligente, vale fazer uma leitura honesta da qualidade dos dados que alimentarão o agente. Isso evita o cenário mais frustrante possível: investir num projeto, colocá-lo em produção e ter um agente que responde errado porque os dados de origem estão errados.

Uma boa forma de começar essa leitura no Protheus é olhar para os campos críticos dos módulos envolvidos no processo que você quer automatizar. No financeiro, por exemplo: os títulos têm natureza preenchida de forma consistente? O histórico de inadimplência está completo? No estoque: os grupos de produto estão classificados corretamente? As movimentações têm os campos de rastreabilidade preenchidos? Essas perguntas, feitas antes do projeto, poupam muita dor de cabeça depois.

Integração entre agentes de IA e o Protheus: como isso funciona na prática

Uma dúvida comum de quem está pensando em IA integrada ao ERP é de ordem técnica: como um agente externo, desenvolvido fora do Protheus, consegue conversar com o sistema? A resposta curta é: via API REST, que o Protheus já disponibiliza de forma nativa para a maioria dos módulos relevantes.

O Protheus expõe endpoints que permitem consultar e movimentar dados em tempo real — pedidos de venda, títulos, notas fiscais, movimentações de estoque, cadastros e muito mais. Um agente de IA bem construído pode usar esses endpoints pra buscar informações no momento em que o usuário faz uma pergunta, em vez de depender de uma base de dados exportada e possivelmente desatualizada.

Isso faz uma diferença grande na prática. Um agente que responde "o pedido número tal está em aprovação desde ontem" consultando o Protheus em tempo real é muito mais útil do que um agente que responde com base num dado exportado na última sexta. O primeiro tem acesso ao estado atual do sistema; o segundo tem acesso a uma fotografia que pode já não refletir a realidade.

Além das APIs REST nativas, existem outras formas de integração — acesso direto a banco de dados para leitura, uso de views ou procedures específicas, e integrações via camada de middleware. Cada abordagem tem seus trade-offs em termos de performance, manutenção e segurança. O que importa saber é que a integração técnica entre um agente de IA e o Protheus é viável, já existe infraestrutura pra isso, e não exige reinventar a roda.

O que exige atenção é o escopo dessa integração. Dar a um agente de IA acesso de leitura a dados operacionais é diferente de dar acesso a dados sensíveis ou permitir que ele execute movimentações no sistema. Cada nível de acesso implica um nível diferente de governança, validação e responsabilidade. Um projeto bem conduzido define isso com clareza antes de entrar em produção — não depois.

Erros comuns de quem começa um projeto de automação com IA

Depois de acompanhar de perto como empresas que usam Protheus chegam ao tema de IA, alguns padrões de erro aparecem com frequência. Não é crítica — é o caminho natural de quem está aprendendo um assunto novo. Mas reconhecê-los antes de cometer economiza tempo e orçamento.

• Começar pelo que é mais impressionante, não pelo que gera mais resultado. Agentes que fazem coisas visíveis e sofisticadas são mais fáceis de vender internamente, mas nem sempre são os que resolvem o problema mais caro da operação. O processo mais chato e invisível costuma ser o que mais se beneficia de automação — e é por ele que vale começar.
• Não definir critério de sucesso antes de começar. Como você vai saber se o agente funcionou? Se a resposta for "a gente vai sentir", o projeto vai ficar sem conclusão. Métricas simples — tempo médio de resposta, volume de chamados que chegaram ao time humano, taxa de qualificação de leads — precisam existir antes da implementação, não depois.
• Subestimar o esforço de treinamento e curadoria. Um agente de IA não sai do zero funcionando perfeitamente. Ele precisa de contexto: quem é a empresa, o que ela faz, quais são as respostas certas pras perguntas frequentes, como tratar casos de borda. Esse trabalho de curadoria é feito por pessoas — e precisa de tempo e atenção de quem conhece a operação por dentro.
• Ignorar o usuário final no desenho da solução. Um agente projetado sem considerar como o usuário real vai interagir com ele tende a ser abandonado logo. As perguntas que as pessoas fazem raramente são as perguntas que você imaginou que fariam. Testar com usuários reais antes de colocar em produção é etapa obrigatória, não opcional.
• Terceirizar a decisão sobre escopo para a tecnologia. "O que a IA consegue fazer?" é a pergunta errada. A certa é "o que eu preciso que seja feito?". A partir daí, avalia-se se a tecnologia consegue entregar. Quando o ponto de partida é a tecnologia, o projeto tende a produzir soluções que ninguém pediu.

Esses erros não são exclusivos de IA — são os mesmos erros que aparecem em projetos de ERP, integração e automação em geral. O que muda é que, no contexto de IA, a expectativa costuma ser mais alta e a tolerância ao erro costuma ser menor. Exatamente por isso, um projeto bem estruturado desde o diagnóstico tem uma chance muito maior de chegar a um resultado que a empresa continue usando seis meses depois.

O que esperar das próximas edições do Geeker Insights

O Geeker Insights foi pensado como uma construção progressiva, não como um canal de novidades soltas. Cada edição vai aprofundar um aspecto específico — seja uma tecnologia, um caso de uso, um erro comum ou uma possibilidade ainda pouco explorada no contexto do Protheus e das operações que giram em torno dele.

Alguns temas que já estão no radar pras próximas edições:

• Como o Fluig pode atuar como camada de orquestração entre processos humanos e agentes de IA, aproveitando os fluxos de aprovação já existentes nas empresas.
• O papel do Power BI como interface de visualização dos insights gerados por IA — porque de nada adianta um agente produzindo análises se elas não chegam pra quem decide.
• Casos reais de automação em processos financeiros e fiscais no Protheus: o que foi feito, como foi estruturado e qual foi o resultado percebido pelo time.
• Como avaliar se uma empresa está pronta pra começar um projeto de IA — um checklist prático baseado em dados, processos e maturidade de gestão.

A ideia não é cobrir tudo de uma vez. É construir uma base de referência, edição a edição, que faça sentido pra quem opera o Protheus no dia a dia — e que ajude a transformar uma conversa que hoje ainda é abstrata ("a gente precisa fazer algo com IA") em algo concreto, com começo, meio e resultado mensurável.

O Kaito existe porque a Geeker acredita que o melhor jeito de falar sobre uma possibilidade é demonstrando ela. O Geeker Insights existe pelo mesmo motivo: mostrar, com exemplos reais e linguagem direta, como tudo isso se traduz em operação.

Uma pergunta pra você levar

Se você pudesse colocar uma IA pra resolver uma tarefa chata ou repetitiva da sua empresa, qual seria? Qual processo te faz pensar "devia ter um jeito mais inteligente de fazer isso" toda vez que você executa?

Essa pergunta não é retórica. É o ponto de partida de qualquer conversa séria sobre automação. Porque antes de falar em tecnologia, precisa existir um problema real, sentido por alguém que conhece a operação por dentro.

Se tiver uma resposta na ponta da língua, vale anotar — e quem sabe trazer pra conversa. A Geeker está construindo exatamente esse tipo de solução, e o Kaito é a prova de que é possível sair do campo das ideias e colocar em produção.

Cada edição do Geeker Insights vai trazer um pedaço dessa construção: um caso, uma tecnologia, uma possibilidade — sempre com o pé no chão e o olho no resultado.