Como melhorar seu Agente de IA e economizar créditos (cache e boas práticas)

Seu Agente de IA já está no ar? Este guia mostra como melhorar as respostas e, ao mesmo tempo, reduzir o consumo de créditos de IA — incluindo como funciona o cache, o mecanismo que faz a mesma conversa custar até metade.

Como a cobrança funciona

O consumo de IA é medido em créditos de IA: 1 crédito equivale a 1 milhão de tokens no modelo padrão (GPT-4.1 mini). Modelos mais avançados consomem créditos proporcionalmente ao custo deles:

📘 Tradução prática: uma conta que resolve as mesmas conversas no modelo padrão gasta até 7× menos créditos do que no modelo mais avançado. Use modelos maiores apenas onde eles fazem diferença real.

Onde acompanhar: o saldo aparece no topo da plataforma (badge de créditos); o detalhamento fica em Central IA > Análises — créditos utilizados, uso ao longo do tempo, consumo por agente e exportação CSV com a coluna de créditos. Recargas ficam no Marketplace, aba Créditos de IA.

O que é o cache (e por que ele economiza)

A cada resposta, o agente envia ao modelo de IA um "pacote" com duas partes:

1. Parte fixa: instruções, personalidade, regras e ferramentas do agente — igual em toda resposta.
2. Parte variável: a mensagem do cliente, o histórico recente e os trechos da base de conhecimento relevantes àquela pergunta.

Quando várias respostas acontecem em uma janela curta de tempo, a parte fixa é reaproveitada pelo provedor de IA (cache) — e o SimplesDesk repassa esse desconto automaticamente: tokens atendidos pelo cache são cobrados pela metade na sua cota de créditos. Em contas com fluxo contínuo de atendimento, o efeito é grande: operações com alto aproveitamento de cache chegam a reduzir o débito de créditos em mais de 40% — sem mudar nada na qualidade.

Você não precisa "ligar" o cache — ele é automático. Mas dá para aumentar o aproveitamento:

Como aumentar o aproveitamento do cache

1. Não edite o agente em horário de pico

Cada alteração nas instruções, personalidade ou regras invalida o cache — a parte fixa muda e precisa ser reprocessada do zero. Agrupe os ajustes e aplique-os fora do horário de movimento (início da manhã, fim do dia). Evite o ciclo "editar → salvar → editar de novo" com o agente atendendo.

2. Mantenha fluxo contínuo no mesmo agente

O cache é reaproveitado entre respostas próximas no tempo do mesmo agente. Dez conversas em uma hora aproveitam muito mais cache do que dez conversas espalhadas no dia. Na prática:

• Se dois canais têm o mesmo escopo de atendimento, use o mesmo agente nos dois em vez de criar um agente clone para cada canal — o volume somado mantém o cache "quente".
• Reserve agentes separados para escopos realmente diferentes (vendas × suporte técnico).

3. Não fique trocando de modelo

Cada modelo tem o próprio cache. Trocar o modelo do agente no meio do dia zera o aproveitamento. Escolha o modelo com calma (comece sempre pelo padrão) e mantenha.

4. Instruções completas, base de conhecimento fatiada

Aqui há um detalhe que vale dinheiro: a parte fixa (instruções) é a que recebe desconto de cache; a parte variável (trechos da base recuperados por pergunta) é sempre preço cheio. Portanto:

• O que é regra permanente do atendimento (políticas, tom, limites, passos) pertence às instruções — texto estável, cacheável.
• O que é conteúdo de consulta (tabelas, especificações, catálogo) pertence à base de conhecimento, em documentos objetivos e bem divididos — o agente recupera só o trecho relevante, em vez de arrastar um manual inteiro a cada resposta.

⚠️ Evite colar um catálogo de 50 páginas dentro das instruções: além de piorar as respostas, infla a parte fixa desnecessariamente.

Menos idas e vindas = menos tokens

Cada troca de mensagens custa créditos. As configurações que melhoram a qualidade também reduzem o custo, porque a conversa termina antes:

• Respostas prontas para as perguntas mais frequentes: resposta certa de primeira, sem o agente "raciocinar" à toa.
• Base de conhecimento atualizada: documento desatualizado gera resposta errada → cliente contesta → mais mensagens.
• Manter no assunto (em Regras): impede conversas improdutivas fora do escopo.
• Máximo de tokens por resposta (em Instruções & Modelo): respostas objetivas custam menos e funcionam melhor no WhatsApp.
• Desistir após N tentativas + transferência bem configurada: quando o agente não está resolvendo, insistir só queima créditos — transfira para um humano.
• Follow-up com limite de tentativas e janela de horário: retomadas automáticas são poderosas, mas configure o teto.

Medindo o resultado

Em Central IA > Análises você acompanha:

• Créditos utilizados no período e o uso ao longo do tempo;
• Consumo por agente — identifique qual agente concentra o custo;
• Tempo economizado pela IA e conversas resolvidas sem humano;
• Exportação CSV detalhada (dia a dia, com créditos e tokens) para análise fina.

Revise mensalmente: se um agente consome muito e resolve pouco, o problema quase sempre está em base de conhecimento fraca ou escopo mal definido — não no modelo.

Checklist de economia

• [ ] Modelo padrão (mini) nos agentes — modelos maiores só onde comprovadamente necessário
• [ ] Edições de configuração agrupadas e fora do pico
• [ ] Um agente por escopo (não um clone por canal)
• [ ] Regras permanentes nas instruções; conteúdo de consulta na base, em documentos fatiados
• [ ] Respostas prontas para o top 5 de perguntas
• [ ] Limite de tokens por resposta configurado
• [ ] Transferência para humano e "desistir após N" configurados
• [ ] Análises revisadas mensalmente

Ainda não criou seu agente? Comece pelo guia Agente de IA: guia completo de criação e configuração.