O TOTVS Atlas é um projeto desenvolvido para responder aos desafios apresentados no Enterprise Challenge 2025 da FIAP. A proposta consiste na criação de um agente de inteligência artificial (IA) capaz de interpretar relatórios complexos, gerar insights relevantes e sugerir ações personalizadas aos stakeholders de cada empresa.
Criar um agente de IA orquestrado, integrando técnicas avançadas de:
- Clusterização inteligente de clientes
- Análise preditiva
- Geração de relatórios automatizados
O objetivo central é personalizar a jornada dos clientes da TOTVS, atuando como um "copiloto analítico" que interpreta dados em tempo real, gera insights estratégicos e recomenda ações específicas para retenção, aumento da satisfação e exploração de oportunidades de negócio.
-
Interno (TOTVS):
-
Gestores e analistas das áreas de:
- Sucesso do Cliente
- Suporte
- Marketing
- Comercial
-
-
Externo (Clientes Empresariais B2B):
-
Empresas de diversos setores:
- Saúde
- Varejo
- Logística
- Outros segmentos relevantes
-
- ✅ Aumento da satisfação dos clientes TOTVS por meio da personalização da jornada do cliente.
- 📈 Redução significativa do churn, através da detecção proativa de riscos.
- 🚀 Aumento da receita com estratégias inteligentes de upsell e cross-sell orientadas por dados.
- ⚡ Maior agilidade na tomada de decisão, impulsionada por suporte contínuo da IA.
| Característica | Soluções Tradicionais | TOTVS Atlas |
|---|---|---|
| Segmentação de clientes | Genérica ou manual | Clusterização inteligente com IA |
| Insights e recomendações | Relatórios estáticos | Insights dinâmicos orientados por dados |
| Estratégia de personalização | Genérica | Adaptada ao perfil específico do cliente |
| Compreensão de linguagem | Não disponível | Consultas utilizando modelos de LLM |
| Integração de dados | Fragmentada | Pipeline unificado e orquestrado |
- Inteligência Artificial (IA)
- RAG
- Machine Learning (ML)
- BI
- Vectorstore
- SGBD
- Cloud
- Clusterização
- Instale o Poetry (gerenciador de pacotes) na versão 2.1.1:
Windows:
(Invoke-WebRequest -Uri https://install.python-poetry.org/2.1.1 -UseBasicParsing).Content | py -Mac/Linux:
curl -sSL https://install.python-poetry.org/2.1.1 | python3 -Verifique a instalação:
poetry --version # Deve exibir: Poetry (version 2.1.1)Se você tiver uma versão diferente instalada, pode desinstalá-la primeiro:
# Windows
(Invoke-WebRequest -Uri https://install.python-poetry.org -UseBasicParsing).Content | py - --uninstall
# Mac/Linux
curl -sSL https://install.python-poetry.org | python3 - --uninstall# Instale as dependências usando o Poetry
poetry install
# Ative o ambiente do Poetry
poetry shellPara facilitar a execução da aplicação em um ambiente isolado e consistente, você pode usar o Docker e o Docker Compose.
Pré-requisitos:
- Docker e Docker Compose instalados.
Passos:
-
Crie o arquivo de ambiente: Na raiz do projeto, crie um arquivo chamado
.enve preencha com suas credenciais. Use o arquivo.env.examplecomo modelo.# Configurações do Banco de Dados DB_SERVER=seu_servidor_db DB_DATABASE=seu_banco_de_dados DB_USERNAME=seu_usuario DB_PASSWORD=sua_senha # Configurações do Qdrant QDRANT_URL=sua_url_qdrant QDRANT_API_KEY=sua_chave_api_qdrant # Configurações da LLM (Gemini) GEMINI_API_KEY=sua_chave_api_gemini
-
Construa e inicie os contêineres: Execute o comando a seguir na raiz do projeto. Ele irá construir a imagem da API e iniciar o serviço em background.
docker-compose up -d --build
-
Acesse a API: A aplicação estará disponível nos seguintes endereços:
- API Status: http://localhost:8000/
- Documentação (Swagger): http://localhost:8000/docs
-
Verificando os logs: Para acompanhar os logs da aplicação em tempo real, use o comando:
docker-compose logs -f
-
Parando a aplicação: Para parar e remover os contêineres, execute:
docker-compose down
A partir da versão 2.4, o PyTorch oferece suporte oficial ao Python 3.12, incluindo a funcionalidade torch.compile. Para garantir máxima estabilidade e compatibilidade com todas as bibliotecas utilizadas neste projeto, recomendamos o uso do Python 3.11.8, conforme especificado no arquivo pyproject.toml.
© 2025 - Projeto desenvolvido para o Enterprise Challenge 2025 da FIAP