Pular para o conteúdo

IA que não sai cara nem sai do ar

Custo de IA reduzido em até 74,5% por mensagem, limite automático contra gasto descontrolado e correção sozinha quando algo quebra.

Empresas de saúde e de educação. Em produção. Desde set. de 2026.

73%
a menos de custo por resposta
78%
a menos por mensagem num gerador de conteúdo
1 dia
para levar o atendente para servidor próprio

O problema

Atendentes de IA trabalham o dia inteiro em atendimento e conteúdo. A ferramenta de automação não ligava a economia de custo que a própria IA oferece, e o gasto subia sem que ninguém soubesse onde.

Um erro de configuração fez um atendente repetir chamadas à IA: 4.814 num dia, contra 260 a 615 normais. Um alerta só avisa depois. Era preciso algo que cortasse na hora.

Na prática

Custo por resposta

Relativo, medido em produção no volume real.

Sem cachebase
Cache de 5 min52% menos
Cache de 1 hora73% menos

Disjuntor contra loop

Simulação: chamadas por minuto até o corte.

limite

Clique em simular

O resultado

  • Economia de 52% a 73% por resposta no atendente de um consultório.
  • O custo por mensagem de um gerador de conteúdo caiu cerca de 78%.
  • O erro virou duas proteções: um limite que corta na hora e um bloqueio que impede publicar a configuração que causou o problema.
Detalhes técnicosArquitetura, desafios e ferramentas, para quem é da área.
Proxy, disjuntor e auto-curaarraste para o lado para ver tudo
loop? cortarestauran8nfluxos do agenteProxy própriocache + disjuntorAPI da IAprompt em cacheEquipeaviso com motivoRepositórioestado versionadoAuto-curarotina agendada
CódigoIAPessoasDados

Toda chamada passa pelo proxy, que liga o cache e corta loops. O estado do agente é restaurado sozinho se regredir.

Custo

  • Proxy próprio entre o n8n e a API da Anthropic, que liga o cache de prompt. O prompt de cerca de 25 mil tokens passa a ser lido do cache, a 10% do preço de entrada.
  • Economia medida por resposta: 52% com cache de 5 minutos e 73% com cache de 1 hora, no volume real.
  • Registro de uso por solução e por rotina, processamento em lote e modelo menor onde a tarefa é só extrair.

Confiabilidade

  • Disjuntor no proxy: corta e avisa quando as chamadas passam do limite em 10 minutos, 1 hora ou 24 horas.
  • Estado correto do agente versionado num repositório, com uma rotina agendada que detecta e desfaz regressões.
  • Publicação só por script, com ensaio antes, e recusa se o prompt citar ferramenta desligada.
  • Monitor das execuções a cada 15 minutos, reconstruindo o texto que realmente saiu.

Desafios

  • Migração do agente do n8n Cloud para servidor próprio em 1 dia, quando a cota mensal da nuvem acabou e o atendimento parou.
  • Troca de domínio da API da agenda com 184 fluxos varridos e teste de fumaça de cada credencial, sem parar o atendimento.
  • Diagnóstico antes de trocar de plataforma: cerca de 70% das falhas vinham do prompt e do agente, 30% da lógica do fluxo e quase 0% da conexão com o WhatsApp. Trocar de plataforma não resolveria nada, e não foi feito.

Decisão difícil

Disjuntor, não só alerta

Alerta conta o prejuízo depois. Disjuntor corta a chamada no momento em que o padrão foge do normal, e avisa a equipe com o motivo.

Ferramentas: Node.js (proxy), Anthropic API, Prompt caching, Batch API, n8n self-hosted, GitHub Actions, Docker, VPS Linux.