InovaçãoArtigo
IA generativa no catálogo: fluxo em lote com revisão humana e controle de erro
Em resumo
Gerar descrição de produto com IA é rápido; publicar centenas de textos sem erro de medida, voltagem ou composição é outra conta. O ConnectWeek monta o fluxo de produção em lote para o catálogo da loja: ficha de dados travada, checagens automáticas, amostragem por lote com regra de aceite, registro de erros e o custo por item.
Usar IA generativa no cadastro de produtos funciona quando vira um processo de produção, e não um atalho de redação: a IA recebe uma ficha de dados verificada, escreve dentro de regras fixas, cada texto passa por checagens automáticas e uma amostra de cada lote é revisada por uma pessoa com regra clara de aceite ou de reprovação. Sem isso, a loja publica em escala o erro que antes cometia um item por vez. E o erro tem dono: pelo Código de Defesa do Consumidor, a informação suficientemente precisa da oferta vincula o fornecedor (art. 30), e a apresentação do produto deve trazer informações corretas, claras e precisas sobre características, qualidades, quantidade, composição e riscos (art. 31). O ConnectWeek descreve o fluxo para um catálogo de centenas ou milhares de itens.
Onde a IA erra no cadastro de produtos?
Os erros que custam caro são previsíveis e se repetem:
- Número inventado. A IA completa medida, peso, capacidade ou autonomia de bateria que não estavam na ficha, porque o texto fica mais redondo.
- Atributo trocado entre variações. A descrição da versão 220 V sai com o texto da 110 V, ou a cor de uma variação aparece na outra.
- Alegação proibida ou arriscada. Promessas de saúde, de resultado ou de superioridade sem prova, que o art. 37 do CDC trata como publicidade enganosa quando induzem o consumidor a erro.
- Texto genérico. Dez produtos parecidos com a mesma descrição trocando só o nome, o que não ajuda o cliente nem a busca.
- Conteúdo da caixa errado. Acessório que não acompanha o produto descrito como incluso, origem frequente de devolução.
O modelo de texto da descrição, com os blocos que a página precisa ter, está no artigo sobre descrição de produto para SEO. Aqui o assunto é a linha de produção que gera esse texto em quantidade.
O fluxo em seis etapas
- Ficha travada. Uma planilha por lote com os atributos verificados de cada item: marca, modelo, medidas, peso, material, voltagem, conteúdo da embalagem, cuidados, restrições e o público. Campo vazio fica vazio, e a IA é instruída a não preenchê-lo.
- Instrução fixa. O mesmo comando para todo o lote, com a estrutura do texto, o tom da marca, a lista de palavras e alegações proibidas e a ordem expressa de usar só os dados da ficha. Mudança de instrução abre lote novo.
- Geração em lote. Lotes de tamanho fixo, por exemplo 200 itens da mesma categoria, para que o erro de um tipo de produto não contamine o outro.
- Checagens automáticas em 100% dos itens. Comparar cada número do texto com os números da ficha, procurar termos proibidos, conferir o tamanho mínimo e máximo e detectar textos quase iguais entre itens diferentes. Isso se faz com fórmula de planilha ou com um script simples.
- Revisão humana por amostragem. Uma pessoa lê uma amostra aleatória do lote, compara com a ficha e com a foto, e classifica cada erro.
- Aceite ou reprovação do lote pela regra definida antes, com registro do resultado.
Amostragem por lote: quanto revisar e quando reprovar
A amostra mede a qualidade do processo; ela não garante que cada item esteja certo. A tabela abaixo mostra a chance de uma amostra aleatória não encontrar nenhum erro num lote de 200 itens, calculada pelo ConnectWeek com a distribuição hipergeométrica:
| Itens errados no lote de 200 | Amostra revisada | Chance de a amostra não achar nenhum erro |
|---|---|---|
| 10 (5%) | 20 itens | cerca de 34% |
| 10 (5%) | 32 itens | cerca de 17% |
| 10 (5%) | 50 itens | cerca de 5% |
| 20 (10%) | 20 itens | cerca de 11% |
| 4 (2%) | 20 itens | cerca de 65% |
A leitura prática: uma amostra pequena pega processo muito ruim, mas deixa passar processo razoável com alguns erros. Por isso a regra sugerida combina as duas camadas:
- Erro crítico (número diferente da ficha, atributo de outra variação, alegação de saúde ou de segurança, item da caixa errado): um único erro crítico na amostra reprova o lote, que volta para revisão integral e correção da instrução.
- Erro menor (estilo, repetição, frase truncada): até dois na amostra de 32 aceitam o lote, com correção dos itens apontados.
- Primeiros lotes de uma categoria nova: amostra maior, de 50 itens, até a taxa de erro se mostrar estável.
Essa é a lógica da inspeção por amostragem usada há décadas no controle de qualidade da indústria, adaptada ao texto. Os números da regra são um ponto de partida: ajuste pelo histórico de erros da sua loja.
O que as checagens automáticas devem pegar
As checagens de máquina custam pouco e rodam em todos os itens. As mais úteis:
- Número órfão: todo número com unidade no texto (cm, kg, ml, W, V, mAh) precisa existir na ficha do mesmo item.
- Lista negra: termos como cura, garante resultado, o melhor do mercado, aprovado por, hipoalergênico sem laudo.
- Similaridade: dois itens diferentes com mais de 80% de texto igual vão para revisão.
- Campos obrigatórios: a descrição cita o conteúdo da embalagem e os cuidados quando a ficha os tem.
- Tamanho: mínimo e máximo de caracteres por categoria.
O item barrado pela checagem automática não entra na amostra: volta direto para correção. A amostra humana é sorteada entre os que passaram.
Registro de erros e custo por item
Cada erro encontrado vai para uma planilha com o lote, o item, o tipo de erro, a causa provável (ficha incompleta, instrução ambígua, variação confundida) e a correção feita. Em poucos lotes, o registro mostra se o problema está na ficha, na instrução ou na categoria, e a correção sai na origem.
O custo por item publicado soma a ferramenta de IA, os minutos de revisão da amostra, a correção dos itens apontados e a revisão integral dos lotes reprovados. Um exemplo hipotético: lote de 200 itens, amostra de 32 com 4 minutos de leitura cada, 128 minutos de revisão. Se um em cada cinco lotes for reprovado e revisado por inteiro, a média sobe. Compare esse total com o tempo que a equipe gastava escrevendo cada descrição do zero; se a conta não fechar, o problema costuma estar na ficha de dados, não na IA.
Quem assina o catálogo
Defina por escrito quem aprova cada lote e quem responde por ele. A IA é uma ferramenta de redação; a responsabilidade pela oferta continua da loja, e o Decreto 7.962/2013 exige que o site apresente as características essenciais do produto e os riscos à saúde e à segurança do consumidor. Os usos de IA que já entregam resultado na operação de loja virtual estão reunidos no artigo sobre IA no e-commerce brasileiro, e o método para decidir se a ferramenta se paga está no artigo sobre o que medir antes de adotar IA. Catálogo completo e correto também é o que os agentes de IA que compram pelo cliente leem antes de recomendar um produto.
Fonte: Código de Defesa do Consumidor (Lei nº 8.078/1990)
Perguntas frequentes
Posso publicar descrição de produto gerada por IA sem revisar?
Não é recomendável. Pelo Código de Defesa do Consumidor, a informação da oferta vincula o fornecedor e deve ser correta e clara sobre características, composição, quantidade e riscos. Um erro de medida ou de voltagem escrito pela IA é responsabilidade da loja. O fluxo seguro combina checagem automática em todos os itens e revisão humana por amostragem.
Quantos itens revisar em cada lote gerado por IA?
Depende do erro que você aceita deixar passar. Num lote de 200 itens com 10 textos errados, uma amostra aleatória de 20 não encontra nenhum erro em cerca de 34% das vezes; com 50 itens revisados, em cerca de 5%. Por isso a amostra serve para medir o processo, e as checagens automáticas pegam o erro grosseiro em todos os itens.
Que dados a IA deve receber para descrever um produto?
Uma ficha fechada com os atributos verificados: marca, modelo, medidas, peso, material, voltagem, conteúdo da embalagem, cuidados e restrições. A instrução deve proibir a IA de criar qualquer número ou característica que não esteja na ficha e de fazer alegações de saúde ou de desempenho.
Quanto custa produzir descrição de produto com IA?
O custo da ferramenta por item costuma ser pequeno perto do custo da revisão humana. A conta que importa soma assinatura ou consumo da IA, minutos de revisão por item da amostra, correção dos erros encontrados e retrabalho dos lotes reprovados, dividida pelo número de itens publicados.
