Por que comecei por aqui
Queria aprender automações que resolvessem problemas reais. Escolhi um fluxo pequeno: o visitante abre um bot no Telegram, conhece meus projetos, demonstra interesse em automação e encontra uma maneira de falar comigo. A princípio, não preciso de um modelo de linguagem decidindo todas as respostas. Preciso de um processo claro.
O Make funciona na nuvem e recebe atualizações do Telegram por webhook. Isso me permite experimentar sem depender de manter meu computador ligado ou configurar uma VPS.
O primeiro aprendizado foi a interface
Montei o recebimento de mensagens, os botões e as respostas. Nem tudo funcionou de primeira: precisei entender a diferença entre botões que enviam mensagens e botões com callback, mapear o identificador correto da conversa e configurar filtros para cada caminho. Em alguns testes, os botões estavam pouco visíveis; em outros, o clique não gerava a resposta esperada.
Depois de ajustar o fluxo, os testes interativos começaram a funcionar. Isso não significa que todo o atendimento esteja pronto. Uma coisa é responder ao menu. Outra é encaminhar corretamente uma solicitação e garantir que eu consiga dar continuidade ao contato.
O caminho planejado de uma solicitação
- A pessoa inicia a conversa no Telegram e escolhe uma opção.
- O Make identifica o comando ou a escolha e envia o conteúdo correspondente.
- Para pedir contato, o visitante informa necessidade e forma de retorno.
- O cenário deve encaminhar a solicitação para uma conversa privada minha.
- Eu faço o retorno manual pelo contato informado.
Esse último ponto é fundamental: o bot não é um atendente humano nem um sistema de IA autônomo. Na primeira versão, a automação organiza o começo da conversa e o atendimento continua comigo.
Por que documentar um sistema no-code?
O cenário executável fica dentro do Make, mas isso não elimina a necessidade de engenharia. Criei um repositório privado para registrar decisões, filtros, critérios de pronto, riscos e orientações de segurança.
Também usei três LLMs gratuitas para analisar a arquitetura documentada. As respostas levantaram pontos importantes: falhas silenciosas, créditos do plano gratuito, ausência de backup de configuração, validação dos dados e necessidade de testes com mais de um usuário. É essencial lembrar que esses diagnósticos vieram da documentação, não de uma auditoria direta do cenário em produção.
Próximas validações
Antes de divulgar o bot como um canal estável, quero confirmar o fluxo completo de notificação, testar falhas, impedir confirmações falsas, verificar o consumo de créditos e separar credenciais e dados reais do material publicado. IA para respostas mais elaboradas pode entrar depois, com informações aprovadas e limites claros.
O que esse projeto está me ensinando
Automatizar não é apenas conectar dois módulos. É entender o evento inicial, as decisões em cada etapa, o que acontece quando algo dá errado e quem assume o processo quando a automação termina.
O estudo de caso do Assistente do Robson reúne a visão do projeto. E o laboratório de LLMs mostra como estou testando as ferramentas de IA enquanto aprendo engenharia de software.