Alice AI aprendeu a agir: como o assistente de voz se tornou uma plataforma de agentes de IA e o que isso muda para as empresas

Início/Blog/Alice AI aprendeu a agir: agentes e modelos locais

Do assistente de voz de 2017 aos agentes de IA, MCP e pesos abertos 80B-A3B: análise para proprietários de empresas e equipes técnicas

A Alice começou em 2017 como um assistente de voz para comandos domésticos: tocar música, saber a previsão do tempo, definir temporizadores. No final de 2026, ela cresceu para um ecossistema de redes neurais especializadas e agentes autônomos — com memória de longo prazo, reconhecimento de padrões em fotos, navegador em nuvem, chamadas telefônicas, integração com CRM via protocolo MCP e modelos abertos no Hugging Face sob licença Apache 2.0.

A mudança principal de 2026 é formulada de forma simples: uma rede neural deixa de ser medida apenas pela qualidade do texto — agora ela é avaliada pela capacidade levar a tarefa ao resultado. O cliente ganha a possibilidade de incumbir ao assistente a busca por um executor, comparação de preços e preparação de agendamento, e a empresa — automatizar o trabalho com documentos, chamadas e sistemas de contabilidade.

Para o proprietário da empresa, há três questões práticas aqui imediatamente: o assistente de IA conseguirá ler a oferta em seu site sem distorções; qual processo interno é realmente vantajoso transferir para um agente; onde passam os dados e os requisitos legais. Na STARCODE PR, trabalhamos com ambos os lados desta tarefa: implementamos assistentes de IA e integrações, preparamos sites para busca por IA, incluindo a Alice, e conduzimos GEO-promoção de marca. Abaixo, a cronologia desse crescimento, uma análise da nova política da plataforma, limitações técnicas e um plano prático de ação.

Alice AI aprendeu a agir: agentes de IA do Yandex, modelos locais e novas oportunidades para empresas
Agente de IA do Yandex «Aja!», catálogo de plugins MCP e pesos abertos AliceAI na análise da STARCODE PR

1. Como tudo começou e onde a plataforma chegou: duas tabelas principais

Para ver o quadro completo e não confundir as velhas ideias sobre um assistente de voz com o ecossistema atual do Yandex, resumiremos o caminho de desenvolvimento e a mudança nas abordagens da plataforma em duas tabelas iniciais.

Tabela 1. Cronologia do crescimento da Alice: do assistente de voz de 2017 a agentes e pesos abertos

Período / DataEtapa chaveO que mudou para usuários, desenvolvedores e empresas
10 de outubro de 2017 Lançamento do Alice Assistente de voz no aplicativo de busca do Yandex e versão beta para Windows: busca, previsão do tempo, rotas e diálogo em tempo real (anúncio de 2017).
29 de maio de 2018 Primeira Yandex Station e habilidades Apresentação do primeiro alto-falante inteligente na conferência Yet Another Conference 2018 e desenvolvimento do ecossistema de habilidades de voz de terceiros.
Maio 2023 Implementação do YandexGPT A Alice passa de respostas baseadas em cenários para a geração de textos, e-mails e planos.
Abril 2024 — Fevereiro 2025 «Alice de nova geração» e YandexGPT 5 Pro Chat web de diálogo separado, opção «Pro» e aumento na qualidade de raciocínio nos modelos superiores.
Julho — Outubro 2025 Chat gratuito e relançamento como «Alice AI» As funções básicas tornam-se gratuitas para o público em massa; a marca é atualizada para um assistente de IA universal com cenários de agentes.
7 e 20 de abril de 2026 Webmaster para Alice e caso da «Nornickel» No Yandex Webmaster é lançado relatório «Visibilidade do site no Alice AI» (07.04); anunciado o programa de agentes e arquitetura híbrida na "Nornickel" (20.04, comunicado de imprensa).
Junho — 16 de julho 2026 Memória de longo prazo, Live e ISO/IEC 42001 Atualização de 25–26 de junho: memória entre diálogos, ajuste de estilo de comunicação e foco em levar a tarefa até o resultado; 16 de julho a família Alice AI passa pela auditoria ISO/IEC 42001 (comunicado do Yandex).
11, 21 e 24 de setembro de 2026 Lançamento em Open Source e versão Pro corporativa Disponibilizados pesos de pré-treino AliceAI-T5-35B-A0.6B (11.09, Hugging Face) e AliceAI-Foundation-80B-A3B-Base (21.09, Hugging Face) sob Apache 2.0 com benchmarks WikiWebFacts e HardMultiQA; lançado Alisa AI Pro para negócios (24.09, anúncio).
5, 12, 13 e 16 de novembro de 2026 Agente «Aja!», fala de nova geração e catálogo MCP Atualização do Alice AI Pro (Git, arquivos de até 256 MB, cronograma — 05.11); acesso antecipado ao agente "Aja!" com anúncio de lançamento público para dezembro de 2026 (12.11, notícia); Speech TTS Live e Realtime Max (13.11, lançamento); catálogo beta com mais de 20 plugins e MCP (16.11, comunicado de imprensa).

Tabela 2. Como mudaram a política do Yandex, o acesso e as capacidades tecnológicas

Vetor de mudançasComo era antesComo funciona no final de 2026
Objetivo principal da resposta Fornecer uma referência, citação ou rascunho de texto. Levar a tarefa ao resultado: calcular um pagamento, comparar ofertas, fazer uma chamada, organizar arquivos, coletar pesquisas com links.
Arquitetura de modelos Aposta em um único LLM universal grande. Equipe de modelos especializados (LLM, Search, VLM, ART), memória de longo prazo e foco em roteamento inteligente para um modelo de raciocínio unificado (MRU).
Política de Código Aberto Pesos fechados e acesso apenas via nuvem. Publicação de modelos treinados do zero no Hugging Face sob licença comercial Apache 2.0, juntamente com relatórios técnicos e padrões de verificação de conhecimento sobre a Rússia.
Acesso para usuários (B2C) Limitações em modelos complexos, modos Pro pagos. Acesso básico gratuito (texto, imagens, arquivos de até 100 MB, sem login obrigatório no site; modo Live gratuito disponível no Android); limites estendidos, pesquisas profundas e teste antecipado do «Aja!» — no «Alice Plus» ou impulsos avulsos.
Política corporativa (B2B) Habilidades dispersas em Diálogos e API básica. Separação clara: «Alice AI para negócios» (Yandex 360), «Alice AI Pro» (tarefas por agendamento, Git, arquivos de até 256 MB, nuvem / on-prem / híbrido) e o padrão unificado MCP com plugins privados de empresas.
IA Responsável e controle Filtragem básica de consultas inseguras. Princípios publicados de «IA Responsável», certificação ISO/IEC 42001, marcação de conteúdo gerado e controle separado no agente (transferência do navegador ao entrar na conta + confirmação de compra/agendamento).

2. Como a Alice AI é estruturada por dentro: família de modelos, memória e pesquisa

Por trás de uma única janela de chat, não funciona uma única rede neural enorme, mas sim uma divisão de trabalho entre modelos especializados — cada um resolve sua própria classe de tarefas para não desperdiçar recursos extras onde é necessária uma resposta rápida ou análise de imagem:

  • Alice AI LLM — principal modelo de linguagem para raciocínio complexo, código, trabalho com contexto e adaptação ao ambiente de língua russa.
  • Alice AI Search — modelo de busca leve para respostas rápidas logo abaixo da barra de busca. Custos computacionais menores permitem manter o tráfego de busca de massa sem inferência pesada para cada pergunta.
  • Alice AI VLM — modelo visual-linguístico que analisa tabelas, gráficos, fórmulas e esquemas técnicos em fotografias; o usuário pode selecionar um fragmento específico da imagem e perguntar apenas sobre ele.
  • Alice AI ART — modelo de geração e edição de imagens: substituição de fundo, remoção de objetos, restauração de fotos e trabalho com legendas em russo nas imagens.

Desde a atualização de junho de 2026, o assistente passou a ter memória de longo prazo e ajuste de tom. A Alice memoriza fatos, projetos e preferências de conversas anteriores (o usuário pode dizer explicitamente "lembre-se de que…", ver fatos salvos ou desativar a personalização), absorve o vocabulário coloquial e alterna para a voz informal, se for assim que o interlocutor se dirige a ela.

Dentro da Busca, isso é reforçado Blender de IA (montagem de resposta a partir de dezenas de tipos de blocos — links, mídia, mapas, cotações) e modo «Explorar», que cria um plano, analisa dezenas de fontes, executa código para cálculos, se necessário, e elabora um relatório estruturado com links. Ao mesmo tempo, o acesso básico ao chat e à análise de arquivos de até 100 MB é gratuito, um modo de voz Live gratuito foi lançado no Android para deficientes visuais e pessoas com baixa visão, enquanto a prioridade em horários de pico, histórico longo, pesquisas profundas, uso comercial de imagens e boosts únicos foram movidos para a opção "Alice Plus".

3. "Aja!": a transição de conselhos para ações e limites de controle

Diferença entre um chatbot comum e Agente de IA fundamentalmente simples: o chatbot dá um conselho, enquanto o agente obtém acesso às ferramentas, executa uma cadeia de passos e verifica a reação do ambiente externo. Mas, na prática, aqui reside a principal armadilha da implementação: a frase do assistente «já anotei tudo» e a gravação real no CRM são coisas diferentes. Qualquer cenário de agente deve ser avaliado apenas pelo estado do sistema de destino.

Lançado 12 de novembro de 2026 modo «Aja!» (no lançamento, aberto em acesso antecipado para alguns milhares de usuários ativos com a opção "Alice Plus") uniu quatro mecânicas de uma só vez em uma única tarefa (anúncio oficial da Yandex):

  1. Yandex Browser em nuvem em um computador virtual isolado. Se a resposta na busca não for suficiente, o agente abre uma sessão de navegador em nuvem separada para o usuário, estuda as páginas dos sites, compara condições e preenche formulários.
  2. Chamadas telefônicas com o consentimento do usuário. O assistente liga pessoalmente para a organização ou contraparte — por exemplo, para verificar a disponibilidade de um horário em uma clínica ou condições de entrega — e uma transcrição de texto ao vivo do diálogo é exibida no chat.
  3. Coleta e sistematização de arquivos. A tarefa pode envolver e-mail e armazenamento: encontrar passagens, recibos ou reservas e organizá-los em pastas no Yandex Disk.
  4. Chamada de serviços conectados e plugins. Além do ecossistema Yandex e parceiros, desde 16 de novembro, foi adicionado o trabalho com o catálogo de plugins e ferramentas externas.

Cenário ilustrativo: o usuário solicita: «Encontre três clínicas odontológicas na região desejada, compare a composição do serviço e os preços publicados com links para as fontes, verifique os horários disponíveis mais próximos e prepare as opções, não confirme o agendamento ainda». Este é um exemplo de definição de tarefa e não um teste próprio da STARCODE; se o preço não estiver no site ou a clínica não atender o telefone, o comportamento correto do agente é registrar a lacuna, não inventar a condição.

Segundo a descrição oficial do Yandex, aqui funcionam dois mecanismos de controle diferentes, que não devem ser misturados:

  • se necessário acessar conta pessoal no site, o navegador em nuvem transfere o controle da página ao próprio humano;
  • antes de realizar compra, pedido ou reserva o agente para e solicita confirmação explícita no chat.

No entanto, ter a opção "Alice Plus" por si só não significa que o modo "Aja!" já esteja ativado em uma conta específica: em novembro de 2026, o agente funciona em modo de acesso antecipado (e o catálogo de plugins está em beta), enquanto o lançamento público aberto do "Aja!" está previsto para dezembro de 2026.

Como o agente de IA Alice AI executa uma tarefa: 3 canais de ação e contornos de controle Esquema resumido da descrição aberta do modo B2C 'Aja!', dos modelos de fala Speech B2B Tech e do barramento MCP
Passo 1 · Login e roteamento
Solicitação do usuário e contexto

Memória de longo prazo e roteamento de modelos (Alice AI LLM / Search / VLM) para selecionar as ferramentas necessárias

Circuito 1 · Web Navegador na nuvem

Computador virtual isolado: leitura de HTML, tabelas de preços e marcação JSON-LD

O acesso à conta é transferido para uma pessoa
Circuito 2 · Voz Canal de voz ("Aja!" e Speech API)

No "Aja!" — chamada com o consentimento do cliente e transcrição no chat; no B2B (Speech TTS Live / Realtime Max) — reação a interrupções

Condições abertas sem segredo médico
Circuito 3 · Dados Barramento MCP e arquivos

No "Aja!" — catálogo de plugins, e-mail e Yandex Disk; no ambiente corporativo — Yandex 360 e gateway CRM

Acesso estritamente sob função de colaborador
Controle 1 · Humano no ciclo Confirmação explícita da ação

Pausa antes da compra, pedido ou agendamento: verificação do valor, data e destinatário no chat

Controle 2 · Sistema alvo Conferência de ID e log de auditoria

Verificação do identificador real do registro no CRM ou banco de dados em vez de confiar no texto da resposta

4. Como organizar um processo de agente com verificação de resultados

O Yandex não revela o código-fonte fechado do orquestrador da Alice do usuário. Mas se sua empresa projeta seu próprio agente de IA para processar pedidos, preparar propostas comerciais ou verificar sites, uma arquitetura de projeto confiável é construída em cinco etapas controladas:

  1. Tarefa e direitosSolicitação com função e limites do funcionário
  2. Leitura de dadosBusca em base de conhecimento, preços e documentos
  3. Gateway de servidorVerificação de esquemas, valores e operações permitidas
  4. Controle de passoConfirmação por um humano antes de alterar dados
  5. Verificação de statusLeitura de ID de CRM e log de auditoria

Três regras de engenharia sem as quais o contorno do agente começa a trazer problemas em vez de economia:

  1. Confirmação do assunto: o funcionário ou cliente não confirma um «continuar» abstrato, mas parâmetros específicos — para quem a mensagem vai, em qual data o agendamento é feito, qual valor é cobrado.
  2. Proteção contra duplicatas (idempotência): em caso de timeout de rede, a nova tentativa da ferramenta não deve criar uma segunda solicitação, fatura duplicada ou cobrança dupla.
  3. Verificação do estado de destino: a integração deve ler um identificador confirmado e o status da operação do CRM ou banco de dados, em vez de confiar na saída de texto da rede neural.

5. Alice corporativa: Yandex 360, "Alice AI Pro" e o caso da "Nornickel"

No nível corporativo, o Yandex separa o modo de consumo da plataforma de negócios. Os nomes são parecidos, mas as tarefas, direitos e opções de hospedagem são diferentes (mapa de versões Yandex B2B Tech):

Necessidade da empresaProduto Yandex adequadoO que verificar antes do lançamento
Tarefa pessoal: ligar para empresas, encontrar ingressos Alice AI («Aja!») Disponibilidade de acesso na conta, permissões e limitações do cenário.
Assistente pronto para funcionários de escritório Alice AI para empresas (Yandex 360) Tarifa, lista de fontes de e-mail e disco conectadas, direitos de administrador.
Integrações profundas e escolha de contorno Alisa AI Pro para negócios (AI Studio, anúncio 24.09) Conexões com CRM e 1S, modelos, direitos de acesso e condições de hospedagem em nuvem, híbrida ou on-prem.
Robô de voz próprio ou serviço interno Plataforma Yandex AI Studio (API) Custo de tokens e síntese de fala, integração de telefonia e suporte.
Stack totalmente independente em pesos abertos Modelos abertos + seu próprio sistema Licença, compatibilidade de inferência, orçamento para GPU e equipe própria.

Em atualizações de novembro do «Alisa AI Pro» foram lançadas duas funções de uma vez, úteis não apenas para desenvolvedores, mas também para processos de negócios regulares:

  • Trabalho com repositórios e grandes anexos (05.11.2026): no painel de arquivos, surgiu a integração com Git (git diff para alterações staged e unstaged, histórico de commits e branches — se houver Git instalado e um repositório no espaço de trabalho), e o limite de um arquivo foi aumentado para 256 MB ao carregar até 20 anexos por mensagem (histórico de alterações).
  • Tarefas agendadas: a tarefa recorrente é iniciada automaticamente no horário definido, e o resultado é salvo no chat mesmo com a guia fechada (documentação AI Studio). Isso permite colocar em segundo plano resumos matinais, monitoramento de menções ou relatórios de chamados — sob a condição de restrições rígidas aos direitos desse agente.

O que o caso da «Nornickel» realmente mostra

Yandex e "Nornickel" descreveram o programa de desenvolvimento e implementação de agentes de IA para mais de 30 processos produtivos e corporativos utilizando a plataforma Yandex AI Studio (comunicado conjunto de 20 de abril de 2026). O principal detalhe de engenharia do projeto é arquitetura híbrida com canal de comunicação físico dedicado para modelos de nuvem do Yandex, isolados da internet pública. Segundo a empresa, dezenas de sistemas já estavam em estágio de teste e pilotagem, e em cenários analíticos específicos foi possível reduzir o tempo de execução de tarefas de 30 dias para algumas horas.

Para médias empresas, uma conclusão sóbria é importante aqui: este é um grande programa de transformação gradual, não um botão pronto para «implementar IA em uma noite». Mas o próprio princípio de um canal híbrido e a dependência de uma infraestrutura dedicada já se tornou uma referência de trabalho para grandes clientes russos.

6. Agentes de voz de IA: do modelo de fala ao registro no CRM

Não confunda o modo de consumo «Aja!» (onde a Alice liga em nome do cliente) com os modelos de fala da plataforma Yandex B2B Tech apresentados 13 de novembro de 2026 para contact centers e empresas de serviços (lançamento oficial):

  • Speech TTS Live — síntese de fala em tempo real, que analisa o contexto do texto, coloca pausas lógicas e seleciona o tom de voz conforme o cenário (apresentação confiante para vendas, suave para suporte, entonação especializada para clínicas médicas).
  • Speech Realtime Max atualizado — modelo para chamadas complexas de várias etapas via Realtime API. A principal melhoria tecnológica é reação correta a interrupções: se o cliente interrompe o robô no meio da frase, o agente silencia instantaneamente, ajusta-se à réplica do interlocutor e registra no histórico do diálogo apenas a parte da resposta efetivamente dita, para não se referir a frases que o cliente não ouviu.

Exemplo de projeto para clínica: o paciente liga à noite, quando o administrador não está mais na linha. O agente de voz responde a perguntas típicas sobre horário e tabela de preços publicada, verifica através do gateway permitido do sistema hospitalar/CRM as vagas disponíveis do especialista necessário, cria uma solicitação e recebe a confirmação do agendamento — ou transfere a conversa para o administrador com a transmissão do contexto. A coleta de sintomas e recomendações médicas não deve ser incluída automaticamente nesse piloto: esta é uma área de responsabilidade separada com restrições rígidas de confidencialidade médica.

Cinco métricas do primeiro piloto do agente de voz

✓Proporção de chamadas concluídas: quantas chamadas levaram a um agendamento confirmado ou resposta precisa sem perda de contexto.
✓Erros de agendamento e omissões: divergências entre a conversa e o cartão criado na realidade no CRM/sistema hospitalar.
✓Atraso de resposta no diálogo: pausa entre a fala do cliente e a resposta do modelo, incluindo interrupções no meio da frase.
✓Custo de uma solicitação bem-sucedida: custos totais com tokens, síntese e telefonia, considerando chamadas mal-sucedidas e transferidas.
✓Transferência para um atendente humano: velocidade de comutação e transferência dos parâmetros de conversa já coletados para o operador.

7. Catálogo de plugins e MCP: barramento único sem ilusões de segurança

Lançado 16 de novembro de 2026 beta-catálogo do Alisa AI (mais de 20 plugins no lançamento) e suporte ao padrão aberto Model Context Protocol (MCP) eliminam o principal problema dos bots corporativos dos últimos anos — conectores isolados de uso único (comunicado de imprensa do Yandex). Através do MCP, a empresa pode descrever suas fontes internas — 1C, Bitrix24, amoCRM, estoque ou rastreador de tarefas — em um formato legível por máquina, compreensível para o agente, inclusive através de plugins privados apenas para funcionários.

Ao mesmo tempo, é importante não misturar o protocolo de conexão e o sistema de segurança. Na especificação MCP publicada, são previstos esquemas de descrição de ferramentas e mecanismos de autorização para conexões HTTP (especificação de ferramentas e autorização em MCP), portanto, dizer que "o MCP não tem proteção" é incorreto. Mas o próprio transporte não é responsável pela correção da lógica de negócios e não bloqueia prompt injection — a situação em que uma instrução maliciosa se esconde dentro do texto de uma solicitação de cliente ou página da web de terceiros.

Cinco regras obrigatórias ao conectar o MCP no servidor da empresa

✓Autorização em nome de um funcionário específico: o agente não deve acessar o banco de dados com permissões de «superadministrador para tudo»; o acesso é verificado do lado do sistema de destino sob a função do usuário.
✓Conjunto mínimo de operações: se o assistente precisar reunir um relatório de estoques, em seu esquema não deve haver nenhuma ferramenta de alteração ou exclusão de cartões de clientes.
✓Controle tanto de leitura quanto de mutações: o download acidental de toda a base de contatos via «leitura segura» pode causar tanto dano quanto uma requisição POST incorreta; o perigo é determinado pela composição dos dados e pelo conteúdo da operação.
✓Validação de parâmetros no servidor: valores, contrapartes, descontos e datas são verificados por código no backend; o texto externo é sempre processado apenas como dados, e não como um novo comando a ser executado.
✓Diário de ações e botão de emergência: todas as chamadas de ferramentas são registradas sem vazamento de segredos, e qualquer plugin pode ser desativado com uma configuração.

8. Modelos abertos do Yandex: é possível instalar a Alice no próprio servidor?

No outono de 2026, o Yandex deu um passo atípico para o grande TI russo — publicou no Hugging Face sob uma licença comercialmente amigável Apache 2.0 dois modelos básicos próprios, totalmente treinados do zero sem emprestar pesos básicos de terceiros:

ModeloArquitetura e escalaContexto e treinamentoPropósito e licença
AliceAI-Foundation-80B-A3B-Base
21 de setembro de 2026 (cartão do modelo)
MoE Híbrida: 80B de parâmetros no total, 3B ativos por token (10 de 512 especialistas + 1 comum). Pré-treino em 17,5 trilhões de tokens, expansão de contexto para 262.144 tokens, estágio de raciocínio com dados de agentes. Fundação experimental para o futuro modelo de raciocínio unificado (MRU). Checkpoint base sob Apache 2.0 (relatório técnico no Habr).
AliceAI-T5-35B-A0.6B
Search Pretrain, 11 de setembro de 2026 (cartão do modelo)
Encoder-decoder MoE: 34,35B de parâmetros únicos, cerca de 0,6B ativos por token. Contexto de 128 000 tokens, 512 especialistas em camadas MoE; a versão treinada fechada funciona em respostas rápidas de Busca. Pesquisas e RAG rápido/inferência de busca. Versão básica sob Apache 2.0 (arquivo LICENSE, descrição da equipe).

Aqui é importante desfazer dois equívocos populares imediatamente. Primeiro: modelo base aberto (-Base) — esta não é a Alice pronta para o consumidor final. Ela foi treinada para continuar o texto e acumulou conhecimento, mas não contém interface de diálogo, navegador em nuvem, telefonia, pesquisa e plugins. Para transformá-la em um assistente corporativo, são necessários treinamento adicional (SFT/alignment), instruções de sistema, RAG e testes.

O mito sobre a «pequena modelo de 3B de parâmetros para smartphone»

Quando os lançamentos mencionam «80B de parâmetros, dos quais 3B são ativos», surge a tentação de pensar que se trata de uma rede neuronal compacta de nível 3B–4B, que caberia facilmente num VDS fraco ou até num telemóvel. Na prática, o funcionamento é diferente — é importante distinguir volume de computação e armazenamento de pesos:

  • Cálculos (3B ativos): para cada token gerado, apenas 10 especialistas selecionados e uma camada comum operam, graças ao que a resposta é considerada significativamente mais rápida do que um modelo denso de tamanho comparável.
  • Memória (80B total): cerca de 163 GB de pesos em BF16 (~2 bytes por parâmetro) ainda precisam estar armazenados em algum lugar. No cartão Foundation para o lançamento em formato completo, o foco é um servidor com quatro aceleradores de 80 GB; mesmo com uma compressão ideal de 4 bits, apenas os pesos exigem cerca de 40–50 GB de VRAM, sem contar a memória para contexto de 256K, caches KV e usuários paralelos.
  • O que há com o modelo menor e o uso offline em alto-falantes: o modelo aberto AliceAI-T5-35B-A0.6B (35B / 0,6B ativos) em representação de 4 bits ocupa cerca de 21 GB — este é o nível de uma estação de trabalho ou notebook com GPU dedicada, mas não de um smartphone. A única coisa que já funciona localmente offline na casa do usuário é o reconhecimento de comandos de voz básicos de casa inteligente Zigbee no processador neural da «Station 3» e «Midi», e não uma LLM completa a bordo.
80B total vs 3B ativos: como o cálculo e a memória se relacionam
3B active
Trabalha em um token com AliceAI-80B-A3B (10 de 512 especialistas + 1 comum) — responsável pela velocidade de geração
~163 GB de memória
Cerca de 163 GB de pesos em BF16 (2 bytes por parâmetro) e cerca de 40–50 GB em 4-bit, sem considerar o cache KV
~21 GB de memória
Pesos do Search Pretrain menor (34,35B / 0,6B ativos) em 4-bit — nível de laptop GPU, mas não de telefone
120B / 12B
Arquitetura MoE da NVIDIA Nemotron 3 Super — também é incorreto considerar o concorrente um modelo denso de 120B

O que os benchmarks realmente mostram e por que isso não é uma «vitória absoluta»

Junto com o modelo, o Yandex disponibilizou dois datasets especializados em russo com padrões e protocolo de avaliação: WikiWebFacts (fatos verificáveis curtos baseados em enciclopédias e consultas populares sobre a Rússia) e HardMultiQA (consultas complexas anonimizadas à Alice sobre direito, medicina, TI e localização de erros). Esta é uma resposta contundente ao problema dos benchmarks anglocêntricos, que avaliam mal o conhecimento das especificidades russas.

Abaixo estão reunidos os números-chave do seu próprio relatório técnico e do cartão do desenvolvedor (cartão Foundation, relatório técnico no Habr) — a reprodução independente desses testes não foi realizada na STARCODE:

Benchmark / Protocolo AliceAI 80B-A3B Base Qwen3.5 35B-A3B Base Nemotron 3 Super 120B-A12B Base DeepSeek V4 Flash Base
WikiWebFacts, 5-shot (fatos em russo)86,562,472,883,2
HardMultiQA, 5-shot (consultas de especialistas)67,947,254,565,4
Recorte "Medicina" (relatório técnico)63,6——60,7
Recorte "Direito" (relatório técnico)49,6——40,5
HMMT, fevereiro de 2026 (matemática de olimpíadas)96,987,9——
LiveCodeBench v5–6, pass@1 (código)50,550,4—38,1
BigCodeBench, implementação do Yandex, 1-shot, pass@148,343,548,849,1

Ao que o CTO deve prestar atenção nesta tabela:

  • Contexto e conhecimento russos — uma vantagem real. No WikiWebFacts, HardMultiQA, recortes médicos e jurídicos, a AliceAI supera visivelmente a concorrência, incluindo DeepSeek V4 Flash Base e NVIDIA Nemotron 3 Super 120B-A12B Base (cartão do modelo NVIDIA).
  • Não existe um vencedor universal. Na implementação própria do BigCodeBench na primeira tentativa (pass@1) o modelo do Yandex (48,3) ficou ligeiramente atrás do Nemotron (48,8) e do DeepSeek V4 Flash (49,1). E métricas com múltiplas tentativas, como pass@8 não se deve transferir para a espera de um código perfeito a partir de uma única solicitação do usuário.

9. Próprio agente de IA no servidor: compatibilidade é mais importante que a moda

Antes de projetar um agente local em 2026, o primeiro passo não é escolher um framework bonito no chat, mas verificação da compatibilidade do mecanismo de inferência com uma arquitetura de pesos específica:

  • para AliceAI-Foundation-80B-A3B-Base no cartão, foram publicadas instruções de execução via Transformers e vLLM (incluindo compilação nightly e modo MTP), mas devido à arquitetura híbrida de atenção, em compilações de desktop comuns como Ollama ou LM Studio, ela pode não funcionar "pronta para uso";
  • para busca AliceAI-T5-35B-A0.6B a equipe avisa separadamente: usuários externos têm acesso à inferência através de Transformers, enquanto o tempo de execução de produção otimizado permanece dentro do Yandex.

Portanto, a sequência de trabalho para construir seu próprio agente é assim (esquema de projeto para circuito fechado):

  1. InterfacePainel administrativo interno do funcionário com funções
  2. Busca RAGBusca em documentos com verificação de direitos de acesso
  3. InferênciaModelo compatível e revisão fixa de pesos
  4. Gateway MCP / APIValidação de parâmetros, limites e visualização de diff
  5. AplicaçãoRelatório verificável, solicitação e registro de auditoria

Cenário de projeto: para um site ou departamento digital da empresa, é possível configurar um perímetro local em um servidor isolado que coleta métricas técnicas das páginas, verifica o status dos formulários, compara formulações com o regulamento 152-FZ e transmite ao especialista um relatório pronto ou rascunho de edições para aprovação.

É importante verificar toda a rota de dados: interface web, embeddings, índice vetorial, LLM, logs e backups. Se o banco de dados local no seu servidor envia fragmentos de documentos encontrados para uma API em nuvem ou se a correspondência é feita em um mensageiro externo comum, tal contorno já não é totalmente fechado.

10. Nuvem, servidor próprio ou híbrido: como calcular a economia corretamente

A escolha da arquitetura quase sempre esbarra em dois equívocos extremos: «a nuvem é sempre mais barata» ou «compraremos um computador e substituiremos totalmente a nuvem corporativa».

Opção de infraestruturaQuando escolherO que realmente incluir no orçamento
Serviço pronto (Alice AI para empresas / Pro) Precisa de um início rápido e tarefas típicas em e-mail, documentos, rastreador e plugins básicos. Assinaturas, integrações, gerenciamento de direitos e condições contratuais de processamento de dados.
API de Nuvem + seu próprio aplicativo Precisa de um processo personalizado (agente de voz, pontuação de leads, gateway para CRM) sem comprar GPU. Custo de tokens e fala, aluguel de backend, busca, desenvolvimento e suporte.
Seu próprio servidor com GPU (Self-hosted) Requisitos rigorosos para hospedagem de dados ou alto fluxo constante de solicitações. GPU e RAM com folga, hospedagem/energia, engenheiros de MLOps, atualizações e redundância.
Híbrido (separação de contornos) Dados sensíveis permanecem na Federação Russa ou localmente, enquanto tarefas gerais vão para a nuvem. Roteamento de solicitações, anonimização, auditoria de vazamentos e plano de continuidade para falhas de API externa.

Uma confusão separada surgiu na rede em torno dos números 136 vCPU, 648 GB RAM, ~4,1 TB de discos e combinações de 1 × A100 (80 GB) + 2 × H100 (80 GB). De acordo com a documentação do Yandex Cloud Stackland 26.3, este é o cluster corporativo mínimo para implantar a plataforma AI Studio On-premises com vários componentes simultaneamente (YandexGPT 5 Lite, Embeddings, Ethics, documentação Stackland). Para pequenas e médias empresas, tal cluster não é necessário para um único processo aplicado, assim como não deve ser comparado ao limite mínimo de qualquer script local.

Cálculo educacional da economia do projeto piloto (como calcular antes de comprar hardware)

Vamos pegar exemplo educacional (esta é uma metodologia de avaliação, não uma tarifa STARCODE e não uma garantia de retorno do investimento):

  • O funcionário processa 1.000 solicitações ou documentos similares por mês, gastando 8 minutos em cada.
  • Após a implementação do assistente, a pessoa verifica o rascunho e corrige erros raros em 3 minutos em média (considerando tentativas mal-sucedidas).
  • Com um custo por hora de trabalho de 900 ₽, libera-se 1 000 × (8 − 3) / 60 × 900 = 75 000 ₽ por mês capacidade de produção.
  • Se as despesas atuais com API, servidor e suporte totalizarem cerca de 25 000 ₽/mês, e a configuração do piloto for de 150 000 ₽, o saldo calculado líquido gera 50 000 ₽/mês (cerca de 3 meses de período simples de retorno).

Correção principal da prática: os minutos liberados só se transformam em dinheiro real quando a equipe reduz a folha de pagamento ou transfere essas horas para pedidos adicionais. E a métrica chave para comparar a nuvem e sua própria GPU não é o «preço de um milhão de tokens», mas todas as despesas com o processo / número de resultados aceitos sem defeitos.

11. Testes de aceitação: 5 verificações antes da expansão do acesso

Benchmarks abertos filtram modelos notoriamente fracos, mas não respondem como o sistema se comportará com as tabelas de preços, contratos e formulários da sua empresa. Antes de liberar um agente para clientes ou para um CRM de trabalho, vale a pena realizar um piloto restrito de 30–50 tarefas anonimizadas (suficiente para uma triagem inicial, mas não constitui prova estatística para sistemas críticos) e pré-aprovar condições de interrupção. Abaixo, está o roteiro de verificações que usamos como metodologia de teste de aceitação:

Cenário de testeO que exatamente verificamosCritério de aprovação (o que considerar sucesso)
1. Consulta por regulamento / direito Resposta de acordo com as normas (por exemplo, 152-FZ ou regulamento interno) com fontes. Edição precisa da norma, link real; na falta de dados — uma recusa honesta em vez de invenção.
2. Auditoria de página real Análise HTML de site comercial e condições visíveis. Conclusões estritamente baseadas no código de página obtido; configurações ocultas de servidor não são adivinhadas.
3. Tabela financeira (CSV/XLSX) Cálculo de margem, descontos e resumo de anomalias. A aritmética é reproduzida por fórmulas ou código; células vazias e unidades de medida não são substituídas.
4. Tarefa de várias etapas com CRM/formulário Coleta de termos, preparação do rascunho da solicitação e pausa antes do envio. Criado um rascunho correto, respeitada a proibição de envio autônomo, status verificado por ID.
5. Acesso e prompt injection Tentativa de obter um documento de terceiros ou executar um comando a partir do texto de uma solicitação externa. Dados fechados não são divulgados; a instrução dentro do campo do cliente é ignorada como dados.

Regra rígida do piloto: qualquer envio não autorizado de dados, vazamento de contexto de terceiros ou confirmação falsa de agendamento interrompe a expansão do acesso até que a causa seja eliminada.

12. Segurança, 152-FZ e as lições das falhas de outono

Em torno dos modelos locais na Rússia formou-se um mito jurídico perigoso: "colocamos o servidor no escritório ou em um data center russo — a questão da 152-FZ está resolvida automaticamente". Isso não é verdade. A localização física dá controle sobre o servidor, mas não substitui o cumprimento da lei nº 152-FZ em toda a cadeia de processamento (texto da 152-FZ):

  • Objetivos, fundamentos e diretriz (art. 6 e art. 9 152-FZ): o consentimento não é a única base para o processamento, mas se for o utilizado, o documento deve ser específico e separado de outros acordos confirmados. A transferência de dados para um subcontratado exige a formalização de um mandato.
  • Localização e transferência transfronteiriça (art. 18 e art. 12 152-FZ): um IP russo do servidor web não salva se o texto do formulário, fragmentos de RAG ou telemetria via API forem enviados para uma LLM estrangeira ou rastreador externo.
  • Medidas técnicas (art. 19 152-FZ) e medicina (art. 10 152-FZ e art. 13 lei nº 323-FZ): a composição das medidas de proteção, incluindo requisitos de criptografia, é determinada pelas normas aplicáveis e pelo modelo de ameaças, e para clínicas aplicam-se restrições adicionais sobre informações de saúde e sigilo médico, independentemente de quem responde ao paciente: o administrador ou um robô de voz com IA (lei nº 323-FZ).

O que as falhas de infraestrutura do outono de 2026 realmente mostraram

Outubro e novembro de 2026 testaram claramente o quão frágil pode ser a conexão «todo o negócio em uma plataforma sem um plano B»:

  • 10 de novembro Yandex Cloud publicou os resultados da recuperação da infraestrutura após incidentes nos data centers: os engenheiros recuperaram o acesso a 97,16% dos dados dos clientes, enquanto 2,84% foram perdidos devido a danos físicos aos suportes e falta de cópias de segurança configuradas na própria plataforma pelos projetos afetados — apesar de que os clientes com ferramentas de backup Yandex Cloud ativadas evitaram perdas (relatório do provedor).
  • 1–2 de novembro de 2026 um ataque cibernético em grande escala ao provedor de hospedagem Beget interrompeu o funcionamento de sub-redes, DNS e virtualização de vários projetos, com subsequentes trabalhos de recuperação (cronologia do incidente).

A conclusão técnica é simples: sua própria máquina local no escritório também pode falhar. Uma cópia de segurança independente (com teste regular de recuperação) protege contra a perda de dados, um site de reserva com procedimento de comutação reduz o tempo de inatividade, e direitos de acesso separados impedem que um erro de script exclua o original e o backup simultaneamente. Antes da compra da reserva, definem-se os indicadores alvo RPO (perda aceitável de dados recentes) e RTO (tempo de recuperação aceitável).

13. Como a Alice AI altera SEO, GEO e a prontidão dos sites para as ações dos agentes

Para proprietários de sites e profissionais de marketing, três tarefas diferentes convergem aqui: presença clássica na busca, entrada nas fontes de resposta de IA (GEO) e a possibilidade de o assistente ou navegador em nuvem ler as condições sem falhas e preencher uma solicitação (Agentic SEO — usamos como um nome de trabalho conveniente para a terceira tarefa, e não como um fator de classificação confirmado da Yandex).

O que o relatório no Yandex Webmaster realmente mostra

Ferramenta «Visibilidade do site no Alice AI» foi lançado 7 de abril de 2026 — nessa mesma época, o Yandex apresentou o número histórico de audiência de respostas rápidas na Busca de cerca de 46,5 milhões de usuários por mês (anúncio de abril). De acordo com a ajuda atual do Webmaster, o relatório é construído com base em uma amostragem de consultas de pesquisa onde o site já está posicionado suficientemente alto, é atualizado uma vez por semana, armazena dados de três meses e mostra a métrica Share of Voice (SoV) — a parcela de menções ao recurso nas respostas da Alisa especificamente na Busca (ajuda do Yandex Webmaster). Este é um referencial diagnóstico útil junto com posições e conversões, mas não um contador geral de menções em chats pessoais, modo de agente ou um indicador direto de receita.

Análise visual: da pergunta do cliente à solicitação usando dois sites de clínicas como exemplo

Comparação do funcionamento da busca por IA e navegador na nuvem em uma única consulta (exemplo de engenharia de acessibilidade de condições, não uma verificação dos resultados do Alice AI):

Como a estrutura da página, preços e formulários determinam o resultado: da pergunta à solicitação Comparação de 2 abordagens: O Site A perde o contato devido a lacunas e barreiras, o Site B leva o cliente a um agendamento confirmado com ID
Entrada · Solicitação do cliente no Alice AI
«Quanto custa uma limpeza dental na região desejada, o que inclui e como marcar?»

O assistente busca fatos verificáveis na pesquisa ou abre o site em um navegador na nuvem

Site A · Vitrine típica Solicitação perdida
01 · Página e preço Preço «a partir de 6 500 ₽» e PDF

Frases genéricas sobre serviço premium; tabela de preços completa escondida em PDF para download e spoilers, ausência de JSON-LD.

02 · Análise de IA e agente Lacuna no valor e no conteúdo

O assistente não vê o que está incluído no procedimento, não encontra médicos e não pode informar o custo real.

03 · Formulário e proteção Barreiras no agendamento

Campos rotulados apenas dentro do placeholder, CAPTCHA rígido bloqueia o acesso, a resposta do formulário não é clara.

Resultado: condições não esclarecidas, solicitação não enviada O cliente e o agente de IA vão para um concorrente ou sugerem ligar para a clínica manualmente.
Site B · Recurso verificável Solicitação com ID
01 · Página e preço Página de destino para o serviço

Conteúdo publicado («o que está incluso e o que é à parte»), médicos e cronograma; o HTML visível coincide com o JSON-LD.

02 · Análise de IA e agente Citação exata com link

O assistente de IA resume as condições reais, a faixa de preço e fornece um link direto para a página do serviço.

03 · Formulário e proteção Envio previsível

Há rótulos, escolha de canal (Telegram, MAX ou telefone), antifraude preciso e status de salvamento.

Resultado: solicitação aceita e salva com ID Após a confirmação do cliente, o contato foi enviado para o CRM; a hora exata da consulta é confirmada pela clínica.
Elemento do siteO que atrapalha o humano e o agente de IAO que faz sentido aprimorar
Composição do serviçoSoma única sem lista de serviços e limitações.Revelar composição, prazos, contraindicações e regras de cálculo.
Fonte única de preçosDiferentes números no texto da página, PDF e calculadora.Coordenar todas as representações e indicar a data de relevância.
Confirmação de fatosSlogans genéricos sem licenças, endereços ou sobrenomes.Fornecer dados verificáveis, especialistas, estudos de caso e fontes primárias.
Disponibilidade de dadosCondições principais em banners ou em imagens sem texto.Transferir as condições para texto HTML acessível e tabelas.
Formulários e registroOrientação apenas para placeholder, sem erros claros e sem status da solicitação.Rotular os campos via label, verificar claramente o contato e fornecer uma resposta inequívoca.
Proteção contra botsOu um WAF rígido bloqueia o acesso legítimo, ou não há antifraude.Estabelecer regras de proteção pontuais com verificação de cenários reais.

Nem Schema.org, nem MCP, nem HTTP/3 funcionam como um «botão mágico de citação» isoladamente: a marcação descreve o conteúdo já existente, o protocolo de entrega rápida não salva um HTML vazio e a conexão do MCP não torna o serviço automaticamente conhecido por todos os agentes externos. Analisamos a matriz diagnóstica detalhada em guia de verificação do site para busca com IA e guia sobre promoção de marca GEO.

8 passos práticos para o dono do site, profissional de marketing e CTO

  1. Verificar indexação, códigos HTTP 200 e acessibilidade do conteúdo principal (HTML do lado do servidor — uma maneira confiável de permitir que o texto seja lido sem atrasos complexos, embora a escolha da renderização dependa do mecanismo).
  2. Unificar preços, termos, endereços de filiais e horário de funcionamento em todas as páginas e nos feeds.
  3. Configurar o micro-markup Schema.org relevante estritamente pelo conteúdo visível da página.
  4. Verificar formulários a partir do celular, do teclado e em um teste automatizado: rótulos de campos, dicas de seleção de canal de comunicação, mensagens de erro compreensíveis e confirmação de salvamento da solicitação.
  5. Fortalecer a camada especializada de materiais: publicar instruções, regulamentos e análises originais indicando o autor, a data de verificação e as fontes.
  6. Conectar feeds YML/XML ou gateway de API quando quando existe um consumidor real, direitos e um processo de atualização de relevância.
  7. Analisar o relatório «Visibilidade do site na Alice AI» no Webmaster em dinâmica separadamente das verificações manuais no chat (para testes manuais, registre a data, a formulação exata da solicitação e várias execuções).
  8. Verificar o caminho de ponta a ponta desde a visualização da página até a notificação ao gerente, incluindo novas tentativas em caso de falha e servidor de reserva.

14. Por onde começar a implementação e como a STARCODE PR ajuda

Tentar automatizar "toda a empresa de uma vez" ou esperar pelo modelo de raciocínio único do futuro não é rentável: os processos básicos podem ser testados com calma agora, sem comprar hardware desnecessário antes do tempo.

Roteiro de 6 passos para o primeiro piloto

  1. Escolher um processo frequente e mensurável e medir os custos de tempo atuais e a taxa de erro.
  2. Fixar a rota de dados e os limites de ações permitidas; para eles, escolher o serviço em nuvem, API ou contorno local.
  3. Preparar fontes de verdade: regulamentos, preços, matriz de direitos e atualização regular.
  4. Lançar um piloto limitado com confirmação de operações significativas por um humano (para um cenário simples preparado, orienta-se aproximadamente 2–4 semanas; aprovações complexas e integrações corporativas aumentarão o prazo).
  5. Comparar o custo de uma resultado recebido sem defeitos com o processo original.
  6. Escalar o acesso apenas após passar pelos critérios de aceitação e verificar a restauração a partir do backup.

Tarefas que assumimos chave na mão na STARCODE PR

Unimos a melhoria do site, pesquisa, conteúdo, arquitetura de servidor e implementação de IA em um projeto gerenciável — sem separar o marketing da técnica e dos requisitos 152-FZ:

DireçãoO que fazemos na práticaQual resultado mensurável você obtém
AI SEO de sites e prontidão para Alice AI Aprimoramos o código e as páginas principais de serviços, consolidamos tabelas de preços e condições em uma estrutura verificável, configuramos Schema.org, formulários e análise. Site atualizado sem barreiras técnicas e relatório de trabalhos, visibilidade e contatos reconhecidos (Otimização para busca via AI).
GEO-promoção de marca Construímos uma estratégia de conteúdo para as perguntas reais dos clientes, preparamos materiais de especialistas com fontes, reforçamos perfis externos e conduzimos medições repetidas. Plano coordenado, materiais publicados e recortes regulares de menções e precisão da representação da empresa (Promoção GEO).
Implementação de agentes de IA e automação Montamos um piloto para um processo específico, conectamos base de conhecimento, CRM, mensageiros e API, configuramos permissões, verificações, contorno de servidor da Federação Russa e requisitos da 152-FZ. Cenário coordenado e funcional com protocolo de teste, cálculo de despesas e instruções (integração de IA, automação, nuvem e servidores).

Pronto para verificar o site para Alice AI ou lançar um piloto de agente de IA?

Para AI SEO e GEO, o diagnóstico inicial está incluído diretamente no projeto de implementação — não é necessário solicitar uma auditoria separada, isso é necessário apenas para aqueles que desejam obter um plano de trabalho para sua própria equipe. Envie o link para o site, serviços prioritários e o processo para automação — prepararemos uma proposta específica com pontos de fortalecimento e critérios de aceitação.

Perguntas frequentes

1. É possível baixar os pesos abertos do AliceAI-Foundation-80B-A3B-Base e obter uma Alice pronta com chamadas e navegador?
Não. Os pesos básicos do modelo de texto estão abertos. O navegador em nuvem, telefonia, busca, plugins e coordenação de diálogo são camadas de produtos separadas que precisarão ser construídas de forma independente ou obtidas através da linha corporativa do Yandex.

2. É verdade que 3B de parâmetros ativos permitem executá-la num telefone ou num VDS comum e barato?
Não. 3B refere-se ao volume de cálculos por token, não ao tamanho dos pesos. Todos os 80B de parâmetros devem ser armazenados na memória (cerca de 163 GB de pesos em BF16 ou de 40–50 GB apenas para pesos de 4 bits, sem considerar o contexto). Mesmo a versão básica Search Pretrain em 4-bit ocupa cerca de 21 GB. Um VDS comum sem GPU servirá apenas para a interface, gateway MCP e base de conhecimento ao acessar uma API externa.

3. Se eu transferir a base de documentos para um RAG local, os dados comerciais garantidamente não sairão do servidor?
Somente se toda a rota de processamento permanecer dentro do seu contorno: embeddings, busca vetorial, modelo de geração, logs e interface de mensageiro. Se a busca local encontrar um fragmento de contrato e enviá-lo para uma rede neural em nuvem pública, o texto ainda assim sairá para fora.

4. Por que um concorrente que está na 6ª posição da busca é citado na resposta da Alice AI, e nosso site em 1º–2º lugar não é?
A busca comum classifica a página inteira, enquanto a resposta generativa (RAG) busca o fragmento com a resposta mais clara e verificável para um aspecto específico da questão. Tabelas diretas de condições, datas e formulações claras frequentemente ajudam a fonte a aparecer na nota de rodapé, embora não exista uma receita única garantida para a seleção de citações.

5. É seguro remover o CAPTCHA e a proteção contra bots para que agentes de IA possam acessar livremente o site?
Não se pode desativar a proteção completamente — você abrirá os formulários para spam automático e manipulações. O caminho correto é verificar pontualmente as regras de WAF em testes e manter a proteção com o funcionamento correto dos formulários legítimos.

6. Quando se pode considerar honestamente que a implementação de um agente de IA valeu a pena?
Somente quando a soma de todas as despesas reais (API ou GPU, desenvolvimento, suporte e tempo dos funcionários para verificação e correção de erros) for menor que o efeito comprovado pelos resultados aceitos sem erros, e o tempo liberado da equipe for realmente utilizado.

7. O que fazer agora, enquanto o "Aja!" está em testes iniciais?
Não esperar pelo lançamento em massa: organizar preços, estrutura de páginas, micro-markup e formulários no site, conectar o relatório de visibilidade no Alice AI via Yandex Webmaster e descrever 1–2 rotinas internas para um piloto controlado. Leia adicionalmente nossas análises sobre o tema sobre automação com agentes de IA e novo formato de sites com gestão via IA.

Fontes e documentação

Fontes verificadas .

A documentação descreve as capacidades da plataforma. Verificamos a configuração e a compatibilidade para cada projeto; os preços e SLA da STARCODE são determinados pela nossa proposta e contrato.

Acessos: 47
Leituras: 10
Do mês passado: 0
STARCODE PR · Engenharia, IA e GEO

Prepararemos seu site para o Alice AI e criaremos um contorno de IA controlado

Vamos organizar a estrutura de páginas, preços, marcação e formulários, configurar o monitoramento de visibilidade na busca por IA e ajudar a implementar agentes com segurança nos processos de trabalho.