Resposta direta: construímos para uma empresa de serviços industriais um sistema sob medida de plano de ação e controle de pendências, com fluxo de aprovação, login corporativo pelo Azure AD, centros de custo vindos do TOTVS RM e uma busca com IA que responde em português sobre lições aprendidas. O desenvolvimento usou Claude Code; a IA dentro do sistema usa a OpenAI. Está em produção desde janeiro de 2026, com mais de 400 usuários.
O cenário: plano de ação em planilha e e-mail
Em empresas de serviços industriais, com equipes espalhadas em várias obras e unidades, as pendências nascem em todo lugar: reunião de segurança, auditoria, visita do cliente, inspeção de qualidade. O plano de ação costuma morar em planilha, e a cobrança acontece por e-mail ou no grupo de mensagens.
O problema não é a falta de controle. É que o controle depende de alguém consolidar a planilha, perguntar a cada responsável como está e lembrar quem precisa aprovar o quê. Quando a operação passa de algumas dezenas de pessoas, ninguém tem mais a visão do todo, e o prazo vencido só aparece quando já virou problema com o cliente.
Ferramentas prontas de gestão de tarefas resolvem parte disso, mas raramente encaixam no fluxo da empresa: aprovação por uma pessoa específica de cada tarefa, prorrogação que precisa de aval, centro de custo que tem de bater com o ERP e login corporativo único.
O que foi construído
Um sistema web sob medida, que a empresa chama de plano de ação e controle de pendências. Na prática, ele faz quatro coisas:
- Organiza cada pendência com dono. Toda tarefa tem executor, aprovador, prazo, centro de custo, assunto e anexos. Ela já nasce em andamento, e nenhuma tarefa fica sem dono.
- Fecha o ciclo com aprovação. O executor envia para aprovação com suas notas. Só o aprovador definido na tarefa aprova ou devolve, e a devolução exige explicação. Prorrogação de prazo segue a mesma lógica.
- Avisa sozinho. Tarefa criada, enviada para aprovação, aprovada, devolvida ou com prorrogação pedida gera e-mail para quem precisa agir. Há lembrete três dias antes do vencimento e aviso de atraso.
- Guarda o que a operação aprende. O módulo de Registros reúne boas práticas, lições aprendidas e riscos e oportunidades de cada obra, com painel por obra e uma busca com IA que responde perguntas em português.
Tarefas
- Executor e aprovador por tarefa
- Aprovação e devolução com nota
- Prorrogação com aval
- Histórico de cada ação
- Importação em lote
- Painel e relatórios em CSV
Registros
- Boas práticas
- Lições aprendidas
- Riscos e oportunidades
- Painel por obra
- Busca com IA em português
Integrações
- Login único pelo Azure AD
- Usuários sincronizados do diretório
- Centros de custo do TOTVS RM
- E-mails pelo Office 365
- Desligados detectados sozinhos
Onde a IA entrou: na construção e dentro do sistema
Na construção: Claude Code
O desenvolvimento começou em novembro de 2025 e o sistema foi construído com o Claude Code, o agente de programação da Anthropic, trabalhando direto no repositório.
O ganho do Claude Code não está só em escrever código mais rápido. O projeto tem um arquivo de instruções que explica ao agente a arquitetura, as regras de segurança e os padrões do sistema, e registros de progresso e de decisões que ele lê antes de mexer. Mudanças sensíveis passam por revisão de agentes especializados (um revisor de backend e um planejador) antes de ir para produção. É assim que um sistema com mais de 90 alterações de banco de dados se mantém coerente.
A base técnica é React com TypeScript no front e Supabase no back (PostgreSQL, autenticação, armazenamento e funções), com regra de acesso em toda tabela.
Dentro do sistema: busca com IA nos registros
A pergunta que motivou a busca era simples: "o que a gente já aprendeu sobre isso?". As lições estavam registradas, mas ninguém lembrava onde. A solução foi uma busca semântica, no padrão conhecido como RAG (geração apoiada em busca):
- Cada registro vira um vetor com o modelo de embeddings da OpenAI (
text-embedding-3-small), gravado no próprio banco com o pgvector. - A pessoa pergunta em português. A pergunta vira vetor e o banco devolve os registros mais parecidos em significado, não só em palavra.
- O
gpt-4o-minilê esses registros e escreve uma síntese curta, apontando padrões. Abaixo, aparecem os cartões dos registros, que levam ao original.
Encontrei 3 registros ligados ao tema. Dois são lições aprendidas de obras diferentes que apontam o mesmo padrão: plano de trabalho fechado antes da mobilização acelera o início da obra.
O terceiro é um risco registrado sobre mudança de escopo sem aprovação formal do cliente.
Quer que eu filtre só as lições da sua obra?
A busca roda com a permissão de quem pergunta: a mesma regra de acesso do banco vale para a IA, então ninguém recebe um registro que não poderia abrir. E o administrador controla a função pelas configurações do sistema.
O resultado
O sistema está em produção desde janeiro de 2026 e passou de 400 usuários, com a operação estável. O histórico que vivia em outra ferramenta veio junto: 86 registros legados foram importados por um script que confere cada linha antes de gravar: obra, assunto e pessoa precisam bater, e a importação só acontece com tudo íntegro.
O ganho que mais aparece não é técnico: a gestão enxerga o andamento sem precisar perguntar, e a pendência deixa de depender da memória de quem cobra.
Boas práticas que aplicamos num sistema de plano de ação com IA
1. O texto indexado carrega o contexto. Cada registro entra na busca com o tipo (boa prática, lição aprendida, risco) e a obra logo no início do texto, e o limite de semelhança é calibrado com perguntas reais. Assim, "quais as boas práticas da obra tal?" traz todas as boas práticas daquela obra.
2. Síntese com análise de padrões. A IA responde em três a cinco frases e aponta o que se repete entre os registros. É isso que transforma busca em aprendizado: "duas obras passaram pelo mesmo ponto" vale mais que "encontrei dois registros".
3. Custo de IA controlado no desenho. Cada pessoa tem limite de 20 perguntas por dia. Se a busca não encontra registro relevante, o sistema responde na hora, sem chamar o modelo de linguagem. E o administrador controla a função pelas configurações. Previsibilidade é o que deixa a diretoria confortável para liberar a IA para todo mundo.
4. Cada dado vem da fonte certa. O desligamento é lido do Azure AD: conta desabilitada ou fora do grupo do sistema significa pessoa desligada, e quem volta é reativado sozinho. Os centros de custo vêm do TOTVS RM, com a regra de cada empresa do grupo confirmada com a equipe do ERP. Cada informação sai do sistema que responde por ela.
5. Velocidade com revisão. Toda mudança que vai para produção passa por revisão sistemática, com auditoria de permissões: cada função que consulta dado confere quem está pedindo antes de responder. A velocidade do Claude Code vale porque vem junto com essa revisão.
Como a Nexus usa IA nesse tipo de projeto
Em sistema sob medida, usamos IA em duas camadas. A primeira é a construção: o Claude Code trabalha no repositório com as regras do projeto escritas, e a revisão por agentes especializados roda antes de cada mudança sensível. É o que permite entregar e evoluir um sistema corporativo com ciclo curto, sem perder a coerência.
A segunda é a IA dentro do sistema, sempre ligada a um uso concreto: aqui, achar o que a operação já aprendeu. Ela entra com limite de uso, controle pelo administrador e as mesmas regras de acesso do resto do sistema. Primeiro o fluxo da empresa funciona; depois a IA encurta o caminho até a informação.
É o mesmo princípio da nossa solução de gestão de tarefas e plano de ação com IA. Se quiser ver a IA aplicada ao dado do ERP, o case do agente de IA no ERP Sankhya com o Claude mostra a mesma lógica do lado da diretoria.
Perguntas frequentes
Vale a pena um sistema de plano de ação sob medida em vez de uma ferramenta pronta? Vale quando o fluxo da empresa não cabe na ferramenta pronta: aprovação por pessoa definida na tarefa, prorrogação com justificativa, centro de custo vindo do ERP e login corporativo. Nesse caso, sob medida custa menos esforço do que adaptar a operação à ferramenta.
Onde entra a IA num sistema de tarefas? Em dois lugares. Na construção, o Claude Code acelera o desenvolvimento e a revisão do código. Dentro do sistema, a busca com IA responde em português sobre boas práticas, lições aprendidas e riscos registrados, usando a OpenAI.
A busca com IA mostra registros que o usuário não pode ver? Não. A busca roda com a permissão de quem pergunta. As mesmas regras de acesso do banco valem para a IA, então cada pessoa só recebe o que já poderia abrir no sistema.
O sistema conversa com o ERP e com o login da empresa? Sim. O login é pelo Azure AD (Microsoft Entra ID), os usuários são sincronizados do diretório da empresa e os centros de custo vêm do TOTVS RM. Os avisos saem pelo e-mail corporativo.
Quanto tempo leva para colocar um sistema desses no ar? Neste caso, o desenvolvimento começou em novembro de 2025 e o sistema entrou em produção em janeiro de 2026. Os módulos seguintes, como Registros e a busca com IA, vieram com o sistema já em uso.
