Executando verificação de segurança...
2

Como estou preparando um legado de 1991 (Clipper/SQL) para a Era dos Agentes de IA: A Proposta do USP

O Contexto: Do Clipper ao GPT-OSS/Gemini

Eu atuo hoje como Tech Lead e Senior AI Engineer na Sinky, trabalhando na crista da onda com LLMs e agentes autônomos. Mas, paralelamente, tenho um "pet project" que é a realidade de muitos devs brasileiros: o sistema da empresa da minha família, a CARRÊ Redes.

Estamos falando de um negócio que opera desde os anos 90. O sistema original era em Clipper/xBase. Em 2006, migrei para .NET (C# Framework 4.5, MVC 4) e hoje os dados residem em um SQL Server parrudo, contendo histórico de clientes, medidas de prédios e orçamentos desde 1991.

Recentemente, o Google começou a falar forte sobre o UCP (Universal Commerce Protocol) e Agentic Web. A promessa é linda: permitir que IAs não apenas busquem informações, mas realizem transações (compras) diretamente.

Fui estudar a documentação do UCP para ver como plugar a empresa da família nisso. E bati de frente com um muro arquitetural.

O Problema: A "Falácia do Varejo" na IA

A maioria dos protocolos atuais de IA (incluindo as specs de plugins do OpenAI e o UCP do Google) assume que o mundo é um grande E-commerce de Varejo.

Eles esperam primitivas como:

  • Product ID (SKU estático)
  • Price (Float constante)
  • Stock (Integer)
  • Shipping (Logística genérica)

Para quem vende tênis ou iPhone, funciona. Para quem vende Serviços (instalação, manutenção, consultoria, saúde), isso é inútil.

Se eu tentar vender uma "Instalação de Rede de Proteção" como um produto de varejo para uma IA, o resultado será catastrófico:

  1. Alucinação de Preço: A IA vai inventar um preço médio, ignorando que o 5º andar custa mais que o térreo, ou que drywall exige bucha especial.
  2. Erro de Roteamento: A IA vai vender o serviço para um cliente a 500km de distância, porque o "frete" no varejo é só uma taxa, mas em serviço é uma inviabilidade técnica.
  3. Conflito de Concorrência (Race Condition): Serviços dependem de agenda. "Estoque 1" não significa nada se o técnico só pode na terça às 10h.

A Solução Proposta: Universal Services Protocol (USP)

Como não encontrei um padrão que resolvesse o problema de Service-First AI, decidi desenhar um manifesto e uma especificação técnica. A ideia não é criar um "SaaS", mas um padrão de interoperabilidade (JSON/REST) para que sistemas legados exponham suas regras de negócio para Agentes de IA.

Chamei de USP (Universal Services Protocol).

A arquitetura se baseia em expor 4 endpoints críticos que substituem a lógica de varejo:

1. Serviceability Check (Geofence > Shipping)

Em vez de calcular frete, o sistema deve responder uma pergunta booleana baseada em polígonos.

  • Request: { "lat": -22.90, "long": -47.06 }
  • Legacy Logic: O backend faz um point-in-polygon check no banco ou calcula a distância rodoviária real.
  • Response: {"serviceable": true, "surcharge": 45.00}

Isso impede que o Agente sequer comece uma negociação fora da área de atuação.

2. Dynamic Quoting (Function > Constant)

Aqui está o pulo do gato para quem tem legado. O preço é uma função.
O protocolo define que a IA deve atuar apenas como "coletora de inputs".

  1. A API expõe um schema: "Preciso de altura, largura e tipo_parede".
  2. O Agente (LLM) conversa com o usuário para preencher esse JSON.
  3. O Agente faz um POST para o endpoint /quote.
  4. O seu Backend (C#, Java, Node) roda a regra de negócio complexa. No meu caso, consulto no SQL Server se já instalamos naquele prédio em 1998. Se sim, tenho as medidas exatas.
  5. A API devolve um preço assinado e imutável por X dias.

Isso tira a responsabilidade de cálculo da LLM (que é péssima em matemática e lógica determinística) e devolve para o sistema (que é perfeito nisso).

3. Inventory as Time (Slots > Integers)

O estoque de serviço é perecível. Um slot de agenda não vendido hoje deixa de existir amanhã.
O USP propõe um endpoint padronizado de /availability que retorna TimeSlots livres. O Agente deve ser capaz de fazer um "Soft Lock" (reserva temporária de 5 min) enquanto processa o pagamento, garantindo idempotência e evitando double-booking.

O Padrão "Legacy Wrapper"

O ponto mais interessante para nós, devs, é que não precisamos reescrever o legado.

Para a CARRÊ Redes, não vou mexer no monolito MVC 4.
Estou subindo uma camada de API Gateway (Sidecar) — provavelmente em .NET 8 Minimal API ou Python FastAPI — que traduz as requisições do protocolo USP para Stored Procedures do meu SQL Server antigo.

O Agente de IA do futuro, quando quiser contratar um serviço, vai bater nesse endpoint padronizado. Ele não sabe que por trás tem um banco de 30 anos. Ele só vê um JSON limpo.

Isso valoriza o "Data Gravity" que empresas antigas têm. O sistema legado deixa de ser dívida técnica e vira um oráculo de dados proprietários que a IA não tem.

Próximos Passos e Open Source

Estou formalizando essa spec (Swagger/OpenAPI) e pretendo abrir como Open Source focado no mercado brasileiro (que é caótico e complexo, o melhor lugar para testar edge cases).

Acredito que a próxima grande onda não é apenas "Chatbots de Atendimento" (RAG), mas Agentes Transacionais. E para isso acontecer em Serviços, precisamos falar a mesma língua.

Se alguém aqui já trabalhou com integração de serviços complexos (agendamento/orçamento dinâmico) em APIs e quiser dar pitaco na estrutura do JSON, estou montando o repositório.

O que acham? Faz sentido abstrair essa complexidade num protocolo ou estou "over-engineering" o problema?

Carregando publicação patrocinada...
2

Tenho muita saudade do Clipper Summer ’87.

Vou te mostrar minha visão, de forma nenhuma é uma crítica ao seu projeto, é apenas para encorpar com dados e te mostrar uma visão diferente.

Talvez, na verdade, você estivesse com a expectativa de que o UCP servisse para a sua finalidade, mas a verdade é que ele foi criado para comércio na web, ou seja, venda escalável. Serviço, na maioria das vezes, é muito difícil de escalar, principalmente quando é personalizado. Não existe hoje uma solução aberta para isso, e nem solução fechada totalmente automatizada.

Eu mesmo trabalho em um projeto que envolve orçamento de serviços personalizados de obras completas, de ponta a ponta, incluindo documentação, comunicação entre equipes e orçamentos de materiais etc.

Dentro desse sistema, os arquivos de obras — ou melhor, as “coletâneas” de plantas, listas de materiais, orçamentos, fotos e reuniões e conversas — tornam-se um imenso banco de dados para cada engenheiro ou arquiteto contratante do sistema, gerando buscas e inteligência. Você pode usar isso para gerenciar uma empresa de serviços completamente, com emissão automática de nota fiscal de serviço ou apenas para operacionalizar uma obra. Existe área de cliente para o cliente acompanhar andamentos e prazos.

Esse é um software fechado, mas me deu uma visão muito abrangente do que a IA pode ou não fazer. Também me deu uma visão ainda maior do que as empresas estão dispostas — ou não — a fazer. E te digo com certeza: ninguém está nem aí para a IA em si. Há muito ruído na internet e gente falando demais sobre isso, mas é simples perceber o que é verdade quando analisamos dados oficiais de plataformas gigantes.

Usuários atuais de plataformas de IA (estimativas)
Empresa Modelo / Plataforma Usuários Atuais Observação
OpenAI ChatGPT ~800 milhões (WAU) Cerca de 1 bilhão de MAU estimados
Google Gemini 650 milhões (MAU) Além de 1,5 bilhão de interações mensais via Busca
DeepSeek DeepSeek-V3 / R1 196,88 milhões (MAU) Aplicativo nº 1 em downloads em 156 países
Microsoft Copilot ~110 milhões (MAU) Focado em integração corporativa e Windows
Alibaba Qwen / Tongyi +30 milhões (MAU) Superou 1 bilhão de downloads de modelos open-source
Anthropic Claude 19–30 milhões (MAU) Crescimento de 40% ao ano

Ou seja, pelas estimativas demográficas mais recentes da ONU e do Worldometer:

Dados de referência
Métrica Valor
Total de usuários de IA (MAU) 1.906.880.000
População mundial (jan/2026) 8.300.000.000
O cálculo

Para encontrar a porcentagem (P), dividimos o número de usuários pela população total e multiplicamos por 100:

P = (1.906.880.000 / 8.300.000.000) × 100
P ≈ 22,97%

Resultado final

Atualmente, cerca de 23% da população mundial utiliza ativamente as ferramentas de IA das seis empresas mencionadas.

Para responder com mais exatidão, precisamos cruzar os dados de usuários de IA com a pirâmide global de riqueza e renda projetada para janeiro de 2026.

Nas métricas econômicas, o “alto poder aquisitivo” costuma abranger a classe alta e a classe média-alta.

Distribuição da população por poder aquisitivo (2026)
Categoria População Estimada % da População Definição
Elite Global (Top 1%) ~83 milhões 1% Patrimônio > US$ 1 milhão
Alto Poder (Top 10%) ~830 milhões 10% Detêm 75% da riqueza mundial
Consumidores Ativos (Top 20%) ~1,66 bilhão 20% Classe alta e média-alta
Classe Média Global ~2,50 bilhões 30,1% Classe média padrão
Base da Pirâmide ~3,73 bilhões 45% Renda baixa ou vulnerabilidade social

Podemos perceber que somente a classe média-alta para cima realmente está usando IA, pois o percentual é praticamente idêntico ao da parcela da população com maior poder aquisitivo.

Ou seja, a maioria da população não está nem aí para isso e nem usa IA.

Além disso, muitas empresas grandes já começaram a admitir publicamente a existência de uma possível bolha em torno da IA. O próprio ChatGPT deixou de ser, em vários momentos recentes, o aplicativo mais baixado nas lojas.

A grande pergunta é: será que já chegamos a um ponto de saturação de usuários? Será que apenas o público de alto poder aquisitivo continuará usando essas ferramentas, transformando IA em um mercado de nicho? Ou ainda existe espaço para expansão para outras camadas da população? E, se existir, quanto tempo isso vai levar?

Mais importante: as empresas conseguem sustentar os custos dessa aposta até esse novo público chegar?

São muitas perguntas sem resposta. Para um bom investidor, esse é exatamente o tipo de cenário em que não se faz uma aposta cega. Falta dado. Falta histórico. Falta validação de longo prazo.

Empresas como a Dell já perceberam que empurrar IA para as pessoas é um erro, porque elas não querem. A grande base de trabalho não está usando IA. E as empresas são feitas dessas pessoas.

Claro que temos chefes e diretores nessa faixa de uso, mas quando começa a chegar em gerentes a coisa complica, principalmente em serviços.

Ninguém — absolutamente ninguém — vai trocar um software que já usa por uma versão nova com IA se isso não gerar pelo menos 100% de lucro na área de serviços.

Te digo isso porque a área é extremamente complexa. Você lida com pessoas que às vezes são ótimos profissionais, mas têm enorme dificuldade com tecnologia em geral. Muitos tipos de serviço exigem um olhar humano antes, como pintura e instalações elétricas e hidráulicas. Não tem como passar um orçamento exato, e muitas vezes ele é alterado depois que surgem problemas maiores. Arquitetos costumam mudar de ideia durante a execução do projeto, o que é terrível. Já peguei arquitetos que mudavam cada item de serviço durante a execução.

Não há como definir um sistema que viabilize o cálculo automático disso. No máximo, um software que ajude a fazer alterações, recalcular e registrar tudo. Para isso, não é necessariamente preciso IA.

Acho que o ouro da IA está na análise de dados e insights, mais do que na execução direta de tarefas em orçamentos, mas essa é a minha visão.

E lembre-se: se eu estivesse no seu lugar, insistiria. Não importa o que o “Macnator” falou — dane-se. O que importa é se você acredita na ideia e se vê viabilidade nela. Você acha que consegue implementar o que está fazendo?

Mesmo que não sirva para todos os nichos de serviço, pode ser útil. Avalie e continue.