Pitch: ANBD-GENESIS — motor de decisão que responde em milissegundos e explica cada escolha

Depois de meses trabalhando nisso sozinho, coloquei no ar o ANBD-GENESIS: uma infraestrutura de decisão adaptativa, entregue como API.

O problema que tentei resolver

Sistemas de decisão automatizada geralmente forçam uma escolha ruim: ou são rápidos e opacos (você não sabe por que decidiram aquilo), ou são explicáveis mas lentos e caros demais pra rodar em produção com volume real — normalmente porque dependem de um LLM pra cada decisão.

Como funciona

O motor recebe um evento (texto, sinal de negócio) e devolve, em milissegundos, uma de cinco ações: EXECUTAR, REAVALIAR, ESCALAR, ABSTER ou RECUPERAR — sempre com nível de confiança explícito e a justificativa completa.

Tecnicamente, uso Vector Symbolic Architecture: cada padrão vira um hypervector binário de alta dimensão, e avaliar um evento novo é essencialmente comparação vetorial — uma fração do custo computacional de uma chamada a modelo de linguagem. O motor aprende continuamente com o próprio uso (ajusta força e confiança dos padrões a cada feedback), sem pipeline de re-treinamento.

Decisão de arquitetura que mais me deu trabalho

Implementei uma trilha de auditoria com hash encadeado (parecido com o princípio de blockchain, mas sem token nem consenso distribuído — só integridade): cada decisão salva carrega o hash da decisão anterior daquele cliente. Se alguém alterar um registro antigo direto no banco, o hash deixa de bater com o que veio depois, e a adulteração fica matematicamente evidente. A cadeia é separada por tenant, preservando o isolamento multi-tenant que o sistema já tinha.

Stack

Python 3.11, FastAPI, PostgreSQL, criptografia ponta a ponta (X25519 + AES-256-GCM), Stripe pra cobrança.

Onde está

• Site: https://anbd-genesis-enterprise.onrender.com
• Documentação técnica: https://anbd-genesis-enterprise.onrender.com/docs

Tem plano gratuito pra testar. Queria muito ouvir crítica de quem entende de arquitetura de decisão/ML — tanto sobre a escolha de VSA em vez de embeddings de LLM puro, quanto sobre o hash chain.