Carmen é a assistente IA padrão da plataforma InnSync. A arquitetura tem três camadas: (1) prompt mestre — define personalidade, regras de comportamento, e o princípio "pode inventar afetividade, não pode inventar fato"; (2) dados dinâmicos — base de conhecimento por tenant, regras da casa, tom de marca, contexto da reserva; (3) lições — uma wiki acumulada de casos onde a Carmen errou e foi corrigida. O resultado: respostas naturais para o hóspede, sem inventar tarifa ou regra que não existe.
Por que dar nome para uma IA?
A escolha de chamar a IA da plataforma de "Carmen" foi deliberada. Em vez de "assistente virtual InnSync" — genérico, descartável — a Carmen tem identidade. Isso resolve dois problemas concretos:
Para o hóspede: continuidade percebida. Hóspede que conversa com a Carmen na pré-estadia, na chegada, e no follow-up pós-estadia tem a sensação de falar com a mesma pessoa. Esse senso de continuidade afeta a percepção de cuidado mais do que qualquer feature técnica.
Para o gestor: clareza operacional. "A Carmen escalou esse caso" é mais fácil de processar do que "o sistema escalou esse caso". Nome separa intenção do componente — quando você diz "a Carmen errou", você sabe exatamente do que está falando, sem ambiguidade.
E sim, é homenagem a uma cantora — não escolha de um manual de UX.
A arquitetura em três camadas
A Carmen não é um único prompt mágico. É uma arquitetura de três camadas que o gestor não vê, mas sente:
Camada 1 — Prompt mestre
Define quem a Carmen é. Personalidade (atenciosa, direta, brasileira), idiomas (PT, EN, ES), e o princípio que governa todo o comportamento:
Pode inventar afetividade. Não pode inventar fato.
Isso significa: a Carmen pode escolher como cumprimentar, pode adaptar tom (mais formal com hóspede internacional, mais leve com hóspede repetente), pode reformular pergunta para confirmar entendimento. Mas não pode dizer "a tarifa é R$ 450" sem ter consultado a tarifa real, ou "o WiFi é Familia2024" sem ter visto isso na base de conhecimento.
Camada 2 — Dados dinâmicos por tenant
Cada operação tem sua base de conhecimento estruturada:
- Regras da casa (horário de check-in/out, política de animais, política de fumar, regras de eventos).
- Informações por imóvel (WiFi, código de porta, instruções de acesso, dicas locais).
- Tom de marca (formal/casual, persona da operação).
- FAQ específico (perguntas que aparecem sempre nessa operação em particular).
Quando o hóspede pergunta "qual o WiFi do apartamento?", a Carmen consulta essa base — não inventa.
Camada 3 — Lições acumuladas (wiki)
A camada mais nova. Toda vez que a Carmen escala um caso para o humano, o gestor pode marcar "isso era pra ter sido respondido" e a resposta correta entra numa wiki de lições. Da próxima vez, a Carmen consulta essa wiki antes de escalar — aprende com o histórico de correções.
A wiki é per-tenant: cada operação acumula suas próprias lições. O efeito composto é que, depois de 3-4 meses, a Carmen de uma operação fica significativamente melhor calibrada do que no dia 1 — sem que o gestor precise editar prompt nenhum.
Onde a Carmen consulta antes de responder
Quando uma mensagem chega, a Carmen tem acesso a um conjunto de fontes verificáveis:
| Fonte | Quando consulta |
|---|---|
| PMS (Stays.net ou Hospedin) | Datas de reserva, valor da diária, dados do hóspede, histórico de estadias |
| Base de conhecimento estruturada | Regras da casa, dicas locais, informações por imóvel |
| Histórico da conversa | O que já foi dito nas últimas mensagens (evita repetição) |
| Wiki de lições | Casos similares anteriores corrigidos pelo gestor |
| Ferramentas de cotação ao vivo (para operações Hospedin) | API rates_and_availabilities para responder sobre disponibilidade futura |
Se nenhuma dessas fontes tem a resposta para uma pergunta específica, a Carmen escala. Não improvisa.
A diferença prática vs. ChatGPT genérico
Hóspede pergunta no WhatsApp: "o check-in pode ser às 13h?"
| Resposta de chatbot genérico | Resposta da Carmen |
|---|---|
| "Geralmente o check-in é às 14h, mas você pode tentar negociar com o anfitrião." | "Olá João! Seu check-in está marcado para o dia 15. O horário oficial é a partir das 15h, mas posso confirmar com a equipe se conseguimos liberar às 13h. Posso confirmar agora?" |
A diferença não é o tom (os dois são educados). É que a segunda resposta:
- Sabe o nome do hóspede.
- Sabe a data exata da reserva.
- Sabe o horário real de check-in dessa propriedade (não inventou "14h").
- Promete uma ação concreta (confirmar com a equipe), não devolve a bola.
Isso só funciona porque a Carmen tem acesso ao PMS, à base de conhecimento, e às regras da operação.
Modo revisão: você no controle
Mesmo com toda a arquitetura, a Carmen não envia nada que o gestor não queira. O modo revisão permite:
- Auto-send (default progressivo): Carmen responde na hora; gestor revisa em segunda mão se quiser.
- Aprovar antes de enviar: Carmen redige a mensagem; gestor abre o painel, lê, edita se quiser, clica enviar.
A maioria das operações começa em "aprovar antes" e migra para "auto-send" depois de 2-3 semanas, quando o gestor confia que a Carmen acerta na maioria dos casos.
Carmen está em evolução
A versão atual da Carmen é resultado de iteração com nossos design partners. As próximas peças no roadmap:
- Migração de modelo para gpt-4.1 (custo maior, qualidade superior em casos limítrofes).
- Cotação ao vivo via Hospedin — Carmen consulta
rates_and_availabilitiespara responder "tem disponibilidade do dia 15 ao 18?" com tarifa real (detalhes aqui). - Ferramentas de booking — criar pré-reserva, gerar link de pagamento, confirmar reserva, dentro da conversa.
Cada peça é validada com a operação que a usa antes de virar default da plataforma.
Conheça a Carmen na sua operação ou veja como ela trabalha junto com a jornada do hóspede.
Automatize o atendimento dos seus hospedes
Veja o InnSync em acao com seus dados reais. Demonstracao gratuita de 15 minutos.
Agendar demonstracao gratuita
