Encaminhamento por regras antes dos LLM: escolher um modelo de site a partir do nome do negócio

O motor de demos por trás desta biblioteca tem dezassete modelos por setor. Dado um negócio, tem de escolher o certo: um salão de unhas não deve receber o layout de uma oficina. Parece o trabalho perfeito para um modelo de IA. Na prática, o melhor primeiro passo revelou-se um pequeno conjunto de regras de palavras-chave ordenadas — com a IA reservada para o que as regras não conseguem fazer.

#Porque não os códigos oficiais de atividade?

Os negócios registados têm códigos padrão de classificação de atividade, por isso a abordagem óbvia é uma tabela de correspondência entre código e modelo. Falha depressa. Os códigos são amplos e ramos muito diferentes partilham-nos: cabeleireiro e tratamentos de beleza estão juntos, «outras atividades de serviços pessoais» cobre tudo, de tatuadores a tosquiadores, e muitos negócios registam-se com um código genérico e nunca o atualizam.

O nome do negócio costuma ser um sinal muito melhor. «Fade District» e «Velvet Lash & Nail» dizem mais sobre o que o negócio faz do que qualquer código.

#Regras de palavras-chave ordenadas

Cada modelo declara uma lista de padrões de palavras-chave. O encaminhamento percorre os modelos por uma ordem de prioridade fixa e escolhe o primeiro cujos padrões correspondem ao nome:

pets       → dog, pets, paws, kennel, grooming…
tattoo     → tattoo, ink, piercing…
clinic     → clinic, aesthetic, skin, dental, laser…
barber     → barber, cuts, fade, gents…
beauty     → beauty, nail, lash, brow, salon, spa…
…
restaurant → kitchen, cafe, pizza, grill, bakery…

A ordem importa. «Dog grooming» contém grooming, que podia parecer um termo de barbearia, por isso os animais são verificados primeiro. Os limites de palavra também importam: \bmot\b deve corresponder a «Leeds MOT Centre», mas não a «Motion Pilates». Quando nada corresponde, o código de atividade é usado como recurso e, quando também esse falha, usa-se um modelo de negócio neutro.

Pode experimentar o encaminhador na página de automação com IA — corre as mesmas regras no seu browser.

#Porquê regras primeiro?

• Determinístico — o mesmo nome dá sempre a mesma resposta, o que torna a depuração trivial.
• Explicável — o sistema consegue dizer que palavra-chave correspondeu.
• Gratuito e imediato — sem chamadas a APIs, sem latência, sem limites de utilização.
• Seguro — não há nada onde injetar um prompt.

Para uma decisão de encaminhamento com dezassete resultados possíveis, estas propriedades contam mais do que os poucos pontos percentuais extra de precisão que um modelo poderia dar.

#Onde a IA ajuda de facto

As regras têm dificuldade com nomes que não têm nenhuma palavra do ramo — «Northgate», «The Lantern», «Smith & Daughters». É aí que um modelo é útil: com o nome e um pouco de contexto (um excerto do site, a descrição de uma categoria), pode propor um modelo com uma pontuação de confiança. A arquitetura mantém esse passo opcional e a jusante:

1. Correr as regras. Se uma regra corresponder, parar.
2. Se não, perguntar ao modelo, limitado aos dezassete resultados válidos.
3. Se a confiança for baixa, recorrer ao modelo neutro e assinalar para revisão.

Limitar o espaço de resultados, validar a resposta contra um esquema e manter uma alternativa que uma pessoa pode rever é o que torna fiável um passo de IA num pipeline.

#Lições

• Procure o sinal forte mais barato antes de recorrer a um modelo.
• Torne explícitas a ordem e os limites; é aí que vivem a maioria dos bugs de encaminhamento.
• Use a IA para a cauda longa, com resultados limitados e um valor por defeito seguro.
• Consiga sempre responder a «porque escolheu isso?»