Plataforma orientada a eventos para ingestão, sincronização, enriquecimento e consumo inteligente de dados, projetada para suportar o assistente interno dAIsy.
Atualmente, o ecossistema apresenta falhas críticas de sincronização entre Salesforce (CRM) e Postgres (sistema operacional):
- Falhas silenciosas de integração
- Dados inconsistentes entre sistemas
- Ausência de definição clara de source of truth
- Reconciliação manual recorrente
Esses problemas já fazem parte da operação diária, reduzindo confiabilidade e eficiência do sistema.
A solução propõe uma arquitetura event-driven baseada em Apache Kafka, onde todas as mudanças de estado são tratadas como eventos rastreáveis e processados de forma determinística.
- Garantir consistência de dados
- Tornar o sistema auditável
- Eliminar sincronizações implícitas
- Suportar RAG para o assistente dAIsy
Camada de visibilidade do sistema:
- Logs estruturados
- Métricas
- Tracing
- Detecção de inconsistências
Interface interna:
- Dashboard (React / Next.js)
- Upload de ficheiros
- Visualização de decisões
- Histórico de queries
-
Dados entram via conectores (Salesforce, Postgres, Slack, transcripts)
-
Eventos são publicados no Kafka
-
Data Sync aplica regras de consistência
-
Dados alimentam:
- Decision Engine
- Knowledge Store (RAG)
-
O assistente responde via Slack, Web e Salesforce
- Arquitetura orientada a eventos para desacoplamento
- Source-of-truth explícito por entidade
- Processamento determinístico de dados
- Observabilidade como requisito central
A arquitetura permite evolução progressiva:
- Introdução de processamento stateful com Apache Flink
- CDC com Debezium para sincronização confiável
- Escala do vector store (Pinecone / Weaviate)
Responsável por:
- Centralizar acesso às APIs
- Autenticação e autorização
- Rate limiting
- Observabilidade
Core da solução:
- Orquestra fluxos de integração
- Gerencia regras de negócio
- Coordena chamadas internas e externas
- Microsserviços independentes
- Baixo acoplamento
- Alta coesão
- Domínios específicos
- Comunicação assíncrona
- Event streaming (Kafka)
- Resiliência e desacoplamento
- Integração com modelos de IA
- NLP e automação de decisões
- Base para o assistente dAIsy (RAG)
-
Dados entram via conectores (Salesforce, Postgres, Slack, transcripts)
-
Eventos são publicados no Kafka
-
Data Sync aplica regras de consistência
-
Dados alimentam:
- Decision Engine
- Knowledge Store (RAG)
-
O assistente responde via Slack, Web e Salesforce
Camada de visibilidade do sistema:
- Logs estruturados
- Métricas de performance
- Tracing distribuído
- Detecção de inconsistências
- Base para RAG
Interface interna para operação do sistema:
- Dashboard (React / Next.js)
- Upload de ficheiros
- Visualização de decisões
- Histórico de queries
- Arquitetura orientada a eventos para desacoplamento
- Source-of-truth explícito por entidade
- Processamento determinístico de dados
- Observabilidade como requisito central
- API-first + event-driven híbrido
- Escalabilidade horizontal
- Retry automático em falhas
- Circuit breaker
- Load balancing
- Processamento assíncrono
- OAuth / JWT
- Criptografia de dados sensíveis
- Controle de acesso baseado em roles
- Versionamento de APIs
- Logs centralizados
- Auditoria de integrações
- Monitoramento contínuo
A arquitetura permite evolução progressiva:
- Processamento stateful com Apache Flink
- CDC com Debezium
- Escala do vector store (Pinecone / Weaviate)
- Expansão do RAG engine
- Redução de complexidade de integrações
- Maior velocidade de entrega
- Facilidade de manutenção
- Alta disponibilidade
- Base sólida para IA corporativa
Esta arquitetura estabelece uma base sólida para um ecossistema de integração moderno, escalável e preparado para inteligência artificial, reduzindo acoplamento e aumentando a capacidade de evolução contínua da plataforma.