🛍️ Simulação de Compra com Agentes de IA Generativa em Ambiente 3D Capstone Insper 2025.1 - NTT DATA

Este projeto faz parte do Capstone (PFE) do curso de Engenharia da Computação do Insper, desenvolvido em parceria com a NTT DATA. O objetivo é explorar o uso de agentes de Inteligência Artificial Generativa em um ambiente de computação espacial, permitindo que tomem decisões autônomas e interajam com um espaço virtual tridimensional.

A simulação ocorre dentro de um shopping center virtual, onde agentes de IA conduzem toda a jornada de compra do usuário, desde a busca pelo produto até a tomada de decisão final, utilizando modelos de linguagem natural (LLMs) para gerar interações realistas e dinâmicas.

---

📌 Visão Geral

A experiência ocorre em um shopping center virtual, onde os agentes de IA assumem papéis distintos e interagem autonomamente. O usuário apenas informa o que deseja comprar, e os agentes assumem o controle da interação, conduzindo todo o processo de atendimento e negociação.

Fluxo da Experiência

1. Balcão de Informações – O agente Buyer (comprador) inicia a conversa com um agente atendente, perguntando onde encontrar o produto desejado.
2. Direcionamento – O atendente consulta as lojas disponíveis e indica para qual delas o Buyer deve se dirigir.
3. Interação com o Vendedor – O Buyer entra na loja e interage com um agente vendedor, que possui acesso a um banco de dados de estoque e fornece informações sobre o produto.
4. Processo de Compra – O Buyer avalia as opções, faz perguntas sobre preços, tamanhos e variações do produto e negocia detalhes.
5. Tomada de Decisão – O Buyer decide se realizará a compra ou não, encerrando a conversa naturalmente.

Toda a comunicação ocorre de forma autônoma entre os agentes, sem necessidade de interação contínua do usuário após a definição do pedido inicial.

---

🎮 Integração com Unity

A experiência acontece dentro de um ambiente 3D desenvolvido em Unity, reforçando o conceito de computação espacial. Isso significa que os agentes precisam se localizar no ambiente, interpretar direções e interagir com elementos tridimensionais, tornando a experiência mais imersiva.

A movimentação do agente Buyer pelo shopping ocorre conforme as instruções do atendente, garantindo um fluxo lógico na simulação.

---

🧠 Arquitetura de Agentes

O sistema conta com múltiplos agentes de IA, cada um com um papel bem definido:

• Buyer (Comprador): Representa o usuário na simulação. Ele inicia a interação, segue as instruções do atendente e conversa com os vendedores para buscar o produto desejado.
• Atendente do Shopping: Um agente que recebe o Buyer no balcão de informações e o direciona para a loja mais adequada.
• Vendedor: Um agente específico de cada loja, com acesso ao banco de dados de estoque, responsável por fornecer recomendações e responder às dúvidas do Buyer.
• Controlador de Fluxo: Um agente adicional que monitora a conversa e decide quando a interação deve ser finalizada, garantindo que os diálogos tenham um desfecho natural.

A comunicação entre os agentes ocorre via modelos de linguagem natural, permitindo um diálogo contínuo e adaptável. A memória conversacional garante a coerência da interação ao longo do tempo.

---

🔧 Ferramentas Utilizadas

Para a construção e gerenciamento dos agentes, utilizamos as seguintes tecnologias:

• LangChain – Framework para criação e orquestração de agentes baseados em modelos de linguagem natural. Ele permite a personalização do comportamento dos agentes e a estruturação da conversa entre eles.
• OpenAI GPT – Modelo de linguagem usado para gerar diálogos realistas e coerentes entre os agentes.
• Text-to-Speech (TTS) da OpenAI – Implementação de síntese de voz para que os agentes possam falar suas respostas em tempo real, aumentando a imersão da experiência.
• Unity 3D – Motor gráfico utilizado para criar o ambiente tridimensional e permitir a movimentação dos agentes dentro do shopping virtual.
• Banco de Dados de Estoque – Um repositório que armazena informações sobre os produtos disponíveis em cada loja, permitindo que os vendedores ofereçam opções reais ao Buyer.
• Banco de Dados na AWS – O sistema utiliza uma base de dados hospedada na AWS para armazenar as informações de estoque de cada loja, permitindo que os agentes vendedores consultem os produtos disponíveis em tempo real.

---

🏬 Base de Dados e Personalização

O agente vendedor possui acesso a uma base de dados de estoque, que permite:

• Identificar a disponibilidade do produto solicitado.
• Sugerir alternativas caso o item desejado esteja indisponível.
• Personalizar a experiência de compra conforme as preferências do Buyer.

Além disso, o sistema pode ser expandido para incluir perfis de usuário pré-definidos, permitindo experiências ainda mais personalizadas com base no histórico de compras e preferências.

---

🎯 Objetivo

Este projeto busca demonstrar como agentes de IA generativa podem tomar decisões autônomas e interagir em ambientes tridimensionais, simulando um cenário de atendimento real.

A aplicação desse conceito pode ser expandida para diversos setores, como:

✅ Varejo inteligente – Assistentes virtuais em lojas físicas e online.
✅ Turismo e hospitalidade – Atendimento automatizado em hotéis e aeroportos.
✅ Simulações empresariais – Treinamento de atendimento ao cliente baseado em IA.