Anomalias sem LLM, reproduzíveis

Selo de estado: Preview (teto atual do produto) · Curso ACD-420 — Analista de IA: relatórios, alertas, anomalias e previsões · Aula 6 de 9 · Atualizado em 2026-10-04.

Objetivo#

Ao final desta aula você vai interpretar anomalia e limiares — e nunca mais ler um ponto marcado como se ele fosse uma explicação.

Vídeo#

Identificador no manifesto: acd-420-06-anomalias-deterministicas · duração-alvo 7 min · tela do produto: /relatorios.

Roteiro de gravação (5 capítulos):

Conteúdo#

Nenhum modelo de linguagem decide o que é anomalia

A detecção de anomalia é 100% determinística. Não há LLM em nenhuma parte: é média móvel + desvio padrão, sem I/O, reproduzível ponto a ponto. Nada sai do produto e nenhum token é gasto — a conta roda no nosso servidor, sobre o snapshot já materializado do painel. Quando uma anomalia aparece citada na narrativa do relatório (Aula 2), quem a detectou foi este detector; o modelo de linguagem só redigiu o que ele marcou.

A explicação de cada ponto usa exatamente os mesmos números do detector — mesma janela, mesma média, mesmo desvio. Isso é garantido por teste: explicação e detecção não podem divergir.

Como um ponto é marcado

Cada ponto é comparado com a janela anterior a ele — e só com ela. O detector não olha para frente de propósito: se a janela incluísse o próprio ponto, a anomalia inflaria o desvio padrão e se esconderia dentro dele.

Como ligar no produto

É um recurso de visualização do painel, configurado por visual — não passa por verificação de envio externo nem por orçamento de IA, porque não chama provedor nenhum. No visual de série, marque "Marcar ponto fora da curva". Aparece então a Sensibilidade:

O que liga e desliga é a própria configuração do visual. Nada a habilitar, nada a autorizar.

As duas recusas

• Série curta demais — menos pontos que o mínimo, ou um ponto sem 3 anteriores → não acusa nada, devolve vazio. "Não sei ainda" em vez de um alarme inventado.
• Variação abaixo do piso relativo → não marca, por mais desvios padrão que pareça. Numa série que oscila 0,3%, qualquer ruído vira "3σ"; o piso de 1% impede esse teatro.

O que a anomalia não diz

Três limites a mais, que você vai encontrar na primeira semana de uso:

1. Não captura sazonalidade. É um detector de média móvel simples. Um pico sazonal esperado — Black Friday, 13º salário, fechamento de mês — vai ser marcado como anomalia.
2. Não captura ciclo nem mudança de regime. Se a série subiu de patamar de vez (uma filial nova, por exemplo), os primeiros pontos do patamar novo são marcados até a janela acompanhar.
3. Não corrige dado errado. Dado duplicado na ingestão aparece como anomalia — e a anomalia está certa; o dado é que não está.

Do detector ao alerta: backteste primeiro

A anomalia marcada no visual é diagnóstico visual. Transformá-la em aviso é a Aula 4 — e aí vale a mesma regra: o backtest mostra quantas vezes a regra teria disparado no seu histórico, e vem sempre com o aviso fixo de que o passado não garante o futuro. A sugestão de sensibilidade existe para você calibrar com número, não com intuição: se em 2,5σ o histórico acusa 11 pontos, talvez 3,5σ seja o seu limiar.

Exemplo Aurora

ana liga "Marcar ponto fora da curva" no visual de receita diária da Aurora, com sensibilidade Média (2,5σ). O gráfico marca dois pontos: a quarta-feira do feriado (receita 3,1σ abaixo da janela anterior) e a última sexta de novembro (2,9σ acima). Os dois são anomalias corretas — e nenhum dos dois é surpresa: um é feriado, o outro é Black Friday. É exatamente o que a limitação de sazonalidade prevê.

ana então troca para Baixa (só o gritante) (3,5σ): sobra só a quarta do feriado. Nos primeiros 4 dias da série, nada é marcado — cada ponto precisa de pelo menos 3 anteriores. E num intervalo em que a receita oscilou 0,4% entre dias, nada foi marcado, porque a variação ficou abaixo do piso relativo de 1%.

Erros comuns

Estado e gates

A detecção é Preview no teto do produto, com medição Verificável por teste: o mesmo painel produz sempre as mesmas anomalias, e um teste garante que a explicação usa a mesma janela, média e desvio que marcaram o ponto. Não há gate de egress nem de orçamento aqui, porque não há chamada externa nem evento de uso de IA — o gate relevante aparece só quando a anomalia vira entrega (Aulas 3 e 4).

Faça você mesmo#

No workspace de treino Aurora Varejo (abra /dashboards no console):

1. Abra o painel "Vendas por filial" e selecione o visual de receita diária (linha).
2. Marque "Marcar ponto fora da curva" e mantenha a sensibilidade em Média.
3. Anote quantos pontos foram marcados e leia a explicação de um deles: janela, média e desvio usados.
4. Troque a sensibilidade para Alta (marca mais) e depois para Baixa (só o gritante); anote a contagem nos três níveis.
5. Olhe os primeiros pontos da série e explique por que nenhum deles foi marcado.
6. Encontre (ou crie com um filtro de período) um trecho muito estável da série e confirme que nada é marcado — explique com o piso relativo.
7. Escolha um ponto marcado que você sabe que é sazonal (feriado, fim de mês) e escreva, em uma frase, por que a marcação está certa e a leitura "foi causado por X" está errada.
8. Rode o backtest da sensibilidade escolhida e anote o número de disparos históricos antes de pensar em alerta.

Você terminou quando você tiver a contagem de anomalias nos três níveis de sensibilidade e uma frase sua explicando por que um ponto marcado não é uma explicação.

Checagem rápida#

Três perguntas no final da aula, corrigidas no servidor. A aula só conta como concluída depois da checagem.

Documentação relacionada#

• ai/anomalias

Capacidades ensinadas#

C13.4 — o selo exibido na aula é sempre o estado mais conservador entre as capacidades citadas; nada aqui é "GA".