Insights do dashboard

Selo

• Motor: Usa LLM (Anthropic)
• Maturidade: Preview
• Medição: NOT_MEASURED (qualidade/latência de IA real em produção)

1. O que faz

Com um clique, a IA lê o snapshot do painel e produz um resumo executivo: manchete, destaques, possíveis anomalias e recomendações acionáveis — tudo em português.

2. Determinístico ou LLM?

LLM. É uma geração com saída estruturada: headline, highlights[], anomalies[], recommendations[]. Mesmo seletor de modelo do Text-to-SQL. Sem provider em dev/preview → resumo determinístico simples; em produção sem provider → 503 (guarda de produção).

Atenção: a seção anomalies daqui é texto do LLM sobre o snapshot, não é o detector determinístico. A detecção estatística de anomalias é uma capacidade separada — ver Anomalias.

3. Dados enviados e egress

• Vai o snapshot do painel por widget, dentro de fence <dados id="widget-N">.
• Nenhuma query no datalake (análise sobre o snapshot; custo zero de dados).
• Mesma política de egress do Q&A: teto de linhas, marcação de amostra, e com com o envio de linhas desligado, sai só o resumo estatístico por coluna (sem linhas cruas).
• Cada widget declara quantas linhas foram enviadas, quantas existem no painel e se é amostra — para o modelo não afirmar um total olhando 1.000 de 40.000 linhas.

4. Privacidade e retenção

• Mesma visão segura do Q&A (RLS + PII aplicados antes do prompt).
• registro de auditoria insights do painel registra a geração; ai.usage registra tokens/custo/ egress.

5. Tokens, custo e orçamento

Mesmo ledger reserva→liquidação e teto mensal do resto da IA. Ver Privacidade, envio externo, orçamento e desligamento.

6. Como ligar, quem pode usar e como desligar

POST /api/ai/dashboard-insights (sem question): rate limit 10/60 s por workspace (fail-closed) → workspace (401) → entitlement aiNarrative (Pro, 403) → a verificação de workspace ativo → capacidade insights de IA. Desligamento geral o envio a provedores está desligado no ambiente.

7. Recusas

• Sem dados no painel → não chama o LLM (nada a analisar).
• Teto atingido → 429 com mensagem, sem gastar.
• Sobre amostra, é proibida de afirmar total/soma/ranking — deve dizer que o número exato exige agregar no SQL.

8. Limitações e ausência de causalidade

• As "anomalias" e "recomendações" são leitura do LLM, não um teste estatístico; trate-as como hipóteses a investigar, não como fatos provados.
• Não estabelece causalidade: descreve o que os números mostram; não afirma que uma coisa causou a outra.
• Baseia-se no snapshot da última atualização — não é tempo real.

9. Como validar

• Marcação de amostra: materialize um painel com widget truncado e confira que a resposta não afirma um total olhando uma amostra (ela deve dizer que o número exato exige agregar).
• Egress mínimo: com o envio de linhas desligado, confira que só o resumo estatístico viaja para a IA.
• Sem provider: em dev sem chave, confira o resumo determinístico; em produção sem provider, confira o 503 (guarda de produção).
• Custo/uso: confira o evento ai.usage no registro de auditoria e a proveniencia (modelo, versão do prompt, custo em R$, opId) na resposta.