Geração assistida — medida, visual e dashboard

Selo

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

1. O que faz

Você descreve o que quer ("uma medida de ticket médio", "um gráfico de vendas por região", "um painel de acompanhamento comercial") e a IA propõe um artefato estruturado — medida, visual ou esqueleto de dashboard — pronto para você revisar e confirmar.

2. Determinístico ou LLM?

Híbrido: o LLM propõe, o código valida. O texto do artefato vem do LLM, mas o campo validacao é sempre preenchido pelos validadores determinísticos reais do produto — os mesmos do editor: validação de medida, typecheck de fórmula, compilação do modelo para SQL, a allowlist de visuais e a validação de SQL livre.

Sem provider em dev/preview → artefato mock determinístico, que passa pelos mesmos validadores (a validação é lei até no mock). Em produção sem provider → 503.

3. Dados enviados e egress

• Vai a sua descrição (fenceada como <dados id="pedido">), o modelo do dashboard e o catálogo físico sem PII (mesmo grounding do wizard), tudo fenceado.
• Não vão linhas de dados — apenas estrutura (schema/modelo).
• Quando o datalake está configurado, o SQL proposto passa por dry-run real para validar — isso roda no datalake, não no LLM.

4. Privacidade e retenção

• PII fora do prompt (exclusão na origem, como no text-to-SQL).
• registro de auditoria geração assistida por IA registra o pedido, o tipo e se saiu como rascunho; ai.usage registra tokens/custo.

5. Tokens, custo e orçamento

• Mesmo ledger reserva→liquidação, por chamada (feature ai_generate), e mesmo teto mensal.
• Autocorreção conta como uma segunda chamada: o custo de ambas é somado em custoBrlTotal.

6. Como ligar, quem pode usar e como desligar

POST /api/ai/generate: rate limit 10/60 s por workspace (fail-closed) → workspace (401) → entitlement aiNarrative (Pro, 403) → a verificação de workspace ativo → geração. Com o envio a provedores desligado, o resultado é determinístico e nada sai da plataforma.

7. Recusas e rascunho

• A IA NUNCA publica. A confirmação é sempre um passo humano, pelas actions existentes (addMeasureAction / addWidgetAction / updateWidgetAction / saveModelAction).
• Validação reprovada → autocorreção uma vez com os erros em português; se persistir, o artefato sai como RASCUNHO (validacao.ok = false) com os erros à mostra — o erro nunca é escondido.
• Teto atingido → 429 com mensagem, sem gastar.

8. Limitações e ausência de causalidade

• O artefato é uma proposta: a fórmula/SQL pode estar sintaticamente válida e ainda assim não ser o que você quis. Revise antes de confirmar.
• A IA só gera visuais de dados da allowlist (não gera elementos de layout como texto/ imagem/botão).
• Não interpreta causalidade nos dados; propõe estrutura, não conclusões.

9. Como validar

• Validação é determinística: peça uma medida ou visual e confira que o campo validacao da resposta reflete os mesmos validadores do editor — nunca uma "aprovação" só do texto do LLM.
• Nada publica sozinho: confirme que a rota devolve o artefato + validacao, e que a escrita só acontece na action após confirmação humana.
• Rascunho honesto: peça algo impossível e confira rascunho: true com os erros listados.
• Dry-run real: com o datalake configurado, um SQL inválido reprova no dry-run, não no LLM.