Skip to main content
Este guia mostra em que tarefas a Strattum usa IA, qual faixa de modelo cada uma pede e por quê.

​
Onde a Strattum usa IA

A plataforma chama um modelo de IA em funções internas e no Strattum Chat. Cada função tem um campo próprio na tela Modelos de IA, e cada uma pode usar um modelo diferente. Elas trabalham em ritmos diferentes: algumas rodam só quando alguém pede, outras rodam a cada pergunta dos agentes de IA da sua empresa, como o Strattum Chat ou um assistente conectado pelo MCP Server. Esse ritmo é o que mais pesa na escolha do modelo.

​
O que diferencia um modelo do outro

Cada provedor oferece modelos de tamanhos diferentes. Para as funções da Strattum, três características decidem a escolha.

Raciocínio

Antes de responder, o modelo pensa em etapas: planeja, confere cada resultado e corrige o rumo. Isso pesa quando o modelo age em várias etapas, como o Agente de ontologia: cada ação depende da anterior, porque o modelo decide o que consultar, lê o resultado e escolhe o próximo passo. Um erro no começo contamina o resto, e os modelos maiores sustentam planos longos com menos erros.

Velocidade

Os modelos menores respondem em uma fração do tempo. Isso pesa quando a função roda a cada pergunta ou a cada linha de uma tabela, porque o tempo de cada chamada se soma ao tempo da resposta.

Chamada de ferramentas

O Agente de ontologia, o Agente de clean e o modelo do chat pedem dados no meio da conversa: leem o catálogo, consultam uma tabela. Para isso, o modelo precisa chamar ferramentas (function calling). Nos dois agentes do console, um modelo que não chama ferramentas não funciona, e o console avisa.
Os modelos de embedding são de outro tipo: transformam texto em vetores para a busca por semelhança. Para eles conta a qualidade da busca, e você precisa escolher o modelo antes de indexar o conteúdo.

​
As três faixas

Nomes de outubro de 2026. No seletor do console, o nome aparece com o prefixo do provedor, como openai/gpt-6.1-sol. No OpenRouter e no Amazon Bedrock, procure o mesmo modelo pelo nome: o identificador muda de formato.

​
A faixa de cada função

Use esta tabela como ponto de partida. Os motivos e os modelos estão na Parte 1. Confirme a escolha com perguntas reais da sua empresa. No Strattum Chat, o Intermediário é o modelo padrão, e o Superior entra como opção para análises longas.

​
O que você vai fazer

São três partes. As duas primeiras explicam a escolha do modelo e das chaves. A terceira mostra onde aplicar e conferir cada escolha no console.

Parte 1 · O modelo de cada função

1.1 Generativo
1.2 Classificador
1.3 Agente de ontologia
1.4 Agente de clean
1.5 Embeddings do Knowledge
1.6 Embeddings do Memory
1.7 Modelos do Strattum Chat

Parte 2 · Provedores e chaves

2.1 Conferir o que cada provedor oferece
2.2 Escolher a combinação de chaves

Parte 3 · No console

3.1 Escolher o modelo no seletor
3.2 Validar as funções e testar os agentes
3.3 Conferir os embeddings antes de indexar
3.4 Montar o catálogo do chat
3.5 Salvar e acompanhar o uso
Segurança. Crie uma chave de API só para a Strattum, na conta da sua empresa no provedor. Assim você acompanha o consumo da plataforma em separado e pode revogar a chave sem afetar outros sistemas. Digite a chave direto no console e não envie por e-mail, chat ou chamado.

AI & Data Use

Como a Strattum trata dados e modelos de IA: retenção nos provedores, uso para treino e os controles que a sua empresa tem.

​
Antes de começar

Separe estes itens antes de abrir a tela Modelos de IA. A última coluna indica o passo em que cada um é usado.
Se a sua empresa usa só a OpenAI, uma chave atende todas as funções.

​
Parte 1 · O modelo de cada função

Para cada função, o passo diz o que ela faz, quando roda, e a faixa recomendada. A Figura 1 mostra a tela com as faixas deste guia, numa conta da OpenAI. Onde: Configurações › Instalação › Modelos de IA
Tela Modelos de IA, seção Modelos da plataforma, com o Generativo em gpt-6.1-sol, o Classificador em gpt-6-luna, o Agente de ontologia em gpt-6-astra e o Agente de clean em gpt-6.1-sol

Figura 1. Modelos da plataforma com as faixas deste guia, numa conta da OpenAI: Generativo ①, Classificador ②, Agente de ontologia ③ e Agente de clean ④.

​
1.1 Escolha o modelo do Generativo

Onde: Modelos da plataforma › Generativo · ① Faixa recomendada: Intermediário
Modelos: Anthropic claude-sonnet-5-5 · OpenAI gpt-6.1-sol · Google Gemini gemini-3.8-flash O que faz. É o modelo principal da plataforma. Sugere e corrige transformações, inclusive o SQL que falhou, enriquece dados nos pipelines, planeja o contexto do Memory e responde no chat de Skills. Quando roda. Em dois ritmos. Sob demanda, quando alguém pede uma correção de SQL ou pergunta no chat de Skills. E em volume: no enriquecimento dos pipelines, como as colunas geradas por IA, que chamam o modelo para cada linha da tabela, e no planejamento de contexto do Memory, quando os agentes consultam as entidades. Por que o Intermediário. A descrição no console sugere o modelo mais capaz. Essa é a escolha certa quando o uso é quase todo sob demanda. Como o Generativo também roda em volume, cada segundo a mais se repete em toda pergunta e em toda linha. Os modelos do Intermediário escrevem e corrigem SQL bem e respondem mais rápido, o melhor equilíbrio para uma função que faz as duas coisas.

​
1.2 Escolha o modelo do Classificador

Onde: Modelos da plataforma › Classificador · ② Faixa recomendada: Econômico
Modelos: Anthropic claude-haiku-5-5 · OpenAI gpt-6-luna · Google Gemini gemini-3.1-flash-lite O que faz. Atua na montagem de contexto para os agentes: classifica a intenção da pergunta, reescreve consultas curtas ou ambíguas e sugere termos novos para o glossário. Quando roda. A cada montagem de contexto, ou seja, em toda pergunta que um agente faz à Strattum pelo MCP Server. Por que o Econômico. A tarefa é curta e tem resposta fechada. O tempo do Classificador entra no tempo de toda resposta dos agentes, então velocidade conta mais que profundidade. É para esse uso que os provedores oferecem essa faixa: a Anthropic indica o Haiku para classificação, extração e roteamento, e a OpenAI indica o Luna para tarefas focadas e de alto volume.

​
1.3 Escolha o modelo do Agente de ontologia

Onde: Modelos da plataforma › Agente de ontologia · ③ Faixa recomendada: Superior
Modelos: Anthropic claude-opus-5-5 · OpenAI gpt-6-astra · Google Gemini gemini-4-argon O que faz. Conduz a conversa do assistente de ontologia: lê o catálogo, propõe o mapeamento do grafo e prepara as alterações para você aprovar. Quando roda. Só quando alguém da sua equipe usa o assistente, em geral na implantação e quando o modelo de dados da empresa muda. Por que o Superior. Modelar a ontologia é um problema de muitas etapas: entender as tabelas, decidir quais entidades existem, ligar as relações e escrever um YAML válido. Cada decisão depende da anterior, e é nesse tipo de tarefa que o raciocínio do Superior faz diferença. Um erro aqui não gera mensagem: uma relação errada entra no grafo e aparece em toda resposta que usa aquela entidade. Como o agente roda pouco, o tempo maior de resposta quase não pesa. O agente lê o catálogo e propõe alterações por meio de ferramentas. Confira com Testar com o agente no passo 3.2.

​
1.4 Escolha o modelo do Agente de clean

Onde: Modelos da plataforma › Agente de clean · ④ Faixa recomendada: Intermediário
Modelos: Anthropic claude-sonnet-5-5 · OpenAI gpt-6.1-sol · Google Gemini gemini-3.8-flash O que faz. Conduz o Assistente IA do editor de clean: lê o catálogo, consulta as tabelas e propõe o SQL da transformação para você aceitar. Quando roda. Quando alguém usa o Assistente IA no editor de clean. Por que o Intermediário. Escrever SQL consultando as tabelas é o ponto forte dessa faixa, e os modelos do Intermediário chamam ferramentas bem e rápido. O SQL proposto passa pela sua revisão e pela prévia antes de salvar, então um erro aparece logo e não chega aos agentes.

​
1.5 Escolha o embedding do Knowledge antes de indexar

Onde: Modelos da plataforma › Embeddings · Knowledge (RAG) · Figura 3, ③ Modelo recomendado: gemini-embedding-2 ou text-embedding-3-large O que faz. Transforma documentos e trechos em vetores na ingestão, e as perguntas em vetores na busca semântica do Knowledge. Quando roda. Na indexação de cada documento e em cada busca. Qual escolher. Aqui não há faixas: a qualidade do vetor decide se a busca acha o trecho certo. Com chave do Google Gemini, use o gemini-embedding-2, que é o padrão do console. Sem o Google, use o text-embedding-3-large, da OpenAI. Ele busca melhor que o text-embedding-3-small em textos fora do inglês: nos resultados que a OpenAI publicou para o MIRACL, um teste de busca em 18 idiomas, o 3-large marca 54,9, contra 44,0 do 3-small.
Escolha antes de indexar o primeiro documento. Com conteúdo indexado, o console mostra o campo como fixo, com o aviso Campo fixo. Para trocar o modelo depois, fale com o FDE da Strattum: a troca exige reindexar todo o conteúdo do Knowledge.

​
1.6 Confira o embedding do Memory

Onde: Modelos da plataforma › Embeddings · Memory · Figura 3, ④ e ⑥ Modelo recomendado: o mesmo do Knowledge, ou text-embedding-3-small O que faz. Vetoriza as entidades do Memory Graph para a busca por semelhança. Quando roda. Quando entidades entram ou mudam no Memory e em cada busca de entidades. Qual escolher. Hoje o Memory só aceita modelos de embedding da OpenAI.
Trocar este modelo exige reindexar todas as entidades do Memory Graph. Defina o modelo antes de aplicar a ontologia.

​
1.7 Escolha os modelos do Strattum Chat

Onde: Modelos de IA › Modelos do Strattum Chat · Figura 4 Faixa recomendada: Intermediário como padrão, Superior como opção O que é. O catálogo de modelos que os usuários escolhem no seletor do chat. Ele é opcional: monte o catálogo se a sua empresa vai usar o Strattum Chat. É independente das funções da plataforma e pode misturar provedores. Quando roda. A cada mensagem dos usuários. No chat, o modelo decide quais dados buscar, chama as ferramentas da Strattum e junta o resultado numa resposta. Por que o Intermediário como padrão. Ele faz bem esse ciclo de buscar, conferir e responder, e responde rápido o bastante para uma conversa. É o que a maioria das perguntas do dia a dia pede. O Superior como opção. Inclua um modelo do Superior para análises com várias fontes e etapas, com uma descrição que avise que ele demora mais. Assim o usuário escolhe quando precisa dele. Os nomes e as descrições são exemplos. São os mesmos da Figura 4. Modelo que gera títulos. O console sugere um modelo rápido e barato. Esse modelo precisa estar no catálogo, então aparece no seletor para os usuários. Use o próprio modelo padrão: o título é uma chamada curta por conversa. Se mesmo assim preferir um Econômico, use a descrição para avisar que ele é para perguntas simples.
Parte 1 concluída. Você tem o modelo de cada função. A Parte 2 mostra quais chaves de provedor você precisa para usar esses modelos.

​
Parte 2 · Provedores e chaves

Cada modelo usa a chave do provedor indicado no prefixo do nome. Você pode combinar provedores entre as funções, mas cada provedor a mais é uma chave e uma conta a mais para acompanhar. Onde: Modelos de IA › Provedores

​
2.1 Confira o que cada provedor oferece

​
2.2 Escolha a combinação de chaves

Para a configuração completa, você precisa de um provedor para as funções de chat e da OpenAI para o Memory. Estas são as combinações com menos peças: Qual combinação. Comece pelo provedor com que a sua empresa já tem contrato e aprovação de segurança: as três famílias têm modelos nas três faixas. Só OpenAI é a configuração mais simples, com uma chave, uma conta e um modelo de embedding para os dois índices. As outras duas fazem sentido quando a sua empresa já usa Claude ou Gemini, e a OpenAI entra para os embeddings.
Parte 2 concluída. Você sabe quais chaves cadastrar. O cadastro em si está no guia de SSO e modelos de IA, no passo da chave do provedor.

​
Parte 3 · No console

Com as chaves cadastradas, você aplica as escolhas das Partes 1 e 2 na tela Modelos de IA e confere se cada modelo responde. Onde: Configurações › Instalação › Modelos de IA

​
3.1 Escolha o modelo no seletor

Onde: Modelos da plataforma › Seletor da função
  1. Clique no seletor da função.
  2. No campo de busca ①, digite parte do nome do modelo, como gpt-6, sonnet ou gemini.
  3. Escolha o modelo em Todos os modelos do provedor ②. A lista mostra os modelos que a chave da sua empresa alcança.
  4. Para um modelo que não está na lista, digite o identificador completo, com o prefixo do provedor, como openai/nome-do-modelo, e clique em Usar ③. O console confere o nome com uma chamada real ao provedor.
  5. Repita nas outras funções, com a faixa da Parte 1.
Seletor do Generativo aberto, com a busca gpt-6, a lista Todos os modelos do provedor e a opção Usar gpt-6

Figura 2. Seletor do Generativo aberto: busca ①, modelos que a chave da OpenAI alcança ② e opção para usar um nome fora da lista ③.

​
3.2 Valide as funções e teste os agentes

Onde: Modelos da plataforma · Figura 3
  1. Em cada função com o selo Chat, ou seja, todas menos os embeddings, clique em Validar com uma chamada mínima ①. O console chama o modelo e mostra o resultado, como Plataforma: o modelo respondeu.
  2. No Agente de ontologia e no Agente de clean, clique também em Testar com o agente ②. O teste faz uma chamada curta pelo mesmo caminho do agente e exige que o modelo chame uma ferramenta. O resultado esperado começa com O agente chamou a ferramenta, com o nome do modelo e o tempo da resposta.
  3. Se aparecer o selo Não chama ferramentas ao lado do modelo de um agente, troque por outro modelo da mesma faixa e teste de novo.
Agente de ontologia e Agente de clean com os botões Validar com uma chamada mínima e Testar com o agente, e os campos de embedding do Knowledge e do Memory

Figura 3. Agentes e embeddings: Validar com uma chamada mínima ① e Testar com o agente ② no Agente de ontologia, embedding do Knowledge com campo fixo ③, embedding do Memory com Validar embedding ④, aviso de reindexação ⑤ e opção de modelo separado para o Memory ⑥.

O teste do agente usa a chave já salva do provedor. Se a chave é nova, salve a configuração antes de testar (passo 3.5), lembrando que o console só salva com um modelo em cada função. Quando um agente fica sem modelo que chame ferramentas, o console pode sugerir um. A sugestão é o modelo mais barato que chama ferramentas entre os provedores configurados: no Agente de ontologia, prefira um do Superior e, no Agente de clean, um do Intermediário.

​
3.3 Confira os embeddings antes de indexar

Onde: Modelos da plataforma › Embeddings · Figura 3
  1. Em Embeddings · Knowledge (RAG) ③, confira o modelo (passo 1.5). Com conteúdo indexado, o campo aparece fixo, com um cadeado.
  2. Em Embeddings · Memory ④, confira ou escolha o modelo (passo 1.6) e clique em Validar embedding. O resultado esperado diz que o modelo respondeu com um vetor e o número de dimensões dele.
  3. Antes de trocar um modelo de embedding, leia o aviso de reindexação ⑤.
  4. Com o Knowledge no gemini-embedding-2, a opção Usar um modelo de embedding diferente para o Memory Graph ⑥ vem marcada, e o console pede um modelo da OpenAI para o Memory.

​
3.4 Monte o catálogo do chat

Onde: Modelos de IA › Modelos do Strattum Chat
  1. Em Adicionar modelos ao catálogo ①, busque e adicione o modelo do Intermediário.
  2. Preencha o Nome de exibição e a Descrição ②, como na tabela do passo 1.7.
  3. Se quiser, adicione um modelo do Superior ③, com uma descrição que avise que ele demora mais.
  4. Clique em Testar o catálogo ④. O console envia uma chamada mínima para cada modelo e confere nomes e funções.
  5. Em Modelo padrão ⑤, escolha o modelo do Intermediário.
  6. Em Modelo que gera títulos ⑥, escolha o mesmo modelo padrão.
Modelos do Strattum Chat com Uso geral em gpt-6.1-sol como padrão e gerador de títulos, e Análises longas em gpt-6-astra

Figura 4. Modelos do Strattum Chat: Adicionar modelos ao catálogo ①, entrada do Intermediário, com nome de exibição e descrição, marcada como padrão e gerador de títulos ②, entrada do Superior como opção ③, Testar o catálogo ④, Modelo padrão ⑤ e Modelo que gera títulos ⑥.

​
3.5 Salve e acompanhe o uso

Onde: Modelos de IA · Observability › Agent Traces
  1. Na página Modelos de IA, clique em Salvar configuração, no canto superior direito. Cuidado com o botão vermelho Remover configuração, ao lado.
  2. Depois de alguns dias de uso, abra Observability no menu lateral e a aba Agent Traces ①.
  3. Confira o resumo do período ②: conversas, tokens e turnos com erro.
  4. Na coluna Agente · Modelo ③, confira se as conversas novas usam o modelo escolhido.
  5. Abra uma conversa para ver os turnos e os tokens de entrada e saída de cada turno ④.
Observability, aba Agent Traces, com o resumo de conversas, tokens e turnos com erro, a coluna Agente · Modelo e o detalhe de uma conversa

Figura 5. Observability, aba Agent Traces ①: resumo do período ②, modelo de cada conversa ③ e detalhe de uma conversa, com turnos e tokens ④. Os dados são de um ambiente de demonstração.

Turnos com erro acima de zero no Agent Traces, ou usuários reclamando de respostas lentas, são o sinal para rever a faixa de uma função.
Parte 3 concluída. Os modelos estão salvos e validados, e o Agent Traces mostra qual modelo respondeu cada conversa.

​
Como confirmar que deu certo

  • A validação de cada função com o selo Chat mostra que o modelo respondeu.
  • No Agente de ontologia e no Agente de clean, Testar com o agente mostra que o agente chamou a ferramenta com o modelo escolhido.
  • Validar embedding mostra o vetor com o número de dimensões.
  • Se você montou o catálogo do chat, Testar o catálogo termina sem erro, e o chat tem um modelo padrão e um modelo que gera títulos.
  • A página Modelos de IA mostra o selo Configurado ao lado do título.
  • No Agent Traces, as conversas novas mostram o modelo escolhido na coluna Agente · Modelo.

​
Se algo não funcionar

Se o problema continuar, fale com o FDE da Strattum que acompanha a sua implantação e envie um print da tela com o erro. Antes de enviar, confira que nenhuma chave aparece no print.

​
Próximo passo

Com os modelos escolhidos, conecte as fontes de dados da sua empresa em Conectores. O guia de Conectores e Catálogo de Dados mostra o passo a passo.