Guglielmo Faglioni, Cofundador e Diretor de Ciência & Tecnologia da Callimacus – Série de entrevistas

Guglielmo Faglioni, cofundador e diretor de Ciência & Tecnologia da Callimacus, é empreendedor de tecnologia e engenheiro de software, com mais de uma década de experiência na criação de produtos e aplicativos digitais. Além de sua função na Callimacus, ocupa o cargo de CEO da Gorilla Technologies desde 2016, uma empresa de desenvolvimento de software focada em aplicativos móveis, sites e soluções de comércio eletrônico. No início da carreira, Faglioni fundou a GuiDev, onde trabalhou como engenheiro de software iOS sênior. Na Callimacus, ele ajuda a liderar o desenvolvimento científico e técnico da abordagem da empresa para experiências digitais baseadas em IA.

A Callimacus é uma plataforma de IA desenvolvida pela Solomei AI, com sede em Milão, que substitui o conceito tradicional de páginas da web estáticas por experiências digitais montadas dinamicamente para cada visitante. Sua arquitetura utiliza um conjunto de agentes de IA especializados para interpretar sinais como perguntas, cliques e comportamento de rolagem, determinar a intenção do usuário e compor elementos relevantes da interface em tempo real. A plataforma pode se conectar a sistemas como Shopify, Salesforce, sistemas de gerenciamento de conteúdo e APIs, além de oferecer SDKs para que desenvolvedores integrem seus recursos de interpretação de intenção e geração de interfaces a front-ends existentes. A Callimacus também foi implantada para oferecer experiências digitais baseadas em IA à Brunello Cucinelli, empresa de moda de luxo.

Antes de cofundar a Callimacus, você passou anos desenvolvendo software como engenheiro de iOS e, mais tarde, fundou e liderou a Gorilla Technologies. Que experiências dessa trajetória o convenceram de que a arquitetura tradicional da web, baseada em páginas, estava pronta para ser fundamentalmente repensada para a era da IA?

Desenvolver aplicativos para iOS me ensinou algo que levei anos para compreender plenamente: cada tela é projetada com antecedência, e todos os usuários veem a mesma tela. Você desenha o aplicativo, lança-o e, depois, vê milhões de pessoas diferentes percorrerem o mesmo fluxo. É possível segmentar e fazer testes A/B, mas ainda assim você escolhe entre versões que alguém desenhou previamente. A web herdou o mesmo modelo da mídia impressa: a página como um contêiner fixo. Quando os modelos se tornaram capazes de compreender intenções e tomar decisões estruturadas com rapidez suficiente, passou a ser possível questionar o próprio contêiner, em vez de otimizar o que cabe dentro dele.

A Callimacus substitui jornadas predefinidas em sites por uma “orquestra” de agentes de IA que interpreta a intenção dos visitantes e compõe uma interface em tempo real. Você pode explicar o que acontece do ponto de vista técnico desde a chegada do visitante até o momento em que essa experiência personalizada aparece?

A Callimacus foi desenvolvida com base em uma arquitetura sem páginas. Em vez de organizar o conteúdo em páginas da web predefinidas, nossa tecnologia separa o conteúdo da própria página. Produtos, conteúdo editorial, mídia e componentes de interface existem de forma independente, de modo que podem ser recombinados dinamicamente, em vez de ficarem presos a contêineres fixos.

À medida que o visitante começa a interagir, a Callimacus analisa sinais multidimensionais, como cliques, padrões de navegação e conversas conduzidas por prompts. O Intent Agent usa esses sinais para compreender o contexto, os interesses, as expectativas e o comportamento do visitante, bem como o que ele está tentando alcançar naquele momento específico. Em seguida, o Intent Agent ativa o “receptor” mais adequado àquela motivação. Por exemplo, alguém em busca de inspiração pode seguir um caminho de interação diferente de alguém que demonstra uma intenção clara de compra. Então, o sistema seleciona o conteúdo e os componentes de interface mais relevantes e compõe a experiência em questão de milissegundos. Esse processo não acontece apenas uma vez. À medida que o visitante interage e sua intenção muda, a experiência sem páginas pode continuar se recompondo em torno dele, em vez de forçá-lo a seguir uma jornada planejada com antecedência.

A personalização existe na web há anos, por meio de mecanismos de recomendação, segmentação e testes A/B. O que torna as interfaces generativas orientadas pela intenção fundamentalmente diferentes dessas abordagens anteriores?

Para nós, a diferença fundamental está entre personalizar com base no passado e compreender o que alguém precisa agora. A maior parte das formas de personalização existentes se baseia em elementos como perfis de CRM, cookies e comportamento histórico. Isso pode revelar algo sobre o que as pessoas fizeram anteriormente, mas a intenção é muito mais imediata e pode mudar durante uma única sessão.

A Callimacus foi projetada para compreender essa intenção a partir de sinais em tempo real e personalizar a experiência para cada indivíduo. Ela também não se limita a alterar uma recomendação ou um único elemento de uma página. O conteúdo, os componentes da interface e o caminho de interação podem ser todos compostos em função da intenção atual daquela pessoa e, depois, recompostos à medida que ela evolui. A mudança, portanto, consiste em deixar de escolher entre experiências predefinidas, baseadas sobretudo em informações históricas, e passar a gerar a própria experiência em torno do que cada indivíduo está tentando alcançar naquele momento. Os dados históricos podem fornecer contexto, mas é a intenção em tempo real que determina como a experiência se adapta.

Se cada visitante pode, na prática, receber um site diferente, como evitar que a personalização se torne imprevisível? Como preservar a identidade, a linguagem visual e as regras de negócio de uma marca e, ao mesmo tempo, dar à IA liberdade significativa para adaptar a experiência?

Personalização não significa dar liberdade ilimitada à IA. O controle da marca está incorporado à arquitetura, de modo que a experiência é sempre gerada dentro dos limites das regras e dos recursos aprovados pela marca. Cada elemento da interface vem de um catálogo de componentes aprovados pela marca e já concebidos de acordo com sua identidade visual. O modelo produz uma descrição estruturada do que mostrar e de como organizar os elementos, validada com base em um esquema rigoroso antes de qualquer conteúdo ser renderizado. Em outras palavras, o modelo decide a composição, enquanto o sistema de design da marca determina como cada composição pode ser. Regras de negócio, como preços, disponibilidade e variedade de produtos por região, são aplicadas fora do modelo como restrições rígidas.

Controle também significa visibilidade. Por meio do painel administrativo, as equipes de negócios podem ver como o site está se comportando: quais experiências estão sendo compostas, para quais intenções e como os visitantes estão reagindo. A plataforma também faz seu próprio diagnóstico, de forma proativa. Ela aponta onde pode precisar de melhorias, testa novas configurações com base em interações anteriores dos usuários e avalia se elas funcionam. Nada entra em operação até que a marca aprove, por isso a IA propõe melhorias respaldadas por evidências, e a decisão final continua nas mãos da marca.

Isso é importante porque um dos problemas que estamos tentando resolver é que os sites tradicionais fizeram muitas marcas parecerem e se comportarem cada vez mais da mesma forma na internet. A IA deve dar à marca mais recursos para expressar sua identidade em função de cada visitante, enquanto a marca continua definindo os limites dentro dos quais essa experiência é criada.

Interfaces generativas em tempo real trazem novos desafios de confiabilidade, porque a IA já não está apenas gerando uma resposta: ela também ajuda a determinar o que o usuário realmente vê e como navega. Como vocês lidam com alucinações, inferências incorretas de intenção, segurança e verificação nesse contexto?

Começamos limitando o que a IA pode fazer de errado. O modelo decide como a experiência é composta, mas os fatos apresentados nela vêm dos sistemas de registro da marca. A inferência de intenção é tratada como uma probabilidade. Quando o sistema não tem certeza, compõe uma experiência mais ampla e exploratória, em vez de se comprometer com uma única interpretação. Como a experiência é recomposta continuamente à medida que o visitante interage, cada novo sinal corrige a suposição anterior.

A confiabilidade também depende da arquitetura. A camada que entrega a experiência é isolada da camada de IA e tem uma meta de disponibilidade mais alta. Se um modelo estiver lento ou indisponível, os visitantes ainda terão uma experiência completa, alinhada à marca e baseada em padrões determinísticos.

A boutique de IA da Brunello Cucinelli é uma das primeiras grandes implementações reais desse modelo. O que vocês aprenderam ao observar como os clientes interagem com uma experiência de comércio eletrônico composta por IA que não tinham previsto ao desenvolver a Callimacus?

Um dos sinais mais claros foi que as pessoas estão dispostas a se envolver mais profundamente com uma experiência que lhes pareça mais relevante. Vimos usuários passarem cerca do dobro do tempo ativo no site, além de um aumento significativo nas taxas de adição ao carrinho e de conversão.

Para nós, isso foi uma importante validação inicial de que abandonar jornadas fixas e iguais para todos pode ter um impacto significativo não apenas na diferenciação da experiência, mas também no engajamento e no desempenho comercial.

Sites dinâmicos também põem em xeque muitas das premissas por trás da otimização para mecanismos de busca, da análise de dados, da acessibilidade e dos testes. Como as tecnologias concebidas para páginas da web relativamente determinísticas precisam evoluir quando as interfaces e as jornadas dos usuários são geradas dinamicamente?

A maioria das ferramentas para a web parte do princípio de que a página é a unidade de tudo: indexa-se uma página, mede-se uma página, testa-se uma página. Em uma arquitetura sem páginas, essa unidade passa a ser o próprio conteúdo, e cada disciplina precisa se adaptar. Na busca, cada conteúdo existe independentemente da forma como é composto, podendo ter sua própria URL clara e adaptada ao idioma, além de aparecer em um mapa do site gerado automaticamente para cada localidade. A etapa seguinte vai além: a plataforma identifica os caminhos de navegação mais usados pelos visitantes e os disponibiliza aos mecanismos de busca; além disso, fornece conteúdo próprio e confiável diretamente a agentes de IA e mecanismos de busca generativa. Assim, a descoberta reflete a demanda real, em vez de depender de um mapa do site definido antecipadamente.

A análise de dados deixa de se concentrar nas visualizações de página e passa a se concentrar nas intenções. Como o sistema interpreta o que cada visitante está tentando fazer, inclusive os visitantes anônimos que as ferramentas tradicionais de análise não detectam, as marcas podem analisar o comportamento nesse nível e exportar essas informações para seu CRM ou CDP. As equipes também podem consultar esses dados de forma conversacional e criar seus próprios painéis.

Os testes são o aspecto que mais muda. Não é possível percorrer todas as jornadas possíveis quando cada uma é única; por isso, testamos os agentes com interações reais anteriores e os monitoramos continuamente em produção. A acessibilidade segue o mesmo princípio: está integrada a cada componente, e toda composição a incorpora.

Para que as experiências de IA em tempo real pareçam naturais, a inferência precisa ocorrer com latência extremamente baixa. Quais são os desafios de engenharia mais difíceis ao colocar a IA diretamente no caminho crítico de um site, especialmente em relação à seleção de modelos, ao armazenamento em cache, à orquestração, aos custos e às alternativas de contingência?

Para a inferência, usamos atualmente as LPUs da Groq, que oferecem latência muito baixa, e orquestramos vários modelos, encaminhando cada tarefa para o modelo mais adequado. Testamos os novos modelos assim que são lançados, buscando o mais apropriado para cada tarefa em termos de qualidade, custo e latência. Como a arquitetura é independente de modelo, podemos substituir rapidamente um modelo ou provedor de inferência sempre que isso valer a pena. A profundidade também se adapta à solicitação: uma consulta simples recebe uma resposta rápida, e apenas solicitações mais complexas acionam uma análise mais aprofundada. Isso mantém os custos sob controle, já que o raciocínio mais intenso só é usado quando pode mudar o resultado.
As alternativas de contingência fazem parte da arquitetura desde o início. A camada que oferece a experiência é isolada do enriquecimento por IA; assim, se um modelo ficar lento ou falhar, o visitante ainda terá uma experiência completa.

A Salesforce investiu recentemente na Callimacus, pois a empresa pretende expandir suas operações de engenharia, pesquisa em IA e atividades comerciais. O que a Salesforce viu nessa tecnologia e como a conexão entre interfaces generativas e os dados de CRM e comércio das empresas pode ampliar o que os sites são capazes de fazer?

O que a Salesforce reconheceu é que a Callimacus não está simplesmente adicionando IA a um site existente. A plataforma está repensando a própria experiência digital, combinando IA conversacional, contexto empresarial e personalização em tempo real para criar novas formas de as empresas se relacionarem com os clientes. Hoje, os sistemas de CRM e comércio contêm uma enorme quantidade de informações contextuais sobre clientes, produtos e interações, mas a experiência nos sites continua, em grande parte, estática. Conectar esse contexto a interfaces generativas abre a possibilidade de tornar os sites muito mais responsivos. Em vez de apenas exibir informações, eles podem adaptar conteúdo, produtos e interações em tempo real às necessidades e aos objetivos de cada visitante. Para nós, essa é uma das oportunidades mais importantes que temos pela frente. O site pode se tornar uma interface inteligente entre os sistemas existentes de uma empresa e cada cliente, em vez de ser apenas uma camada fixa de apresentação.

À medida que os agentes de IA passam a navegar, pesquisar, comparar produtos e, possivelmente, realizar transações cada vez mais em nome das pessoas, a mudança mais ampla poderia, com o tempo, ir além da adaptação dos sites aos visitantes humanos? Como você imagina que a web vai mudar quando as marcas precisarem atender, ao mesmo tempo, tanto as pessoas quanto os agentes de IA autônomos?

À medida que mais pessoas recorrem a assistentes de IA para descobrir produtos e fazer compras, as marcas correm o risco de perder o controle sobre a forma como são representadas. Uma experiência de marca rica pode facilmente ser reduzida à imagem de um produto, a uma descrição breve e a um preço em uma interface de terceiros. Isso cria um novo desafio para as marcas: como continuar sendo úteis para os agentes de IA sem abrir mão da identidade, da narrativa e do relacionamento direto que construíram com os clientes? Adicionar um chatbot a um site não resolve o problema. Uma janela de conversa pode responder a perguntas, mas não consegue transmitir a expressão completa de uma marca: sua linguagem visual, seu cuidado artesanal e a maneira como conta histórias. As marcas sempre precisarão de um espaço que possam controlar, onde possam se expressar à sua maneira. Acreditamos que os sites continuarão sendo esse espaço, mesmo com uma parcela cada vez maior da jornada do cliente mediada por IA, e que precisarão se adaptar a todos os visitantes, sejam pessoas ou agentes.

Obrigado pela ótima entrevista. Os leitores que quiserem saber mais devem visitar Callimacus.