PromptQL

O que é PromptQL?

O PromptQL, criado pela Hasura, é uma plataforma de IA multiplayer projetada para dar às equipes um cérebro compartilhado em vez de sessões de chat isoladas. Ele extrai contexto do Slack, documentos, tickets, CRM e tabelas de data warehouse, e transforma as correções feitas durante o trabalho real em conhecimento reutilizável da equipe, armazenado em uma wiki no estilo Wikipédia. Em vez de pedir que as pessoas atualizem a documentação separadamente, o PromptQL captura o conhecimento organizacional diretamente do fluxo de trabalho, para que a precisão e o contexto se acumulem com o tempo em vez de ficarem desatualizados.

Recursos Principais

• Threads e contexto compartilhados

  Os membros da equipe trabalham em threads de conversa com IA compartilhadas, de modo que decisões, correções e raciocínios ficam visíveis para todos, em vez de ficarem presos em conversas individuais.

• Wiki autoconstruída

  Gera e atualiza automaticamente uma base de conhecimento no estilo Wikipédia a partir do Slack, Google Docs, Snowflake, CRM e dados de analytics de produto, com citações e histórico de revisões.

• Modelo de aprendizado por correção

  Quando alguém da equipe corrige uma resposta ou esclarece uma fonte de dados, o PromptQL transforma essa correção em uma habilidade reutilizável ou em uma atualização do modelo semântico para consultas futuras.

• Escopos de acesso controlados

  Concede diferentes níveis de visibilidade da wiki compartilhada para equipes internas, clientes ou colaboradores externos, com permissões granulares de visualização e edição.

• Agentes AI Analyst

  Responde a perguntas de negócio complexas em linguagem clara, raciocinando entre diferentes silos de dados, validando conclusões e sinalizando incertezas, como um analista experiente faria.

• Acesso a dados e planejamento de consultas

  Conecta-se a fontes de dados estruturadas, não estruturadas e baseadas em API, construindo planos de consulta inspecionáveis que tentam novamente e se autocorrigem para reduzir resultados alucinados.

Casos de Uso

• Análise de risco de churn : As equipes de Customer Success podem avaliar rapidamente o risco de renovação combinando tendências de uso, o sentimento dos tickets de suporte e o conhecimento já acumulado pela equipe em uma única thread.
• Relatórios de negócio : Analistas e times de operações obtêm números precisos e atualizados, como receita por região, corrigindo automaticamente fontes de dados desatualizadas com base em edições anteriores da equipe.
• Onboarding com contexto de conta : Novos membros da equipe podem criar em segundos uma wiki completa de uma conta, reunindo dados do Slack, CRM e analytics de produto vinculados a um cliente específico.
• Compartilhamento de conhecimento entre equipes : As equipes de suporte, engenharia e Customer Success colaboram na mesma thread, evitando investigações duplicadas e explicações repetidas.
• Decisões operacionais em tempo real : Gerentes de categoria e representantes de vendas obtêm respostas de negócio instantâneas e confiáveis, sem esperar na fila de tickets de uma equipe de analytics.

Perguntas Frequentes