Modelos e capacidades na mesa de operações

Destaque

Cloudflare lança prévia do Clairic, modelo de extração

A Cloudflare abriu uma prévia do Clairic, modelo de extração no Workers AI que lê texto ou imagens e devolve valores tipados, com índice de confiança, em uma única passada. A cobrança é só pela entrada, e campos ausentes voltam como nulos. Os pesos abertos estão previstos, mas ainda não foram liberados.

O que muda na operação — Se o seu time de suporte ou financeiro tira número de pedido, data, valor e descrição de avaria de e-mails, recibos ou notas fiscais, essa é uma forma mais barata de preencher esses campos do que pedir JSON a um LLM genérico. O índice de confiança e a probabilidade de nulo dão uma regra de roteamento: processar automaticamente os valores de alta confiança e mandar os de baixa para uma pessoa. Os campos de estimativa e previsão também podem alimentar a pontuação de leads ou o planejamento de volume. Os exemplos são da própria Cloudflare, então rode o modelo numa amostra dos seus documentos reais antes de ligá-lo a qualquer processo que movimente dinheiro.

Cloudflare lança Clef-omni com decisões de áudio e vídeo

Para um time de suporte ou operações que usa modelos de classificação para triagem de tickets, varredura de uploads em busca de PII ou sinalização de conteúdo suspeito, o Clef-omni elimina a necessidade de costurar etapas separadas de fala-para-texto e extração de frames de vídeo antes da pontuação — uma reclamação de cliente com memo de voz ou anexo em vídeo agora passa por uma única chamada. O corte de preço do Clef-flash (agora abaixo do preço do Jev) e o ganho de 2x de velocidade no Clef tornam mais barato e rápido rodar essas verificações de decisão no volume que a fila de tickets ou documentos de uma empresa de 10 a 200 pessoas realmente gera, embora times com entradas acima de 24 mil tokens por requisição precisem usar o modelo Clef, mais caro, em vez do Clef-flash.

Cloudflare lança modelos open-source para triagem de suporte

O exemplo que a Cloudflare publica é exatamente o fluxo que a maioria das equipes de suporte já roda manualmente ou com regras frágeis: chega uma mensagem, alguém decide se é urgente, qual time é responsável e qual a severidade. O Clef faz as três coisas em uma única chamada de API, com saídas tipadas e com score de probabilidade que o código já existente pode usar diretamente, sem engenharia de prompt nem parsing de texto livre. Para uma empresa de 10 a 200 pessoas, isso significa que roteamento de chamados, sinalização de escalonamento e pontuação de severidade podem rodar como uma etapa determinística dentro da stack de suporte já existente, acionando humanos só quando o modelo deixa a decisão em aberto. A nova opção de fine-tuning por RL (via atendimento direto da equipe da Cloudflare primeiro, self-serve depois) também significa que uma empresa com um histórico de chamados rotulados ou resultados de qualificação de vendas pode ajustar o modelo com seus próprios dados em vez de depender de um classificador genérico.