Hal-AI Agentic é o núcleo que faz um agente autônomo trabalhar de verdade: memória de curto e de longo prazo, recuperação do contexto relevante, ferramentas ligadas aos seus sistemas e decisão a cada turno. O framework de memória está depositado como patente no USPTO desde 2025.
Mesmo cérebro no WhatsApp, no webchat e no telefone.
Histórico vetorizado, fatos estáveis, traços do cliente e noção de tempo.
Cofre de Conhecimento por agente: documentos, textos e imagens indexados.
APIs REST do seu ERP, servidores MCP, leitura de site, pesquisa e transferência para humano.
Nome, voz, tom e limites definidos por escrito — não por árvore de decisão.
Um chatbot de fluxo só sabe o que alguém desenhou. Cada exceção vira um nó novo, cada mudança de processo vira uma reforma da árvore — e o cliente que escreve fora do padrão volta para o menu.
Não é chatbot com fluxo. É um agente operacional treinado para trabalhar.
USPTO2025
Patente Autonomous Agent Memory Framework Inspired by Human Cognition
A Hal-AI depositou no USPTO, em 2025, um framework de memória e contexto para agentes autônomos inspirado na cognição humana. É o objeto técnico central da plataforma: o que permite ao agente sustentar contexto em vez de depender de um fluxo desenhado.
Em linguagem clara, o framework endereça três coisas. A convivência entre a memória de curto prazo — o que está acontecendo agora, nesta conversa — e a memória de longo prazo, o que se sabe sobre aquele cliente e sobre a empresa desde sempre. A recuperação do contexto relevante: guardar tudo é fácil; difícil é trazer de volta apenas o que importa para o turno atual, sem inundar o raciocínio do agente com histórico irrelevante. E a continuidade de tarefa entre conversas: saber o que já foi feito, o que ficou pendente e o que não faz mais sentido fazer, inclusive entre atendimentos separados por dias.
É aí que está a exclusividade: é exatamente isso que separa um agente capaz de sustentar o fio da conversa de uma automação que recomeça do zero a cada mensagem — repetindo perguntas já respondidas e pedindo de novo o que o cliente acabou de informar.
O framework já é aplicado por empresas em operação nos setores de logística, aviação, saúde e bancário.
Detalhes internos do framework não são divulgados. O que está descrito aqui é o problema que ele resolve.
O histórico da conversa é vetorizado por embeddings, e um trabalhador em segundo plano extrai dali fatos estáveis e traços do cliente. É memória episódica: o que aconteceu, com quem e quando.
Continuidade entre conversas separadas por semanas.
O que o agente guarda não fica escondido. A tela de Memória de Conversas abre a memória por canal: os fatos estáveis que o trabalhador em segundo plano extraiu sobre aquele contato, os traços observados ao longo das conversas e a data do último contato. Cada fato traz a conversa de origem e a data em que foi registrado, e o gestor pode apagar tudo o que está guardado sobre uma pessoa com um único comando.
| Fato estável | Origem | Registrado | Estado |
|---|---|---|---|
| Reposição sempre no endereço da filial, nunca na matriz | conversa 4471 | 12/03 | confirmado |
| Pedido recorrente de 12 caixas por mês | conversa 4471 | 02/05 | confirmado |
| Responde melhor no início da manhã | 14 conversas | 18/06 | observado |
| Já teve uma ocorrência de caixa faltante | conversa 4471 | 12/03 | atenção |
| Trocou o setor de faturamento em julho | conversa 4620 | 29/07 | a reconfirmar |
Memória de Conversas: canais à esquerda, fatos estáveis com origem e data ao centro, traços observados abaixo e o comando de limpar sempre à vista.
À esquerda, os canais da operação, cada um com quantos contatos já têm memória guardada. Ao centro, a ficha do contato e a tabela de fatos estáveis: cada linha traz o fato, a conversa que o originou, a data do registro e o estado — confirmado, observado ou a reconfirmar. Embaixo, os traços observados ao longo das conversas e a faixa que diz exatamente o que o botão de limpar apaga: os fatos e os traços, não o histórico do atendimento.
Ninguém precisa manter planilha de preferência de cliente nem repassar contexto ao trocar de turno: o que já foi dito volta sozinho na conversa seguinte, em vez de ser perguntado de novo. Como cada fato mostra a conversa de origem e a data, o supervisor confere de onde a informação veio antes de agir — e um fato que envelheceu aparece marcado como a reconfirmar em vez de ser tratado como verdade. Apagar tudo o que se sabe sobre uma pessoa é um comando na tela, não um chamado para a área técnica.
Repare na coluna da esquerda: WhatsApp, webchat, voz por telefone e o Squad orquestrador dividem a mesma memória. Não são quatro robôs com quatro históricos — é o mesmo cérebro, com o mesmo prompt e as mesmas ferramentas, lendo o mesmo dossiê. Quem explicou algo por telefone não explica de novo no chat do site. Esse mecanismo de fatos episódicos e recuperação do contexto relevante é justamente o objeto da patente depositada no USPTO em 2025.
Não existe árvore de decisão desenhada. O agente recebe três coisas e escolhe a ação a cada turno da conversa ou da rotina. Concluir que não há nada a fazer é um desfecho legítimo, declarado e registrado.
Nome, avatar, voz, tom e as regras do que o agente pode ou não prometer. Escrito em linguagem natural, versionado na configuração do agente e copiável para outro agente.
O Cofre de Conhecimento indexa PDF, texto e imagem, ou blocos escritos direto na tela. O próprio agente também salva e remove conhecimento durante a conversa — é o que dispensa programar fluxo para procedimento e política.
Enviar mídia, opções interativas e contato; pedir localização; criar e disparar template do WhatsApp; pesquisar na base; ler um site; agendar tarefa e espera; transferir para humano. E as APIs REST do seu sistema, cadastradas como ferramenta.
Um Squad orquestrador manda a ordem em linguagem natural ao agente de canal e recebe a resposta de volta — "o cliente já confirmou ontem, não disparei". Não é despachar e esquecer.
O agente acorda no horário, lê o próprio contexto e decide quais missões valem naquele instante. Acordar não é ordem de agir: uma execução que verificou e não precisou agir é execução bem-sucedida.
Dezenas de subagentes de leitura em paralelo, um por caso, cada um com raciocínio próprio e resposta validada contra um schema declarado — em vez de um resumo estatístico do conjunto.
Na plataforma, essas três coisas ficam na mesma ficha. A tela abaixo é a visão geral do produto: à esquerda os módulos — Agentes, Squads, CRM, Campanhas, Copiloto e o Cofre de Conhecimento; à direita a ficha de um agente aberta na aba Personalidade, com o canal associado, o perfil de voz, o controle de temperatura entre Preciso e Criativo, o interruptor de memória de longo prazo com o aviso de custo, o prompt do sistema escrito em português e as APIs do sistema da empresa ligadas como ferramenta. Nenhum diagrama, nenhum nó, nenhuma republicação de fluxo: mudar o comportamento do agente é reescrever esse texto e salvar.
Visão geral da plataforma: os módulos à esquerda e a ficha do agente à direita — canal, voz, temperatura, memória, prompt e as APIs ligadas como ferramenta.
A ficha de um agente aberta na aba Personalidade, com as abas Memória, APIs, MCPs e Chat Web Embed ao lado. Os campos são o agente inteiro: o canal associado e seu estado, o perfil de voz com prévia, o controle entre Preciso e Criativo, o interruptor de memória de longo prazo com o que ele muda explicado ali mesmo, o prompt do sistema escrito em português corrente e, no fim, as APIs do sistema da empresa ligadas como ferramenta — api_get_pedido, api_get_prazo_entrega e api_post_agendamento acesas, api_del_pedido apagada.
Mudar o comportamento do agente é reescrever esse texto e salvar: a regra nova vale já no próximo atendimento, sem redesenhar diagrama, sem republicar árvore e sem abrir projeto para uma exceção. Quem escreve a regra é quem conhece o processo — "confirme prazo de entrega sempre pela API de pedidos, nunca pelo histórico da conversa" é uma frase, não um nó a ser encaixado entre outros vinte. E o mesmo agente pode ser copiado para outra unidade sem que ninguém remonte a configuração campo a campo.
Olhe o chip apagado. A api_del_pedido existe no sistema da empresa, está cadastrada na plataforma e, ainda assim, o agente não a alcança. A permissão é uma allowlist positiva: o agente só chega à ferramenta que foi acesa nesta ficha, e o que ele consulta nos dados da empresa passa por consultas curadas e parametrizadas, nunca por SQL escrito na hora. É a diferença entre dar autonomia a um agente e dar a ele a chave do armário inteiro.
Trocar de canal não é reconfigurar o robô. O agente que responde no WhatsApp é o mesmo que responde no chat do seu site e o mesmo que atende o telefone — e todas as conversas caem no mesmo CRM.
Números oficiais conectados pela API Cloud da Meta, com ativação assistida e templates aprovados na própria plataforma.
Widget, link compartilhável e QR code. Anexo, foto, áudio gravado, opções interativas e transferência para humano.
A IA atende a ligação por SIP, conversa em português, consulta os mesmos sistemas, transfere e desliga.
Documentos publicados pelo agente saem por e-mail para destinatários autorizados; avisos chegam por notificação no navegador.
Conversa, voz, transcrição e análise não pedem o mesmo modelo. A plataforma expõe a linha Hal-AI para que cada agente e cada rotina use o que faz sentido — sem que o gestor precise pensar em infraestrutura.
A Hal-AI foi lançada em 2022 e pertence ao grupo 2CW — Cloud & Inteligência Artificial, com mais de 35 anos de estrada em infraestrutura e software corporativo.
Programas dos quais a Hal-AI participa. Marcas dos respectivos titulares.
Agentes orquestradores sem canal próprio: acordam no horário, consultam os seus sistemas, acionam os agentes de canal e publicam o documento do que fizeram.
Onde se define personalidade, voz, memória, Cofre de Conhecimento e o conjunto de ferramentas que o agente pode usar na conversa.
APIs REST do seu ERP como ferramentas do agente, servidores MCP e a API pública versionada da Hal-AI para o seu time de desenvolvimento.
Não. Em vez de um diagrama, você define a personalidade do agente, sobe o conhecimento da empresa no Cofre de Conhecimento e habilita as ferramentas que ele pode usar. A escolha da ação em cada turno é do agente.
Sim. O histórico é vetorizado por embeddings e um trabalhador em segundo plano extrai fatos estáveis e traços do cliente, com noção de humor e de tempo. A memória de longo prazo é ligada ou desligada por agente, e a tela de Memória de Conversas mostra o que está guardado por canal e permite limpar.
Sim. Você cadastra o endpoint, os cabeçalhos de autenticação e a descrição, e a API passa a ser uma ferramenta do agente durante a conversa. Há também suporte a servidores MCP e um importador que lê a documentação de uma fonte, lista os endpoints e implementa as ferramentas.
A plataforma expõe a linha Hal-AI — Core+, Infinity, Nova Lite, Nova Lite+, Pulse Pro, Echo, Echo HD e Sonic — e cada agente ou rotina usa o modelo adequado à tarefa: conversa, voz, transcrição ou análise. Você escolhe o modelo pelo nome Hal-AI, não pela infraestrutura por trás dele.
O depósito de 2025 no USPTO — Autonomous Agent Memory Framework Inspired by Human Cognition — cobre o framework de memória e contexto para agentes autônomos inspirado na cognição humana: como o agente mantém memória de curto e de longo prazo, recupera o contexto relevante e sustenta a continuidade de uma tarefa. Detalhes internos da implementação não são divulgados.
Nossa equipe conversa sobre a sua operação, os sistemas que o agente precisaria consultar e o que faria sentido automatizar primeiro.