Matching FIPE
Descobre o código FIPE de cada oferta de carro por assinatura, mesmo quando a descrição vem incompleta ou escrita de outro jeito.
- Meu papel
- Principal desenvolvedor da API: desenho do algoritmo, testes, auditoria e virada para produção.
- Tecnologias
- .NET · C# · MongoDB · OpenAI · Docker · Azure DevOps · Spec Kit · Claude Code
- Oferta recebida
- Normalização do texto
- Busca da família do carro
- Eliminação de versões
- Associação ou retenção
O problema
Cada locadora descreve o mesmo carro de um jeito. Um código FIPE errado vira preço errado para quem consulta o Datacar, e o algoritmo antigo se baseava só em semelhança de texto.
O que entreguei
- Processo em etapas que elimina as versões impossíveis e só associa quando há confiança e não há empate.
- Ofertas duvidosas ficam retidas com o motivo registrado e podem ser reprocessadas depois.
- Assistente de IA para resolver empates, com limite diário de consultas.
- Tela de auditoria para conferir cada decisão do algoritmo.
- API coberta por 518 testes automatizados, de unidade e de integração.
Decisões técnicas
Precisão acima de cobertura
Na dúvida, o sistema não associa. O critério deixou de ser associar mais ofertas e passou a ser não errar.
Custo da escolha: algumas ofertas ficam sem preço até serem revisadas.
Modo sombra antes da virada
O algoritmo novo rodou em paralelo com o antigo em produção, sem afetar o resultado, para comparar as decisões dos dois.
Custo da escolha: dois algoritmos para manter durante a transição.
IA só para o que sobra
O modelo entra apenas nos empates que as regras não resolvem, e a decisão vira uma regra que pode ser auditada.
Custo da escolha: as regras criadas pela IA precisam de acompanhamento.
Resultado
Milhares de ofertas por dia passam pelo algoritmo novo, e cada decisão pode ser auditada.
Sistema feito na Rumo Soluções: o código e as telas não são públicos.