Assistente pessoal com IA: um Jarvis por voz dentro do Chatwoot

Um assistente pessoal com IA é um Jarvis que ouve a sua voz, entende o pedido e executa a tarefa: no AstraChat, a nossa versão do Chatwoot, ele filtra caixas de entrada, lista clientes parados e coloca contatos num follow-up por comando de voz.

Quem gerencia atendimento perde um bom tempo do dia procurando informação: quem ficou sem resposta ontem, quem está parado há semanas, em qual etapa do Kanban cada cliente está. Com um assistente pessoal com IA, você fala o que quer, sem abrir relatório nem filtrar etiqueta por etiqueta.

Neste artigo eu explico os dois lados do que mostrei nos vídeos. Primeiro, o projeto que montei do zero numa VPS, um Jarvis que conversa por voz e lê os gestos da mão pela webcam. Depois, o Jarvis que já está dentro do AstraChat, a nossa versão do Chatwoot, onde ele filtra caixas, lista clientes parados e coloca todo mundo num follow-up por comando de voz.

De onde vem a ideia do Jarvis

O Jarvis é o assistente virtual do Homem de Ferro, que apareceu no primeiro filme, em 2008. Na época parecia coisa de um futuro distante. Hoje os modelos de linguagem com voz em tempo real deixam qualquer pessoa montar um assistente parecido, rodando no próprio servidor.

O projeto do vídeo é uma base de estudo. Ele não vem conectado a nenhum sistema, e é de propósito: a ideia é você entender como ele escuta a voz, como lê a webcam e como abre os painéis, para depois encaixar isso no seu projeto.

O que o projeto do vídeo faz

Depois de pronto, o Jarvis abre no navegador com uma interface futurista. Ao ativar, ele pede acesso à câmera e ao microfone. No teste eu pedi:

• abrir um painel com o status do sistema;
• criar uma lista de tarefas do dia (lavar o carro, lavar a louça, fazer as marmitas da semana);
• criar uma lista de tarefas da semana com roteiros de vídeo, já trazendo sugestões.

Ele respondeu por voz, em português, e foi abrindo as janelas na tela. A conversa também aparece transcrita na interface. Com a webcam ligada, ele reconhece a mão e permite mexer nos painéis por gesto, sem tocar no teclado.

As peças por trás do assistente

Escolhi o Gemini porque gosto da voz dele e porque o projeto já usa vários pacotes do Google. A OpenAI também funciona bem. Na página de apoio deixei a lista de pacotes para quem quiser estudar cada um.

Um detalhe importante: a leitura da câmera não roda na VPS. Quem processa a imagem é o seu navegador. O servidor só entrega a aplicação e faz a ponte com o modelo de voz.

Passo a passo para montar o seu

1. Tenha uma VPS com Docker Swarm e Traefik. Se ainda não tem, veja qual painel usar para hospedar.
2. Crie um subdomínio no seu DNS (eu uso o Cloudflare) apontando para o IP da VPS.
3. Baixe o prompt na página de apoio do vídeo.
4. Troque no prompt as duas informações pedidas: a URL do seu subdomínio e a sua chave de API.
5. Abra o Claude Code na VPS, no modo que não pede confirmação a cada passo, cole o prompt e deixe rodar.
6. Quando terminar, abra o endereço, clique em ativar e libere câmera e microfone.

O tempo médio é de 15 a 20 minutos. No meu caso levou 34 minutos porque eu tinha passado uma chave inválida e precisei corrigir no meio. Conte com uns 30 minutos para ter tudo no ar.

Dá para rodar no seu computador, mas prefiro a VPS para não expor a sua máquina.

Erros comuns na hora de testar

• Câmera em uso. Se outro programa estiver usando a webcam (no meu caso, a gravação do vídeo), o Jarvis escuta a voz, mas não pega a câmera. Feche o outro programa e atualize a página.
• Chave errada. Com uma chave inválida o Claude Code trava ou entrega o projeto sem voz. Confira a chave antes de colar o prompt.
• Querer tudo de uma vez. O prompt lê só uma mão. Dá para pedir as duas mãos e até expressões do rosto, mas cada recurso aumenta o código e o processamento. Coloque só o que vai usar.

E um conselho que vale para qualquer projeto feito com IA: você não precisa escrever o código, mas precisa entender o que a IA está usando. Sem isso, o projeto vira um remendo difícil de manter.

O Jarvis dentro do AstraChat

O projeto do vídeo é a base. No AstraChat, uma parte desse Jarvis já está pronta para uso no dia a dia, junto do módulo Synapse. Ainda sem os gestos de mão, mas com comando de voz e de texto.

O Synapse mostra a sua base de clientes como uma teia. Clicando num contato, você vê por quais canais ele falou com você (WhatsApp, Instagram, e-mail), se já houve ligação e por quais etapas do Kanban ele passou. Também tem:

• Cérebro: um resumo do cliente, como há quanto tempo está na base e há quantos dias está sem atividade;
• Monitor: um radar de quem está sem resposta ou parado há muito tempo, com ações em massa;
• Duplicados: identifica o mesmo cliente falando por números diferentes;
• Ações: mandar mensagem, mover de etapa no Kanban, aplicar etiqueta, matricular num flow de follow-up ou numa campanha de e-mail.

O Jarvis fica na lateral da tela e acompanha você pelo Chatwoot. No vídeo de apresentação eu pedi para ele filtrar a visão só de uma caixa de entrada, depois listar os clientes ociosos e dizer só a quantidade. Eram 15. Pedi para matricular todos no flow de ativação de clientes, e o flow mostrou as 15 execuções na hora.

Também dá para criar rotinas. No exemplo, deixei agendado para as 5 da manhã: buscar os clientes sem resposta do dia anterior e colocar todos num follow-up. Existe ainda um modo que acorda o assistente por uma palavra-chave, para você não precisar clicar nele.

Se você ainda não usa follow-up automático, vale ler o artigo sobre follow-up automático no Chatwoot antes de entregar isso a um assistente.

Configuração e custo da voz

No AstraChat, o assistente tem integração com a OpenAI e com o Google Gemini, que hoje são os que melhor funcionam em voz. Você cadastra a chave e define se ela vale para texto, para voz ou para os dois. Cada função usa um provedor por vez, o que ajuda a saber de onde está saindo o gasto.

Para a parte de texto, dá para conectar a sua conta do ChatGPT por autenticação, sem pagar por token. Para a voz, a chave de API é obrigatória, e ela cobra por uso.

No meu teste, a voz da OpenAI flui melhor. O Gemini funciona, mas às vezes atrasa ou trava um pouco. Só que a voz da OpenAI não é barata. Minha sugestão para quem revende: libere o assistente de voz para os clientes de maior valor.

Uma parte do cérebro do Synapse nem usa modelo de linguagem, justamente para gastar menos. As permissões seguem as funções personalizadas do Chatwoot, então você escolhe quem pode usar o assistente e quais ações ele pode executar. Os prompts do cérebro, do copiloto, da voz e dos duplicados podem ser trocados pelos seus.

O lado honesto

• Matricular em massa é disparo em massa. Quando o assistente coloca 15 ou 150 clientes num flow, é o seu número que vai enviar as mensagens. No vídeo eu desativei o flow logo depois do teste para não mandar para todo mundo. Revise o flow antes de dar o comando.
• Voz custa. Use texto quando não precisar falar, e acompanhe o consumo da chave.
• Projeto de estudo não é produto. O Jarvis do vídeo serve para aprender. Para usar com clientes, ele precisa estar ligado ao seu sistema, com login e cuidado com a chave.
• Exige base técnica. Você precisa saber acessar uma VPS, criar um subdomínio e conferir se o projeto subiu.

Checklist antes de usar no dia a dia

• Chave de voz com cartão cadastrado e consumo acompanhado
• Permissões definidas por função, para o assistente só agir onde deve
• Flows de follow-up revisados e com intervalo entre mensagens
• Teste do comando de voz com poucos clientes antes de usar em massa
• Rotinas agendadas conferidas no primeiro dia

Perguntas frequentes

O que é o Jarvis do Chatwoot?

É um assistente pessoal com IA que fica na lateral da tela do AstraChat e recebe comandos de voz e de texto. Ele filtra caixas de entrada, lista clientes parados e coloca contatos num flow de follow-up, além de executar rotinas agendadas.

Como criar um assistente pessoal com IA tipo Jarvis?

O projeto do vídeo foi montado numa VPS com Docker Swarm e Traefik: você cria um subdomínio, troca no prompt a URL e a chave de API e cola o prompt no Claude Code rodando no servidor. O tempo médio é de 15 a 20 minutos.

Qual IA usar para um assistente de voz?

O projeto do vídeo usa o Gemini Live. No AstraChat, o assistente integra com a OpenAI e com o Google Gemini, e no teste a voz da OpenAI fluiu melhor, mas tem custo mais alto.

O assistente de voz com IA tem custo?

Sim. Para a voz, a chave de API é obrigatória e cobra por uso. Para a parte de texto, dá para conectar a conta do ChatGPT por autenticação, sem pagar por token.

A leitura da webcam do Jarvis roda no servidor?

Não. Quem processa a imagem da câmera é o navegador do usuário, com o MediaPipe. O servidor só entrega a aplicação e faz a ponte com o modelo de voz.

Quer o assistente já dentro do atendimento?

O Synapse e o Jarvis fazem parte do AstraChat, a versão do Chatwoot que mantenho na Astra Online, com Kanban, agentes de IA, disparador, ligações pelo WhatsApp, flows e chat interno, no seu servidor, com a sua marca e sem limite de atendentes. Se quiser ver o resto da ferramenta, tem o tour completo do AstraChat.

Ele vem na Comunidade Astra Online, com código-fonte, atualizações, grupo VIP e a primeira instalação feita pelo especialista em Chatwoot Raphael Popiolek. Se você quer um assistente sob medida ligado ao seu ERP ou CRM, me chame no WhatsApp e conte qual tarefa o seu gestor mais repete por dia.