01 - Produto
Produto
Plataforma B2B SaaS de gestão de conduta corporativa e canal de denúncia, utilizada por empresas para receber, classificar, apurar e encerrar relatos em conformidade com NR 1 e LGPD. São três usuários com relações distintas com o mesmo caso.
Quem relata, que precisa de anonimato e de confiança de que será levado a sério. Quem apura na empresa cliente, que precisa de contexto e rastreabilidade para conduzir a investigação. E o back office da Safe Space, formado pelos times de suporte e CS, que acompanha, destrava e presta serviço de apuração para contas que contratam gestão de canal.
O produto opera sob uma restrição estrutural: sustentar o anonimato de quem relata e, ao mesmo tempo, garantir rastreabilidade suficiente para que os outros dois lados façam seu trabalho.
02 - Desafio
Desafio
O painel administrativo acumulava quatro canais com bases e fluxos separados, herdados de evoluções sucessivas da plataforma. A hipótese inicial era de interface: melhorar a navegação entre eles. O diagnóstico mostrou outra coisa. O custo não estava em navegar entre painéis, e sim em reconstruir contexto a cada troca.
Um relato que começava como dúvida e virava denúncia já tinha passado por dois sistemas, e ninguém contava a história completa sem abrir os dois. Para o back office, que opera dezenas de contas ao mesmo tempo, esse custo deixava de ser irritação e virava limite de capacidade.
Do lado do colaborador, o problema era anterior ao produto. Ele precisava classificar a própria situação antes de saber o que tinha para dizer.
- 01
Quatro canais e painéis independentes
- 02
Ciclo de apuração manual de ponta a ponta
- 03
Crescimento de volume sem ganho proporcional de capacidade
- 04
NR 1 e LGPD como restrição estrutural do projeto
03 - Discovery
Discovery
Um sexto dos relatos morria na entrada.
Na base de casos, 16,45% eram encerrados por informações insuficientes. Isso não é falha de apuração, é falha de coleta. O relato chegava sem o necessário para ser investigado, e o motivo estava na porta: escolher entre denúncia, reclamação e dúvida já é um julgamento, e quem não tem certeza dá menos informação ou desiste.
O tempo não estava na decisão, estava no contexto.
A estrutura de SLA da operação define complexidade por volume de entrevistas e evidências, com casos simples rodando em poucas semanas. O tempo médio real era muito maior. A diferença estava em tudo que vinha antes da apuração: ler, entender, resumir, classificar e direcionar, com o administrador transitando entre sistemas para montar a história de um caso.
O volume tende a crescer, não a estabilizar.
O relatório da ACFE de 2024, que analisou 1.921 casos de fraude ocupacional em 138 países, aponta que 43% das fraudes são detectadas por denúncia, mais de três vezes qualquer outro método, e que 52% dos relatos partem dos próprios empregados. Canal de denúncia é o principal mecanismo de detecção das empresas, e a pressão regulatória empurra o volume para cima. Uma operação que não escala a preparação do caso quebra por aritmética.
O que isso delimitou.
Unificar os canais resolvia a entrada e a troca de contexto, mas mantinha o ciclo manual. Automatizar a apuração resolveria o problema errado, porque o gargalo não era julgar, era preparar para julgar. Por isso a IA entrou na etapa mecânica e parou ali, e por isso refatoração e IA viraram um projeto só. Separados, cada um entregaria metade.
04 - Solução
Solução
Entrada única para relato, denúncia, dúvida e reclamação, com painel consolidado, e uma camada de IA que prepara o caso sem decidir sobre ele. A Sonia produz título e resumo, sugere categorização e classificação de risco e faz o direcionamento inicial.
Tudo editável, e apresentado como sugestão em vez de conclusão. Em gestão de conduta, o custo de um erro não é retrabalho: é uma pessoa classificada errado e uma empresa exposta juridicamente. Automação que decide sozinha transfere risco sem transferir responsabilidade, e essa linha foi definida no início do projeto, não descoberta depois.
05 - Diferencial
Diferencial
O produto tem três usuários que querem coisas diferentes do mesmo caso, e dois deles em oposição direta. Quem relata precisa de discrição. Quem apura precisa de contexto. Cada funcionalidade que dá mais informação ao investigador precisa ser avaliada contra o que ela expõe de quem relatou.
O terceiro usuário muda a natureza do problema. O back office da Safe Space atende várias empresas ao mesmo tempo, com níveis de autonomia diferentes: em alguns contratos apenas acompanha, em outros conduz a apuração inteira. Isso significa que o mesmo caso precisa ser legível por alguém que não pertence à organização onde o fato aconteceu, sem que essa legibilidade vire exposição indevida.
Desenhar para os três ao mesmo tempo foi o trabalho central. A automação da triagem torna essa avaliação mais delicada, não menos, porque a IA passa a preparar um caso que será lido por perfis com direitos de acesso diferentes.
06 - Impacto
Impacto
até 60%
de redução no tempo de triagem de relatos
95%
de finalização do fluxo de apuração, com casos melhor documentados e intervenção mais eficaz
+40%
de acompanhamento em relatos anônimos
4 → 1
canais de entrada unificados, com painel consolidado
07 - Visão do Colaborador
Visão do Colaborador







08 - Visão do administrador
Visão do administrador
Todos os dados exibidos nestas telas são fictícios, criados só para demonstração: nomes, códigos de acompanhamento, áreas, datas, o conteúdo do relato e as respostas de quem conduz a apuração. Nenhuma informação pertence a pessoas reais, a quem relatou ou a quem responde pelo caso.
09 - Visão do time de backoffice
Visão do time de backoffice
10 - Apresentação do case
Apresentação do case
A apresentação completa do case, com discovery, testes, arquitetura de agentes e impacto. Disponível mediante senha.
11 - Links









