A uMode é um sistema, não um software isolado.
Núcleo de governança, oito módulos de operação e agentes transversais trabalhando sobre a mesma base de contexto.
Governança de produto, taxonomia e auditoria. Fora do fluxo linear. Única ponte com o ERP.
PlanejAI, AlocAI, CriAI, DesenvolvAI, FornecAI, EnriqueceAI, GerenciAI, VendeAI. GerenciAI fecha o ciclo e alimenta o próximo.
Camada transversal a todos os módulos: auditoria, moodboard, image-analyst e outros — treinados no contexto da marca.
Fluxo · núcleo, ciclo, hub
GerenciAI fecha o ciclo → aprendizado volta ao CadastrAI.
A tese é menos cobertura, mais velocidade. Em vez de replicar todas as features de um PLM tradicional, cobrimos exatamente as etapas onde IA e contexto compartilhado tornam a operação mais rápida.
Status é o compromisso público — não confundir Roadmap com disponível.
O núcleo. Taxonomia padrão, auditoria contínua, fonte única de verdade — a ponte com o ERP.
- Input
- Cadastros brutos vindos do ERP, planilhas, fornecedores e catálogos externos.
- Decisão
- O que é atributo, o que é padrão, o que precisa de auditoria e correção.
- Output
- Fonte única de verdade compartilhada por todos os módulos e agentes.
- →Taxonomia proprietária, viva e versionada
- →Auditoria contínua de qualidade de cadastro
- →Fonte única de verdade compartilhada entre áreas
- →Ponte bidirecional com ERP e catálogos externos
Mix, ROI, giro, margem e cobertura — pré-temporada e in-season, na mesma camada.
- Input
- Histórico de venda, cobertura de estoque e plano de coleção.
- Decisão
- Mix ideal, prioridade de reposição e ajuste in-season.
- Output
- Plano de coleção auditável e alimentação para AlocAI.
- →Caixinhas de mix e score loja a loja
- →Modos pré-season e in-season sem quebra de contexto
- →Simulações com base em atributos, não apenas SKUs
- →Amarração de plano a resultado real de venda
Clusteriza lojas por faturamento e ticket. Match produto ↔ loja determinístico e aumentado por IA.
- Input
- Plano de coleção, perfil de loja e histórico de sell-out.
- Decisão
- Cluster de loja e regra de alocação produto ↔ loja.
- Output
- Alocação sensível a cobertura, sazonalidade e ticket.
- →Clusterização de lojas por faturamento × ticket
- →Match produto ↔ loja determinístico + IA
- →Alocação sensível a cobertura e sazonalidade
- →Feedback contínuo com resultado real de sell-out
Cockpit do estilista. GPS com destino final, semáforos de planejado vs realizado.
- Input
- Briefing, moodboard, plano de coleção e taxonomia da marca.
- Decisão
- Direção criativa aderente ao plano, atributo por atributo.
- Output
- Coleção desenhada com rastreio de planejado vs realizado.
- →Painel de estilo com destino da coleção sempre visível
- →Semáforos entre plano e execução, atributo por atributo
- →Pesquisa e moodboard conectados à taxonomia da marca
- →Handoff nativo para desenvolvimento
Funil V1 / V2 / V3, motivos taxonômicos de cancelamento, ranking de fornecedores e estilistas.
- Input
- Peças desenhadas, fornecedores disponíveis e política de stop-loss.
- Decisão
- Aprova, ajusta ou cancela — sempre com motivo codificado na taxonomia.
- Output
- Lacre versionado, com histórico e ranking de parceiros.
- →Funil de desenvolvimento com estágios V1/V2/V3
- →Motivos de cancelamento codificados na taxonomia
- →Ranking objetivo de fornecedores e estilistas
- →Fichas técnicas versionadas, não replicadas
Duas pessoas jurídicas na mesma operação. Marca e fornecedor com catálogo reativo.
- Input
- Catálogo do fornecedor e demandas da marca.
- Decisão
- Match de capacidade, SLA e qualidade histórica.
- Output
- Catálogo reativo compartilhado, sempre atualizado na origem.
- →Modelo dual: marca + fornecedor como entidades separadas
- →Jornadas 1, 2 e 3 conforme maturidade do parceiro
- →Catálogos reativos, atualizados na origem
- →SLA e histórico de qualidade por parceiro
Lacre → foto → atributos → descrição tríplice (site, marketplace, LLM). Enriquecimento volta pro núcleo.
- Input
- Foto do lacre, ficha técnica e taxonomia da marca.
- Decisão
- Quais atributos detectar e qual descrição para cada canal.
- Output
- Descrição tríplice pronta para VTEX, marketplaces e LLMs.
- →Fluxo automatizado: lacre / foto / atributos / descrição
- →Descrição tríplice: site, marketplace e otimizada para LLM
- →Enriquecimento retorna ao CadastrAI, não fica solto
- →Pontes com plataformas externas (VTEX, marketplaces)
Fecha o ciclo. Consome eventos de todos os módulos e devolve aprendizado para o próximo ciclo.
- Input
- Eventos de todos os módulos e SLA operacional.
- Decisão
- Priorização de pendências e insights para líderes de área.
- Output
- Aprendizado que retorna ao CadastrAI e alimenta o próximo ciclo.
- →Ingestão de eventos de todos os módulos
- →Rótulos de criticidade e SLA operacional
- →Painel de operação para líderes de área
- →Aprendizado retorna ao CadastrAI e alimenta o próximo ciclo
Sell-out no ponto de venda. Curadoria pelo vendedor, decisão do cliente por swipe e try-on virtual.
- Input
- Estoque real, perfil do cliente e look sugerido pelo vendedor.
- Decisão
- Look final decidido por swipe do cliente, com try-on virtual.
- Output
- Venda registrada com insight por atributo, não só por SKU.
- →Curadoria de looks pelo vendedor com contexto de estoque
- →Decisão do cliente por swipe e try-on virtual
- →Insight de venda por atributo, não apenas por SKU
- →Sinal de sell-out volta como contexto para PlanejAI e AlocAI
Um catálogo de modelos treinados no contexto da marca.
Treinamento intrínseco (arquitetura uMode) mais complemento por aplicação (marca). Agentes rodam onde faz sentido, não em toda tela. Agentes não são módulos.
Uma ponte, muitas fronteiras.
O ERP conversa apenas com o CadastrAI. Isso mantém a taxonomia estável e evita integrações em todos os cantos da operação. Fora do núcleo, ficam as pontes com VTEX, marketplaces e canais de conteúdo — sempre alimentadas pelo mesmo contexto.
- →ERP ↔ CadastrAI (única ponte)
- →VTEX e marketplaces via EnriqueceAI
- →Auditoria contínua de qualidade de cadastro
- →Regras versionadas e taxonomia auditável
- →SLA por área e histórico operacional em GerenciAI

