Primeiros Passos com AI Ops
Este guia leva um subaccount de "AI Ops desligado" até "o mapa de demanda mostra previsões ao vivo" em cerca de 15 minutos. Você precisa do papel Levy admin e de um subaccount com pelo menos 14 dias de histórico de corridas.
1. Confirmar que o subaccount qualifica
O AI Ops precisa de histórico de corridas para aprender. Subaccounts novíssimos com menos de 14 dias de corridas caem em uma baseline global por "tier de densidade da cidade", e o recomendador fica oculto até completar 30 dias.
Verifique a contagem de corridas em Dashboard > Rides filtrando pelo subaccount. Se houver menos de duas semanas de dados, aguarde — as previsões teriam baixa confiança e o recomendador não geraria nada.
2. Habilitar a feature flag
O AI Ops é controlado por ai_ops_enabled e ai_ops_tier no subaccount. Para habilitar a Fase 1 (somente superfície de demanda):
ai_ops_enabled→trueai_ops_tier→starter
Para o recomendador, defina ai_ops_tier como pro. Para rotas de técnicos, como enterprise.
Também é possível ajustar duas configurações relacionadas:
tech_cost_per_mile_usd— usado pelo recomendador ao subtrair o custo do técnico do ganho projetado. Padrão0.50.rebalance_battery_floor— estado-de-carga mínimo que o veículo precisa ter para ser candidato a rebalanceamento. Padrão30(por cento).
Veja Feature flags e níveis para a referência completa.
3. Rodar o backfill único
As previsões rodam por hora num cron, mas você não quer o painel vazio no primeiro dia. O endpoint interno de backfill constrói duas semanas de features e o primeiro lote de previsões em uma única chamada:
curl -X POST "https://fleets.levyelectric.com/api/internal/forecast/backfill" \
-H "Authorization: Bearer $AI_OPS_INTERNAL_TOKEN" \
-d '{"subaccountId":"<uuid>"}'
Costuma terminar em 30-90 segundos dependendo do volume de corridas. Quando retornar, a página de heat maps já terá algo para mostrar.
4. Verificar o mapa de demanda
Abra Dashboard > Analytics > Heat Maps para o subaccount. Você deve ver:
- Um mapa centrado na sua área de serviço, com polígonos hexagonais H3 sobrepostos.
- Três alternâncias de camada: Predicted demand, Actual history, Unmet demand.
- Um seletor de horizonte: 1h, 4h, 24h.
- Um controle deslizante de tempo de -7 dias a +24 horas.
- Cards de resumo com total de corridas previstas e o hex de maior demanda.
Se o mapa estiver vazio, veja Solução de problemas.
5. Esperar um ciclo e checar as recomendações
Se você definiu ai_ops_tier como pro ou superior, o recomendador roda no minuto 25 de cada hora. Aguarde um ciclo completo e abra Dashboard > Operations > Rebalance. Você deve ver uma grade ranqueada com movimentos recomendados.
6. Habilitar rotas de técnicos (apenas Enterprise)
Com ai_ops_tier='enterprise', o solver de rotas roda a cada 30 minutos durante horário operacional (06:00-22:00, horário local). As rotas são atribuídas a técnicos com o papel Service Tech. O técnico vê a rota dentro da operator-app na aba Route.
Publique a atualização OTA da operator-app se os técnicos ainda não tiverem a tela Route:
cd operator-app
eas update --branch production --message "feat: enable AI Ops Route screen"
O que roda nos bastidores
| Cron | Agendamento | Função |
|---|---|---|
/api/cron/ai-ops-fetch-weather | a cada hora | Puxa previsões da Tomorrow.io para weather_observations |
/api/cron/ai-ops-build-features | a cada hora | Junta corridas + clima + eventos em demand_features |
/api/cron/ai-ops-run-inference | a cada hora | Grava novas linhas em demand_forecasts |
/api/cron/ai-ops-recommendations | a cada hora | Gera rebalance_recommendations (Pro+) |
/api/cron/ai-ops-solve-routes | a cada 30 min, 06-22 | Constrói rebalance_routes (Enterprise) |
Os crons rodam automaticamente. Após o backfill, não é preciso dispará-los manualmente.
Próximos passos
- Mapa de previsão de demanda — guia completo da página de heat maps.
- Recomendações de rebalanceamento — como ler e agir sobre os cards.
- Solução de problemas — problemas comuns de configuração.