O allOS é a plataforma usada pela Allos para treinar estudantes e estagiários de Psicologia. Em vez de aprender atendimento clínico só na teoria ou esperar por vagas de estágio supervisionado, o aluno conduz sessões de terapia com pacientes simulados por IA, recebe uma avaliação automatizada do seu desempenho e evolui num sistema de progressão gamificado — parte trilha de aprendizado (estilo Duolingo), parte ranking competitivo (estilo rating de jogos).
A ideia é simples: supervisão humana não escala, mas prática deliberada com feedback consistente é o que mais forma um bom clínico. O allOS tenta suprir essa lacuna.
- Atender pacientes simulados em texto, com personalidade e histórico clínico consistentes, e receber nota + feedback qualitativo sobre a condução do atendimento (escuta ativa, condução da entrevista, hipóteses diagnósticas etc.).
- Seguir uma trilha de exercícios organizada por dificuldade, no formato de mapa de fases.
- Competir: ranking geral com sistema de rating, duelos entre alunos no mesmo caso, e o recorde 👑 de cada paciente no modo competitivo.
- Praticar antes da supervisão: um modo guiado por IA ajuda o aluno a montar o mapa do caso com perguntas socráticas antes de levar para o supervisor humano.
- Treinar avaliação neuropsicológica: escolha de baterias de teste comparada contra um gabarito.
- Acompanhar progresso via conquistas, missões diárias e histórico.
- Do lado da coordenação, um painel administrativo cobre gestão de casos clínicos simulados, critérios de avaliação, usuários e comunicação com a base de alunos — e um fluxo separado cobre avaliação de candidatos no processo seletivo da Allos.
- A plataforma roda como PWA e também como app Android.
O sistema é multi-modelo por desenho — cada tarefa usa o provedor mais adequado ao trade-off entre custo, qualidade e latência:
- Claude (Anthropic) simula o paciente: mantém personalidade, histórico e consistência narrativa ao longo da conversa.
- GPT com raciocínio (OpenAI) faz a avaliação de desempenho, analisando a sessão inteira contra critérios clínicos estruturados.
- Um terceiro agente gera os casos clínicos simulados a partir de parâmetros definidos pelo time pedagógico.
- Avaliações longas são transmitidas em streaming, processamento assíncrono usa batch API (mais barato), e há prompt caching para reduzir custo em conversas longas.
- A nota final é calculada por regras no backend, não decidida inteiramente pelo modelo — mantém a avaliação mais consistente e auditável.
- Existe também um módulo interno de comparação de custo × qualidade entre modelos, usado para decidir o que vai pra produção.
Backend — Node.js + Express, autenticação JWT com controle de acesso por papel, persistência em arquivos, testes automatizados (Vitest + Supertest).
Frontend — React 18 + Vite + React Router, empacotado como PWA/TWA (Android).
Infra — deploy em Railway, frontend e backend na mesma origem em produção.
Projeto open source, desenvolvido para a Associação Allos.