Comparativo
Nected vs ArboRule: automação genérica, ou decisão de risco.
Nected e ArboRule publicam preço e as duas deixam alguém de fora da engenharia editar uma regra. Elas se separam no que se espera que a decisão trate.
A resposta curta
Choose Nected when
- Your rules are not only about risk. Nected's own use-case list runs to dynamic pricing, discounts, payouts, taxation, payment routing, lead allocation and loyalty — risk is one entry among two dozen.
- Você quer regras no Git. Regras, workflows, datasets e variáveis sincronizam com um repositório GitHub de verdade, com branches, pull requests e proteção de merge, então mudanças de política passam pelo pipeline que você já tem.
- Você precisa de self-hosting com orçamento curto. Os planos gratuito e self-hosted são documentados com Docker Compose e Kubernetes via Helm, além de caminhos por Terraform, EKS e AWS Marketplace.
- Volume baixo pesa mais que profundidade. A escada publicada começa em um plano gratuito com 10.000 chamadas de API por mês e sobe por faixas de cerca de US$ 399 e US$ 849, medidas por invocação e com assentos por editor.
- Você quer JavaScript, não Python. Condições, resultados e nós de workflow aceitam JavaScript, com um editor de fórmulas estilo Excel ao lado.
Escolha a ArboRule quando
- A decision has to wait for a person. Nected's approval flow gates publishing, not decisions; a running rule can only pause on an external webhook signal, with no reviewer queue behind it.
- Você precisa testar contra o que de fato aconteceu. O teste em lote da Nected roda com dados de teste que você fornece; a ArboRule monta bases a partir de decisões reais do passado, com cada resposta de provedor fixada.
- Você quer mover o tráfego aos poucos. Liberação ponderada entre versões publicadas, fixa por caso, em vez de promover uma versão para um ambiente de uma vez só.
- A decisão roda um modelo. Modelos ONNX executam dentro do fluxo, imutáveis e verificados por hash; a Nected não documenta execução de modelo próprio.
- O vocabulário importa. Casos, encaminhamentos, relógios de SLA, filas de revisão e histórico de decisões existem porque o produto é sobre crédito, fraude e onboarding, e não porque alguém os configurou assim.
Lado a lado
Cada linha aponta para de onde veio.
Claims about Nected are taken from Nected’s own documentation, pricing and repositories — never from a review site, and never from us. Follow the link in the left column to check any of them.
| Critério | Nected | ArboRule |
|---|---|---|
| Para que servedocs.nected.ai — use cases read 2026-07-30 | modelo diferente Automação de negócio de uso geral. A lista publicada de casos de uso vai de preço dinâmico, descontos, repasses, tributação, roteamento de pagamento, distribuição de leads, fidelidade e personalização a scoring, análise de crédito e fraude. | Especificamente decisões de crédito, fraude e onboarding. As primitivas — encaminhamento, caso, fila de revisão, histórico de decisões — são vocabulário de risco, não configuração. |
| Preçosnected.ai/pricing read 2026-07-30 | existe no produto Publicado e self-service: gratuito com 10.000 chamadas de API por mês, depois faixas de cerca de US$ 399 e US$ 849, medidas por invocação com excedente e assentos por editor. Nuvem privada e on-premises são planos à parte. | R$ 2.500 por mês no plano Startup, com 50.000 decisões incluídas entre Sandbox e Live. Preço por decisão, não por usuário. Construir e testar é gratuito até 10.000 decisões por período. |
| Onde rodadocs.nected.ai — self-hosting read 2026-07-30 | existe no produto Nuvem, nuvem privada e on-premises. O self-hosting é documentado a fundo — Docker Compose para avaliação, Kubernetes com Helm para produção, além de caminhos por Terraform, EKS e AWS Marketplace. | Só hospedado. Não existe opção self-hosted, on-premises ou bring-your-own-cloud, e nenhuma certificação publicada — os controles são um log de auditoria somente-adição, acesso por papéis, chaves de API com escopo, retenção configurável e SSO/SCIM. |
| Autoriadocs.nected.ai — rule types read 2026-07-30 | existe no produto Cinco superfícies: regra simples, tabela de decisão, conjunto de regras, cadeia de regras e árvore de decisão, com um editor de fórmulas estilo Excel e um editor JavaScript para condições, resultados e nós de código do workflow. | Um editor visual com 22 tipos de nó. Regra, Tabela de Decisão, Scorecard e Matriz 2D são editores de grade em que o dono da política consegue trabalhar; os campos de operando também aceitam Python, e o nó de Código é só Python. |
| Versionamentodocs.nected.ai — version control read 2026-07-30 | existe no produto Rascunho, em revisão, publicado e arquivado, com um rollback explícito que substitui o rascunho atual por uma versão anterior, promoção de staging para produção e sincronização opcional com Git, com proteção de branch. | Uma versão é DRAFT, PUBLISHED ou ARCHIVED. Versões publicadas são imutáveis — você duplica para um novo rascunho — e publicar pode exigir uma revisão aprovada. Não existe rollback em um clique: você move o tráfego de volta. |
| Liberação gradualdocs.nected.ai — environments read 2026-07-30 | não existe no produto Não publicado. A promoção vai de staging para produção como um todo; nenhuma liberação por porcentagem, canary ou champion-challenger aparece na documentação. | Pesos inteiros de tráfego entre as versões publicadas, somando 100, fixos por grouping_id para que uma proposta continue na versão em que começou. Sem shadow mode: uma versão desafiante atende tráfego real ou não atende nada. |
| Histórico de decisõesdocs.nected.ai — audit log API read 2026-07-30 | existe no produto Uma trilha de auditoria de verdade, não uma prévia. Com auditoria de entrada e saída ligada, a API de busca devolve entrada, saída, id de execução, tempo de execução e id de trace, filtráveis por tipo, status, ambiente, usuário e data. A retenção não é publicada. | Every run stores its input, output, the version that produced it and a node-by-node trace, including each external call's URL, status and latency and each model's SHA-256. Queryable at GET /history/api/v1/decisions. Retention is per-workspace, five years by default. |
| Backtestdocs.nected.ai — bulk test API read 2026-07-30 | modelo diferente Teste em lote contra dados que você fornece por CSV, Sheets ou consulta a banco. Reproduzir decisões de produção já registradas com as respostas externas originais não é documentado. | Monte uma base a partir do histórico de decisões — requisições passadas como entradas, saídas registradas como expectativas, cada chamada externa fixada na resposta que o provedor de fato devolveu — e rode contra qualquer versão. Até 500 casos em uma janela de 366 dias, executados em série. |
| Dados externosdocs.nected.ai — REST API node read 2026-07-30 | existe no produto Um nó REST cobrindo os verbos usuais com autenticação Bearer, chave de API, basic e OAuth 2.0, cache de resposta e continuar-em-erro, mais conectores de primeira classe para Postgres, MySQL, Oracle, SQL Server, Snowflake, MongoDB e Redshift. | 52 provedores empacotados, seis bancos de dados e qualquer API HTTPS/JSON por uma Conexão Personalizada. Você entra com as suas credenciais em cada um: a plataforma orquestra as chamadas, ela não revende o dado. |
| Revisão humanadocs.nected.ai — wait and resume read 2026-07-30 | modelo diferente O fluxo de aprovação é maker-checker em tempo de desenho, sobre a publicação. Em runtime, um workflow pode pausar em um nó de espera até um webhook externo sinalizar; nenhuma fila de revisão ou interface de casos é documentada. | Um nó de Revisão Manual suspende a decisão e a coloca em uma fila de revisão; nós de Caso registram trabalho sem bloquear a execução. As filas de casos carregam políticas de SLA fixadas em cada caso na criação, com relógios em horário comercial e degraus de escalonamento. |
| IA e modelosdocs.nected.ai — AI agent node read 2026-07-30 | modelo diferente Um nó de agente de IA chama OpenAI, Google AI, Anthropic ou Vertex para respostas, análise de texto e classificação de documentos. Executar um modelo treinado por você — ONNX, scikit-learn ou outro — não é documentado. | Nós de IA e de Agente chamam modelos da OpenAI, Anthropic ou Google dentro da decisão, com a sua própria chave de API. Sem chave, sem IA. Modelos ONNX de até 32 MB, imutáveis depois do upload e reverificados por SHA-256 na hora da pontuação, executados no próprio processo. Uma entrada de grafo, só CPU. |
Dois produtos que de longe parecem iguais
As duas têm editor visual, tabelas de decisão, regras versionadas, API, preço publicado e um jeito gratuito de começar. Leia as listas de recursos lado a lado e você terá dificuldade de separá-las. A diferença não está na lista; está no que a lista lista.
Nected is a rule engine for a company's rules — any of them. Its documentation puts discounting, payout logic, tax calculation, payment routing and loyalty tiers on the same page as underwriting and fraud, and that is a deliberate and defensible position. A single place for every conditional in the business is a real thing to want.
A ArboRule é mais estreita de propósito. Ela pressupõe que o que está sendo decidido é uma proposta, um cliente ou uma transação; que parte deles será encaminhada em vez de respondida; que alguém, em algum momento, vai perguntar por que um deles terminou daquele jeito. São essas premissas que produzem uma fila de revisão, um relógio de SLA e cinco anos de histórico consultável — e elas são desperdiçadas em uma regra de desconto.
Um motor genérico consegue expressar uma política de crédito. Ele só não vai ter opinião sobre o que acontece com as propostas que encaminha.
A lacuna do encaminhamento
O ponto mais claro em que as duas divergem é o que acontece quando a resposta não é nem aprovar nem recusar.
Na Nected, publicar uma regra pode passar por aprovação maker-checker, o que é governança genuinamente útil. Mas isso trava a mudança, não a decisão. Um workflow em execução pode pausar em um nó de espera até algo externo retornar com um id de retomada — o que significa que a interface do revisor, a fila, a atribuição, o envelhecimento e o escalonamento são todos seus para construir.
Na ArboRule, um nó de Revisão Manual suspende a execução e cria um caso de revisão que cai em uma fila, e um nó de Caso registra trabalho ao lado de uma decisão sem bloqueá-la. As filas de casos carregam políticas de SLA com relógios em horário comercial e degraus de escalonamento, e a política é fixada em cada caso na criação — então apertar a meta no trimestre seguinte não reescreve, retroativamente, uma promessa já feita.
Se a maior parte das suas decisões é automática e o encaminhamento é raro, essa maquinaria é excesso. Se o encaminhamento é dez ou vinte por cento do volume — a faixa normal em crédito e onboarding — ele é a maior parte do trabalho operacional.
Onde a Nected é simplesmente melhor
Git. Nected's rules, workflows, datasets and variables sync to a real GitHub repository, with branches mapped to environments and merges governed by the same protection rules as your code. If your organisation's change control lives in pull requests, that is a better answer than any product-specific publishing workflow, ours included.
O self-hosting também. Instalações por Docker Compose, Helm, Terraform e Marketplace são documentadas direito, a um preço que a maioria das ofertas on-premises não alcança. A ArboRule é hospedada e não tem nada a dizer aqui.
Perguntas
A Nected é uma plataforma de decisão de crédito ou fraude?
Não especificamente. A Nected se posiciona como um motor de regras amigável ao negócio, e os casos de uso documentados por ela vão de preço, descontos, repasses, tributação, roteamento de pagamento, distribuição de leads e fidelidade a scoring, análise de crédito e fraude. Dá para construir uma política de crédito ali, sem dúvida; o que você não vai encontrar é maquinaria específica de risco, como fila de encaminhamento, relógio de SLA ou replay contra decisões registradas.
A Nected publica o preço?
Sim, o que é incomum nesta categoria e merece crédito. Há um plano gratuito com 10.000 chamadas de API por mês, planos pagos em torno de US$ 399 e US$ 849 com franquia de invocações e excedente, assentos por editor, e opções separadas de nuvem privada e on-premises. A maioria dos fornecedores enterprise citados neste site não publica absolutamente nada.
A Nected roda um modelo de machine learning dentro de uma regra?
Um treinado por você, não. Existe um nó de agente de IA que chama OpenAI, Google, Anthropic ou Vertex para respostas, análise de texto e classificação de documentos, mas nada na documentação descreve subir e executar o arquivo do seu próprio modelo. Se um score do seu modelo precisa ser produzido dentro da decisão, essa é uma lacuna a checar antes de fechar.
Last verified July 30, 2026 against Nected’s public documentation. Products change and pages move; if something here is out of date, tell us at hello@arborule.com e nós corrigimos.