01
Fábrica de Dados
Nenhum modelo é melhor do que os dados com que foi treinado. Por isso, todo projeto começa pela Fábrica de Dados, etapa em que reunimos o que hoje está disperso pela sua organização (documentos, planilhas, gravações de áudio, registros de sistemas legados) e o convertemos em bases consistentes, documentadas e prontas para uso.
O trabalho compreende a extração, a limpeza e a estruturação do material, além do tratamento de dados pessoais, com anonimização ou pseudonimização conforme o caso exigir. Uma parte decisiva do processo é a curadoria, feita em conjunto com quem conhece a operação. É nela que o conhecimento acumulado pelas equipes, quase nunca registrado por escrito, passa a existir em um formato que o modelo consegue aprender. Os conjuntos de dados resultantes pertencem à sua organização e conservam seu valor qualquer que seja a tecnologia adotada depois.
02
Modelos Soberanos
Em certos setores, enviar informações a um serviço de terceiros não é uma alternativa aceitável. É o caso de instituições financeiras, hospitais e órgãos públicos. Para essas organizações, implantamos modelos abertos na infraestrutura da própria instituição, em servidores locais (on-premises) ou em nuvem privada.
Nessa configuração, os dados não deixam o ambiente controlado pela organização em nenhuma etapa do processamento. Cabe a ela definir quem acessa o sistema, o que fica registrado e por quanto tempo, e todas as interações podem ser auditadas. O arranjo facilita o cumprimento da LGPD e das normas setoriais de sigilo. Reduz também a exposição a mudanças de preço, de política de uso ou de disponibilidade por parte de fornecedores externos.
03
Modelos Proprietários
Há tarefas que exigem o que existe de mais avançado em raciocínio e em amplitude de conhecimento, e nelas os modelos comerciais de ponta, como Gemini, GPT e Claude, ainda levam vantagem. Integramos esses modelos à operação quando o caso de uso justifica, e apenas para os dados que podem sair do ambiente interno.
Na prática, a maior parte dos projetos adota uma arquitetura híbrida. Uma camada de roteamento classifica cada solicitação e a encaminha ao modelo adequado: o que envolve informação sensível é processado internamente, pelos modelos soberanos; o que demanda mais capacidade e não tem restrição de sigilo segue para o modelo comercial. As regras desse encaminhamento são definidas com a sua equipe e aplicadas pelo sistema, sem depender da escolha de cada usuário.
04
Agentes Especializados
Um modelo de uso geral escreve bem sobre quase qualquer assunto, mas desconhece os produtos, os procedimentos e o vocabulário de cada organização. Para suprir essa lacuna, especializamos os modelos por meio de ajuste fino (fine-tuning), utilizando os conjuntos produzidos na Fábrica de Dados. Na maioria dos projetos recorremos a técnicas como LoRA (Low-Rank Adaptation), que preservam o modelo original e treinam apenas um pequeno conjunto adicional de parâmetros. Com isso, o custo e o prazo de treinamento caem, e várias especializações podem conviver sobre uma mesma base.
O agente resultante emprega a terminologia do setor, conhece o portfólio da empresa, segue o padrão de comunicação da marca e fundamenta suas respostas e recomendações no histórico da operação. Antes de entrar em produção, é avaliado com casos reais da sua operação e comparado ao modelo genérico de origem, e a diferença de desempenho é documentada.
05
Ferramentas Agênticas
Responder a perguntas resolve apenas uma parte do problema. O restante do valor de um agente está na execução de tarefas, o que requer acesso aos sistemas em que o trabalho efetivamente acontece. Desenvolvemos as integrações que conectam os agentes a ERPs, CRMs, bancos de dados e APIs externas, sempre com permissões delimitadas por função.
Um exemplo: ao receber de um cliente um pedido de cotação por e-mail, o agente identifica os itens solicitados, consulta a disponibilidade em estoque, gera o orçamento no sistema e redige a resposta. Cabe à sua organização determinar quais etapas podem ser concluídas automaticamente e quais dependem de aprovação humana, e cada ação executada fica registrada para conferência posterior.
06
Consultoria Especializada
Projetos de IA que não dão resultado costumam falhar por razões alheias à tecnologia: o problema escolhido não era o mais relevante, os dados não estavam em condições de uso ou a solução não foi incorporada à rotina das equipes. A consultoria existe para tratar dessas questões antes de qualquer investimento em infraestrutura.
O ponto de partida é um diagnóstico da operação, no qual mapeamos os processos e identificamos onde a automação traz retorno mensurável e onde ainda não compensa. Com base nele, priorizamos os casos de uso pelo retorno esperado, desenhamos a arquitetura e fixamos os indicadores que permitirão acompanhar o resultado. Conduzimos também a capacitação das equipes, porque é a adoção no dia a dia que determina se o investimento se paga.