Serviços de Artificial Intelligence
Cada projeto começa com um diagnóstico técnico gratuito de duas horas. Entendemos o problema, estimamos o impacto e só então propomos uma solução.
Modelos preditivos sob medida
Treinamos modelos de machine learning usando os dados históricos da sua empresa. Não usamos soluções genéricas pré-treinadas para problemas que exigem contexto específico. O processo funciona assim: recebemos uma amostra dos seus dados (anonimizados, se necessário), fazemos uma análise exploratória de 3 a 5 dias, e apresentamos um relatório com as variáveis mais relevantes e a precisão estimada do modelo.
Se o resultado do protótipo for satisfatório, passamos à fase de produção. O modelo é empacotado como uma API REST documentada, com monitoramento de drift incluído. Quando a distribuição dos dados muda, você recebe um alerta automático e agendamos o re-treino.
Casos típicos: previsão de churn em telecom, estimativa de demanda em varejo, scoring de crédito para fintechs, previsão de falhas em equipamentos industriais.
Processamento de linguagem natural
Desenvolvemos sistemas que leem, classificam e extraem informações de textos em português, inglês e espanhol. Isso inclui chatbots que realmente entendem o contexto da conversa (não apenas palavras-chave), classificadores de tickets de suporte, e pipelines de extração de entidades em contratos jurídicos.
Um dos nossos projetos mais recentes envolveu a análise automática de 12 mil laudos médicos por mês para uma rede hospitalar. O sistema identifica diagnósticos, medicamentos prescritos e procedimentos recomendados, e alimenta o prontuário eletrônico sem intervenção manual. A taxa de acerto na extração de entidades chegou a 94,2% após o terceiro ciclo de refinamento.
Trabalhamos com modelos de linguagem abertos (Llama, Mistral) e proprietários (GPT-4, Claude), dependendo das exigências de privacidade e custo do cliente. Quando os dados não podem sair do ambiente do cliente, implantamos modelos on-premise.
Visão computacional
Câmeras geram dados o tempo todo. Ajudamos empresas a transformar essas imagens em informação útil: contagem de pessoas em lojas, detecção de defeitos em linhas de produção, leitura automática de medidores e reconhecimento de placas de veículos.
Nosso pipeline padrão usa modelos YOLO para detecção de objetos e redes convolucionais customizadas para classificação fina. O treinamento é feito com dados do cliente, anotados pela nossa equipe ou em parceria com ferramentas de anotação colaborativa. Entregamos o modelo, o código de inferência e a documentação para que a equipe interna possa manter o sistema.
Para um fabricante de autopeças em Minas Gerais, implementamos um sistema de inspeção visual que analisa 200 peças por minuto e rejeita automaticamente as que apresentam trincas ou deformações. A taxa de falsos negativos caiu para 0,3% após seis semanas de operação.
Consultoria e auditoria de IA
Nem todo projeto precisa de um modelo novo. Às vezes, a empresa já tem modelos em produção que precisam de revisão: performance degradada, viés não detectado, ou custos de inferência que saíram do controle.
Fazemos auditorias técnicas de 2 a 4 semanas. Revisamos o código, os dados de treino, as métricas de monitoramento e a arquitetura de deploy. O entregável é um relatório com diagnóstico, priorização de correções e estimativa de esforço para cada item. Se o cliente quiser, executamos as correções. Se preferir usar a equipe interna, damos suporte por videoconferência durante a implementação.
Também oferecemos workshops de 8 horas para equipes de engenharia que querem internalizar competências de ML. Os temas mais pedidos: feature engineering para dados tabulares, fine-tuning de modelos de linguagem, e MLOps com ferramentas open-source.
Como funciona um projeto típico
Do primeiro contato à entrega em produção, a maioria dos projetos leva entre 6 e 14 semanas.
Diagnóstico
Duas horas de conversa técnica para entender o problema, os dados disponíveis e as restrições de infraestrutura. Sem custo.
Proposta e escopo
Entregamos um documento com escopo detalhado, cronograma, métricas de sucesso e preço fixo. Você aprova antes de qualquer cobrança.
Prototipação
Em 2 a 3 semanas, construímos um protótipo funcional com dados reais. Você avalia os resultados e decide se faz sentido continuar.
Desenvolvimento
Refinamos o modelo, construímos a API, escrevemos testes automatizados e documentação. Reuniões semanais de 30 minutos para acompanhamento.
Deploy e monitoramento
Implantamos no ambiente do cliente (cloud ou on-premise). Configuramos alertas de performance e dashboards de acompanhamento.
Ferramentas que usamos
Não somos dogmáticos com tecnologia. Escolhemos a ferramenta certa para cada problema, não a mais popular. Dito isso, estas são as que aparecem com mais frequência nos nossos projetos:
Linguagens e frameworks
Python (PyTorch, scikit-learn, FastAPI), SQL para consultas em bancos analíticos, e TypeScript quando o front-end precisa de lógica de inferência no navegador.
Infraestrutura
AWS SageMaker e Google Vertex AI para treino em nuvem. Docker e Kubernetes para deploy. MLflow para rastreamento de experimentos. Quando o cliente exige on-premise, usamos servidores com GPUs NVIDIA A100 ou T4.
Dados e armazenamento
PostgreSQL, BigQuery, Snowflake. Para dados não estruturados, usamos buckets S3 com versionamento. Pipelines de ETL com Apache Airflow ou Prefect.
Monitoramento
Evidently AI para detecção de data drift, Grafana para dashboards operacionais, e PagerDuty para alertas críticos fora do horário comercial.