FAQ: Artificial Intelligence na prática

Depende da complexidade. Projetos de análise de dados e dashboards começam a partir de R$ 25.000. Modelos preditivos ficam entre R$ 40.000 e R$ 150.000, variando conforme o volume de dados, o número de fontes a integrar e o nível de automação exigido no deploy.

Consultorias estratégicas têm valor fixo, geralmente entre R$ 15.000 e R$ 35.000, porque o escopo é bem delimitado desde o início.

Enviamos uma proposta detalhada após a reunião de diagnóstico, que é gratuita. Nenhum valor é cobrado antes da assinatura do contrato.

O MVP de um modelo preditivo fica pronto em quatro a seis semanas. Esse protótipo já roda com dados reais e permite validar se a abordagem faz sentido antes de investir na versão final.

Projetos de automação com NLP costumam levar de seis a dez semanas, porque envolvem coleta de exemplos de treinamento e ajuste fino de modelos de linguagem.

Dashboards mais simples podem ser entregues em duas semanas, desde que os dados já estejam acessíveis. Se for necessário construir um pipeline de ingestão, some mais duas a três semanas.

Para modelos de classificação (como detecção de fraude ou previsão de churn), precisamos de pelo menos alguns milhares de registros rotulados. Quanto mais dados, melhor o desempenho, mas já conseguimos resultados úteis com bases relativamente pequenas usando técnicas de aumento de dados e transfer learning.

Para análise exploratória e dashboards, qualquer volume já permite extrair insights. Às vezes, uma planilha com 500 linhas de vendas mensais já revela padrões que o time comercial não enxergava.

Na reunião de diagnóstico, avaliamos se o volume e a qualidade dos dados disponíveis são suficientes para o objetivo proposto. Se não forem, orientamos sobre o que coletar e como estruturar essa coleta.

Sim. Antes de receber qualquer arquivo ou acesso a banco de dados, assinamos um acordo de confidencialidade (NDA). Trabalhamos em ambientes isolados com criptografia em trânsito (TLS 1.3) e em repouso (AES-256).

Seguimos as diretrizes da LGPD (Lei 13.709/2018). Dados pessoais são anonimizados sempre que possível durante o desenvolvimento do modelo. Ao final do projeto, o cliente decide se os dados de trabalho devem ser arquivados ou destruídos.

Se a política de segurança da sua empresa exigir que todo o trabalho aconteça dentro da sua infraestrutura, nos adaptamos a isso sem custo adicional.

Já atendemos varejo, saúde, serviços financeiros, logística, educação, jurídico, agronegócio, telecomunicações, energia, imobiliário, indústria e setor público. Se o seu setor não está nessa lista, provavelmente ainda assim podemos ajudar, porque as técnicas de machine learning são transversais.

O que muda de um setor para outro é o vocabulário do negócio e as particularidades dos dados. Por isso, dedicamos a primeira semana de cada projeto a entender o contexto operacional antes de escrever qualquer linha de código.

Não necessariamente. Muitos dos nossos clientes não têm cientistas de dados internos. Nesses casos, entregamos o sistema pronto para uso e treinamos a equipe de operações ou de TI para acompanhar os resultados e acionar alertas quando necessário.

Se você já tem analistas de dados ou desenvolvedores, melhor ainda. Trabalhamos lado a lado com eles, compartilhamos código e documentação, e transferimos conhecimento ao longo do projeto para que a equipe interna consiga manter e evoluir a solução depois.

Entregamos toda a documentação técnica, o código-fonte versionado e um guia de operação. Você é dono de tudo o que foi desenvolvido.

Oferecemos pacotes de suporte mensal para quem quiser acompanhamento contínuo: monitoramento de desempenho do modelo, retreinamento periódico com dados novos e ajustes pontuais. Esses pacotes começam em R$ 3.500 por mês, dependendo da complexidade do sistema.

Se preferir não contratar suporte, sem problema. O sistema foi projetado para funcionar de forma autônoma, e a sua equipe terá o treinamento necessário para operá-lo.

Preferimos ferramentas open source (Python, scikit-learn, PyTorch, TensorFlow, Hugging Face, Apache Airflow, dbt) porque evitam dependência de fornecedor e facilitam auditoria do código. Quando o cliente já usa uma plataforma proprietária como Azure ML, AWS SageMaker ou Databricks, integramos com ela sem problema.

Para dashboards, trabalhamos com Metabase e Apache Superset (open source) ou Power BI e Looker (proprietários), conforme a preferência e as licenças que a empresa já possui.

Nem sempre é. Às vezes, o gargalo está em um processo manual que pode ser resolvido com uma automação simples, sem machine learning. Outras vezes, faltam dados suficientes para treinar um modelo confiável.

Por isso, a nossa consultoria estratégica existe: avaliamos o cenário completo e recomendamos a abordagem mais adequada. Se concluirmos que IA não é o caminho, dizemos isso com clareza e sugerimos alternativas. Preferimos perder uma venda a entregar algo que não vai funcionar.

Sim. Trabalhamos remotamente com clientes em todo o Brasil. Usamos ferramentas de videoconferência, repositórios Git compartilhados e canais de comunicação assíncronos para manter o projeto fluindo sem depender de presença física.

Para empresas na região metropolitana do Rio de Janeiro, oferecemos reuniões presenciais no nosso escritório na Travessa Braga ou na sede do cliente, sem custo adicional. Deslocamentos para outras cidades podem ser combinados quando necessário.