+55 11 4193 5660 EN Avaliação sem custo

AI Transformation

Seis camadas entre onde você está e uma empresa que opera com IA.

Não é um chatbot no site nem um piloto que morre no comitê. É fundação, conhecimento, agentes, produtos, operação e cultura, construídos na ordem certa, com o modelo rodando onde o seu dado permitir.

Quero o diagnóstico AIMI Explorar as camadas

Por que quase todo mundo trava

O problema nunca foi o modelo.
Foi tudo em volta dele.

85%

dos pilotos de IA não chegam à escala de produção por falta de governança, integração ou disciplina de plataforma.

McKinsey Global Institute · The State of AI

O que separa quem lidera

Empresas que capturam valor desproporcional com IA compartilham cinco características mensuráveis. A distância não é acidente: é escolha arquitetural e organizacional.

  • Abordagem de plataforma +20 p.p.
    66%
    46%

    Plataforma única para dado, modelo, governança e integração no lugar de soluções pontuais fragmentadas.

  • Governança e segurança +21 p.p.
    63%
    42%

    Política formal, controle de risco e protocolo de segurança construídos antes de escalar.

  • Mentalidade de inovação +15 p.p.
    53%
    38%

    Experimentação e aprendizado como disciplina operacional, não como aspiração cultural.

  • Composição do time +21 p.p.
    50%
    29%

    Engenheiros de IA, especialistas de domínio e facilitadores de mudança, não apenas cientistas de dados.

  • Adoção de IA agêntica +17 p.p.
    36%
    19%

    Agentes autônomos executando fluxo real de negócio, além de assistente e chat.

Líderes em IA Demais empresas

  • 20–40% de ganho de produtividade em trabalhadores do conhecimento usando assistentes corporativos de IA. McKinsey · benchmark de mercado
  • 60–70% das tarefas rotineiras de trabalho do conhecimento podem ser automatizadas por sistemas de IA agêntica. McKinsey & Company · Agentic AI Outlook
  • 25–30% de redução no custo operacional de service desk com triagem e classificação AI-first. McKinsey Digital · AI-Enabled Operations

O mercado em 2026

Adotar virou consenso.
Operar, ainda não.

Os números desta seção vêm do AI Index Report 2026, do Stanford HAI. É uma iniciativa acadêmica independente, na nona edição, e não uma pesquisa patrocinada por quem vende a tecnologia.

  1. Organizações que já usam IA

    88%

  2. Usam IA generativa em ao menos uma função de negócio

    70%

  3. Implantação de agentes, em quase toda função de negócio

    um dígito

A adoção é quase universal. A operação com agentes mal começou. É exatamente essa distância que as seis camadas percorrem.

  • 26%

    Ganho medido em desenvolvimento de software

    Atendimento ao cliente ficou entre 14% e 15%, e produção de marketing chegou a 50%. O ganho aparece onde o trabalho é estruturado e o resultado é fácil de medir, e encolhe onde a tarefa exige julgamento.

  • 362

    Incidentes de IA documentados em 2025

    Eram 233 em 2024, uma alta de 55% em um ano. Enquanto isso, os testes de segurança dos próprios modelos avançam devagar e perdem desempenho sob ataque deliberado.

  • 22% a 94%

    Faixa de alucinação entre 26 modelos de topo

    A variação em um novo teste de precisão. É por isso que avaliação, recuperação verificada e guardrail entram antes de escalar, e não depois do primeiro erro em produção.

  • 12% → 66%

    Salto dos agentes em tarefas reais de computador

    A evolução em um ano no OSWorld. Ainda assim, eles falham em cerca de uma a cada três tentativas. Autonomia é conquistada por evidência, nunca presumida.

  • 11%

    Das empresas seguem sem nenhuma política de IA

    Caiu de 24% em um ano, mas os obstáculos declarados continuam os mesmos: falta de conhecimento (59%), restrição de orçamento (48%) e incerteza regulatória (41%).

  • 36%

    Já citam a ISO/IEC 42001 como referência

    A norma de sistema de gestão de IA estreou entre os marcos mais citados, com o NIST AI RMF logo atrás, em 33%. A governança de IA está virando certificação auditável.

Fonte: Stanford HAI · AI Index Report 2026

Nosso paper sobre a ISO/IEC 42001

A pilha

O nível só sobe se a camada
de baixo estiver cheia.

Camada 1 de 6

Fundação de IA

Modelos, dados e infraestrutura: na nuvem, no enterprise ou dentro de casa.

A camada que quase ninguém monta direito e que decide todo o resto. Um gateway único para qualquer modelo, roteamento por custo e capacidade, dados classificados e vetorizados, e a escolha honesta entre nuvem, enterprise e on-premise conforme o dado permitir, não conforme a moda pedir.

  • Gateway multi-modelo: troque de LLM sem reescrever aplicação
  • Roteamento por custo, latência e criticidade da tarefa
  • Deploy em nuvem, enterprise ou local (dado sensível não sai do perímetro)
  • Pipeline de dados, vetorização e classificação de sensibilidade
  • Claude
  • GPT
  • Gemini
  • Llama
  • Mistral
  • Bedrock
Camada 2 de 6

Inteligência da empresa, operada

O que a sua companhia sabe, disponível para quem precisa e para os agentes.

Documentação espalhada, runbook na cabeça de três pessoas, decisão registrada em thread de e-mail. Transformamos isso em base viva: ingestão contínua, curadoria, permissão por área e recuperação confiável. É o que faz um agente responder com o contexto da sua empresa em vez de com a média da internet.

  • Ingestão contínua de docs, wikis, tickets, código e reuniões
  • RAG com recuperação avaliada, não apenas "plugada"
  • Permissão por área: cada um recupera só o que pode ver
  • Curadoria e detecção de conhecimento obsoleto ou conflitante
  • RAG
  • Embeddings
  • pgvector
  • Reranking
  • Knowledge Graph
  • Avaliação de recall
Camada 3 de 6

Agentes em toda a companhia

Atendimento, TI, financeiro, comercial, logística, RH: cada área com o seu.

Agentes que não param no chat: eles executam. Conectados ao ERP, ao CRM, ao service desk, aos dispositivos IoT e às APIs internas, com permissão granular, aprovação humana onde o risco pede e trilha de auditoria em cada passo. Um agente por processo, não um chatbot genérico para tudo.

  • Integração nativa com ERP, CRM, ticketing e IoT
  • Ferramentas com permissão escopada e revogável
  • Human-in-the-loop obrigatório em ações de alto impacto
  • Orquestração multi-agente para processos que cruzam áreas
  • Tool use
  • MCP
  • Orquestração
  • Human-in-the-loop
  • ERP
  • CRM
Camada 4 de 6

Micro SaaS e soluções internas

Software sob medida que antes não fechava a conta e agora fecha.

Aquele sistema interno que sempre ficou na fila porque o retorno não justificava seis meses de squad. Com IA no ciclo de desenvolvimento, ele passa a caber em semanas. Construímos micro SaaS para o seu negócio e ferramentas internas que resolvem o problema específico, sem obrigar a empresa a se moldar a um produto de prateleira.

  • Micro SaaS voltado ao seu mercado, com a sua regra de negócio
  • Ferramentas internas que substituem planilha crítica e macro frágil
  • Portais e copilotos embarcados nos sistemas que o time já usa
  • Ciclo de desenvolvimento acelerado por IA, com revisão humana
  • Micro SaaS
  • Copilotos embarcados
  • APIs
  • Integrações
  • Automação de processo
Camada 5 de 6

Torre de controle

A cadeia do negócio inteira em uma vista só, para o conselho e a diretoria.

A torre não é o painel do time técnico. É onde o board e os chiefs enxergam a companhia elo por elo, da demanda ao caixa, com cada indicador operado por IA e apontando desvio antes de virar problema. Vale para qualquer negócio porque a cadeia é a mesma: varejo, indústria, serviço e software trocam os nomes dos elos, não a forma. O Command Center e o SOC continuam ali, agora como o que alimenta essa vista.

  • Indicador por elo da cadeia, do custo de aquisição ao ciclo de caixa
  • Consolidação para o board com a origem de cada número visível
  • Desvio apontado pelo agente, em vez de relatório para garimpar
  • Command Center de N1 e N2 e SOC 24x7 assistidos por modelo
  • Visão de board
  • Indicador por elo
  • Command Center
  • SOC 24x7
  • Observabilidade de IA
  • SLA
Camada 6 de 6

Engenharia e cultura com IA

O time operando sozinho, porque transformação que depende de fornecedor não é transformação.

A última camada é a que decide se a anterior sobrevive. Levamos as práticas para dentro do time: como desenvolver com IA sem perder revisão, como escrever avaliação antes de prompt, quando confiar no agente e quando desconfiar. O objetivo declarado é o seu time não precisar mais de nós para isso.

  • Desenvolvimento assistido por IA com padrão de revisão definido
  • Práticas de avaliação: teste antes de prompt, métrica antes de deploy
  • Política de uso de IA e critérios de risco por tipo de tarefa
  • Capacitação por perfil: engenharia, operação, negócio e liderança
  • Enablement
  • Code review com IA
  • Evals
  • Política de uso
  • Treinamento
  • Playbooks

Continue descendo para encher o tanque

O diagnóstico

AIMI · Índice de Maturidade em IA

Antes de propor qualquer coisa, medimos. O AIMI mostra o quanto a empresa está preparada para usar IA com escala, governança, segurança e geração real de valor, e em que ponto exato ela trava hoje.

  1. L1 IA Fragmentada

    Perfil de maturidade no nível L1, nos seis pilares do AIMI

    A IA existe, mas ninguém sabe quanto rendeu

    a maioria está aqui
  2. L2 IA Controlada

    Perfil de maturidade no nível L2, nos seis pilares do AIMI

    Já existe regra. Falta o uso se espalhar

    a maioria está aqui
  3. L3 IA Integrada

    Perfil de maturidade no nível L3, nos seis pilares do AIMI

    Ligada ao processo, com resultado no indicador

  4. L4 IA Otimizada

    Perfil de maturidade no nível L4, nos seis pilares do AIMI

    Virou capacidade, e não projeto

Estratégia · Dados · Plataforma · Governança · Operação · Valor

Os polígonos são a leitura das definições da escala AIMI, e não uma pesquisa de mercado: mostram a FORMA típica de cada nível, onde o crescimento costuma ser torto antes de fechar. A faixa em que a maioria das empresas se encontra é afirmação nossa, medida em diagnóstico. O número do seu ambiente sai da calculadora abaixo.

  1. L1 0,0 – 1,5

    IA Fragmentada

    Experimental

    POCs isolados, testes controlados, impacto de negócio limitado e nenhuma escala real. A IA existe, mas ninguém consegue dizer quanto ela rendeu.

  2. L2 1,6 – 2,4

    IA Controlada

    Ainda sem escala

    Controles mínimos, aprovações, critérios de segurança e primeiros padrões estabelecidos. A casa começa a ter regra, mas o uso ainda não se espalhou.

  3. L3 2,5 – 3,2

    IA Integrada

    Conectada ao negócio

    IA ligada à fundação corporativa, com governança ativa e integração nos processos de negócio. O resultado já aparece no indicador da área.

  4. L4 3,3 – 4,0

    IA Otimizada

    Pronta para expandir

    Operação escalável, métrica em tempo real, disciplina de FinOps, ROI claro, automação e expansão entre áreas. A IA virou capacidade, não projeto.

Seis pilares medidos · nota de 1 a 4

  • Estratégia e patrocínio executivo
  • Dados e conhecimento
  • Plataforma e arquitetura
  • Governança risco e segurança
  • Operação e entrega
  • Valor e adoção

O que o AIMI responde

  • A IA ainda está em piloto ou já gera resultado de negócio?
  • Existem mecanismos de governança, segurança e controle no lugar?
  • Os dados e ativos de conhecimento estão prontos e conectados?
  • A operação mede ROI, risco, adoção e desempenho?
  • A empresa consegue escalar IA para várias áreas de negócio?

Evidência que pedimos para pontuar

  • Roadmap aprovado com patrocínio executivo
  • Fonte única de verdade e integração dos dados centrais
  • Arquitetura padronizada e observabilidade
  • Políticas, auditabilidade, logs e controles de conformidade
  • Processos de deploy, suporte e propriedade definidos
  • Economia, ganho de produtividade e adoção medidos

“O AIMI é o índice que mostra a distância entre experimento isolado de IA e um verdadeiro modelo operacional de IA na empresa.”

Quero o AIMI da minha empresa

Calculadora AIMI

Onde você está.
Onde quer chegar.

Puxe os controles e veja o índice se mover. Leva um minuto e devolve a leitura que normalmente sai depois de duas semanas de assessment.

Isto é uma autoavaliação, e não uma auditoria: as notas saem da sua leitura da empresa. Serve para ordenar prioridade e enxergar a distância até onde se quer chegar, não para certificar maturidade. No diagnóstico AIMI que conduzimos com o seu time, cada pilar é sustentado por evidência.

  • 1

    Como medir Cada área tenta por conta própria. Não há dono nem verba definida para IA.Existe um responsável e um orçamento, mas ainda sem meta de negócio escrita.Há roteiro aprovado, com patrocínio de diretoria e meta ligada a indicador do negócio.O plano de IA é revisto no mesmo ciclo do plano da empresa, e a verba se realoca pelo resultado medido.

  • 1

    Como medir Dado espalhado por sistema, planilha e caixa de entrada. Ninguém sabe qual versão vale.Os dados centrais têm dono e cadastro, mas a integração ainda é manual ou por exportação.Fonte única para os dados centrais, com catálogo, linhagem e acesso controlado.Dado e documento servidos por interface própria, com qualidade medida e histórico pronto para consulta por modelo.

  • 1

    Como medir Cada iniciativa escolhe a própria ferramenta, e nada é reaproveitado na seguinte.Existe um ambiente padrão para desenvolver, mas subir para produção ainda é artesanal.Plataforma comum, com esteira de entrega, ambientes separados e observabilidade.Modelo, agente e ferramenta entram e saem por configuração, e trocar de fornecedor não vira projeto.

  • 1

    Como medir Não se sabe quem usa IA na empresa, com qual chave, nem o que já foi enviado para fora.Existe política escrita, mas o cumprimento é confiado a cada time.Controle aplicado no caminho da chamada, com registro por requisição e revisão periódica.A evidência nasce sozinha, pronta para auditoria, e o risco de IA está no mesmo comitê do risco corporativo.

  • 1

    Como medir O que sobe depende de quem fez. Não há plantão nem plano de retorno.Existe processo de entrega, mas o suporte ao que já está em produção é reativo.Dono definido, SLA contratado, plano de retorno testado e incidente com resposta ensaiada.Desempenho, custo e acerto do modelo monitorados como qualquer outro serviço crítico.

  • 1

    Como medir Não se mede retorno. O sucesso é a demonstração ter funcionado.Há números do piloto, mas ninguém acompanhou depois que ele virou rotina.Economia, ganho de tempo e adoção medidos por caso de uso, contra a linha de base anterior.O retorno entra no orçamento da área que usa, e caso de uso que não paga é desligado.

R$

Radar de maturidade nos seis pilares

  • Onde estamos
  • Meta

Índice AIMI hoje

1,0

L1 IA Fragmentada

  • L1IA Fragmentada
  • L2IA Controlada
  • L3IA Integrada
  • L4IA Otimizada

Leitura

Validar esse índice conosco

O cérebro da empresa

Dado no silo responde a área.
Dado relacionado responde o negócio.

Toda pergunta que um diretor faz de verdade atravessa três ou quatro sistemas que nunca se falaram. Por isso a resposta levava uma semana e chegava velha. Quando o conhecimento da empresa inteira vira uma malha única, com permissão por área preservada, essa mesma pergunta passa a ter resposta em minutos, com a evidência anexada. É aí que a IA encosta em receita: não por escrever melhor, e sim por encurtar a distância entre perceber e decidir.

Ilustração da malha de conhecimento de uma empresa: 10 domínios de dado, cada um com a sua nuvem de registros, e 12 pontes acesas ligando domínios diferentes. Cada ponte representa uma pergunta de negócio que só é respondível quando dois sistemas que não se falavam passam a se falar.

ERP e financeiro Comercial e CRM E-commerce Logística Service desk Infraestrutura Segurança Pessoas Marketing Documentação
  • O que a empresa já tem registro, documento e log, cada um no seu sistema
  • O que só existe relacionado a pergunta de negócio que morre dentro de um silo

A malha está em tom neutro e só as pontes acendem, e isso é o argumento da figura: o valor não está em ter os dados, está em eles se tocarem. Ilustração da estrutura de domínios que quase toda empresa tem, e não captura de tela de um cliente. O desenho de cada nó é arranjo, não medida.

A mesma malha, seis leituras

Cada cadeira pergunta uma coisa diferente, e cada resposta cruza domínios diferentes. É a mesma base: o que muda é o recorte e a permissão.

  • Board

    Conselho

    O plano está de pé, e o que mudou desde a última reunião?

    • ERP e financeiro
    • Comercial e CRM
    • Marketing
    antes
    pacote fechado no mês anterior
    com a malha
    a mesma leitura, com o dado de ontem

  • CEO

    CEO

    Por que a margem caiu, e onde exatamente?

    • ERP e financeiro
    • Logística
    • Comercial e CRM
    antes
    três áreas extraindo, uma semana até conciliar
    com a malha
    a decomposição na tela, com o número que sustenta

  • COO

    Diretor de operações

    Onde o pedido trava antes de sair?

    • E-commerce
    • Logística
    • Service desk
    antes
    planilha por transportadora, atualizada na segunda
    com a malha
    o gargalo apontado enquanto ele acontece

  • CFO

    Diretor financeiro

    Quanto custa servir cada cliente, de verdade?

    • ERP e financeiro
    • Logística
    • Service desk
    antes
    rateio por média, que esconde o cliente que dá prejuízo
    com a malha
    custo por cliente, com frete, devolução e chamado dentro

  • CTO

    Diretor de tecnologia

    Que mudança causou este incidente?

    • Service desk
    • Infraestrutura
    • Documentação
    antes
    correlação na memória de quem estava de plantão
    com a malha
    a janela de deploy e o chamado ligados automaticamente

  • CISO

    Diretor de segurança

    Este acesso ainda deveria existir?

    • Segurança
    • Pessoas
    • Infraestrutura
    antes
    revisão trimestral, feita a partir de exportação
    com a malha
    divergência entre quadro e permissão, apontada no dia

O laço, e onde a pessoa entra

A máquina lê, relaciona e propõe. Quem decide continua sendo gente, e o que foi decidido volta para a malha. Autonomia total só existe no que foi explicitamente delegado, e nunca em ação sensível, financeira ou de acesso.

  1. 01

    Relaciona

    A malha liga dado de sistema, documento e conversa, com permissão por área preservada.

  2. 02

    Observa

    Agentes especialistas leem a malha o tempo todo e comparam com o que era esperado.

  3. 03

    Propõe

    O que foge do esperado vira hipótese com evidência anexada, e não alerta solto.

  4. 04

    Decide

    A pessoa aprova, ajusta ou recusa. Ação sensível, financeira ou de acesso nunca é automática.

    humano
  5. 05

    Executa

    O que foi aprovado roda nos sistemas de origem, com log de cada passo.

  6. 06

    Aprende

    O resultado volta para a malha, e a próxima proposta nasce com esse retorno dentro.

10 domínios, 12 pontes desenhadas e uma permissão por área que não se perde no caminho: quem não podia ver o dado no sistema de origem continua não podendo ver na resposta.

Torre de controle

O board não precisa de relatório.
Precisa da cadeia, ao vivo.

A torre não é o painel do time técnico. É onde o conselho e a diretoria enxergam a companhia inteira, elo por elo, com cada indicador operado por IA e apontando desvio antes de virar problema. O Command Center e o SOC continuam existindo, e agora são o que alimenta essa vista, e não o que ela é.

O que sobe para o board

A cadeia, elo por elo

  1. 01

    Demanda

    atrair e qualificar quem pode comprar

    • Custo de aquisição CMO Operado por IA
    • Qualidade do lead CMO Operado por IA

    também chamado de marketing, geração de leads, tráfego

  2. 02

    Venda

    converter interesse em pedido, dentro da margem

    • Conversão por etapa CRO Operado por IA
    • Margem da proposta CFO Híbrido

    também chamado de comercial, funil, e-commerce, licitação

  3. 03

    Suprimento

    ter o que vender, sem parar dinheiro em estoque

    • Ruptura e excesso COO Operado por IA
    • Custo de reposição CFO Híbrido

    também chamado de compras, contratos, capacidade, licenças

  4. 04

    Operação

    produzir ou executar o que foi vendido

    • Disponibilidade CTO Operado por IA
    • Retrabalho COO Híbrido

    também chamado de fábrica, projeto, plataforma, atendimento

  5. 05

    Entrega

    colocar na mão do cliente no prazo combinado

    • Prazo cumprido COO Operado por IA
    • Custo por entrega CFO Operado por IA

    também chamado de logística, implantação, go-live, provisionamento

  6. 06

    Pós-venda

    manter o cliente, e descobrir cedo quando ele vai embora

    • Risco de churn CRO Operado por IA
    • Custo de servir CFO Híbrido

    também chamado de suporte, sucesso do cliente, garantia, renovação

  7. 07

    Financeiro

    fechar a conta e dizer se o mês deu certo

    • Margem por linha CFO Híbrido
    • Ciclo de caixa CFO Humano

    também chamado de controladoria, faturamento, cobrança

Quem opera cada número

  • Operado por IA o agente calcula, compara com o esperado e avisa quando desvia. A pessoa olha o que foi apontado, não a planilha inteira.
  • Híbrido a IA prepara e propõe, a pessoa confirma. É onde estão os números que dependem de julgamento ou de contrato.
  • Humano continua sendo decidido por gente, com a IA só organizando o material. Ninguém automatiza o que responde ao auditor.

A cadeia acima é genérica de propósito, e é isso que faz a mesma torre servir a negócios diferentes: varejo, indústria, serviço e software trocam os nomes dos elos, e não a forma. Dos 14 indicadores desenhados, 8 são operados por IA de ponta a ponta, e o resto continua passando por gente.

Em números

O que muda quando a operação
para de apagar incêndio.

O que saiu da mão de gente

o agente faz a pessoa faz

  • Tempo até resolver um incidente MTTR
    −84%

    Triagem e runbook executados pelo agente antes do acionamento humano

  • Alertas que chegam a um humano ruído operacional
    −82%

    Deduplicação e correlação automática com deploys e mudanças

  • Trabalho humano em procedimento repetitivo esforço manual
    −72%

    Runbook executado pelo agente, com a pessoa entrando só na exceção

  • Esforço de preparação para auditoria certificação
    −60%

    Evidência coletada continuamente, e não montada na semana da auditoria

  • Chamados de nível 1 service desk
    −54%

    Agentes resolvendo o repetitivo antes de virar ticket

E o que melhorou por outro caminho

  • NPS do atendimento satisfação
    +80%

    Disponibilidade e assertividade na solução: resolve na primeira, e resolve rápido

  • Custo mensal de nuvem AWS · Azure · GCP
    −41%

    Rightsizing contínuo, revisão de reservas e desligamento de ocioso

E onde a mudança é de ordem de grandeza

  • Análise de causa raiz

    25 a 30 min 60 segundos

    25 a 30× mais rápido

    O agente correlaciona alerta, mudança e log das camadas envolvidas antes de qualquer pessoa abrir terminal

  • Espera no atendimento

    mais de 30 min menos de 1 min

    mais de 30× menos espera

    O problema é resolvido antes de virar fila, e é isso que puxa o NPS

Faixas observadas nos nossos projetos. O número do seu ambiente sai do diagnóstico.

Ver os cases

Autonomia com controle

Nenhum agente nasce solto.
Ele conquista autonomia.

Todo agente começa apenas recomendando. Só avança de estágio quando a taxa de acerto no seu processo específico justifica, e nunca avança em ação sensível, financeira, legal ou de acesso.

Fluxo de um agente: recebe o alerta, investiga, resolve sozinho o que é de baixo risco e para para pedir aprovação humana no que é de alto impacto. Aprovado, executa em produção. Recusado, cancela e volta a recomendar.

Alerta: disco cheio produção, 3h12 Agente investiga lê log, correlaciona e planeja Ação de baixo risco limpa log rotacionado, sozinho Alto impacto? expandir volume em produção ? Produção executa e registra Recusado cancela e registra sim não volta a recomendar

O agente parou aqui e está esperando. O que você faz?

  1. Assistiva

    A IA recomenda a ação. O humano executa.

    Ponto de partida para todo agente novo: o modelo sugere, a pessoa decide. Serve para calibrar acerto antes de qualquer automação.

  2. Semi-autônoma

    A IA executa passos aprovados, com validação humana em pontos de controle.

    O agente conduz o fluxo e para nos checkpoints definidos. É o estágio em que a maior parte dos processos se estabiliza.

  3. Autonomia controlada

    A IA executa processos delimitados de ponta a ponta, dentro de política, risco e auditoria.

    Reservado a processos bem compreendidos, com fallback, rollback e log completo. Ação sensível, financeira ou de acesso continua exigindo aprovação humana.

O que todo agente carrega, sem exceção

Antes de qualquer agente entrar em produção, estes seis itens estão declarados e testados. Não é checklist de boa intenção: é o que separa automação auditável de robô solto na rede corporativa.

  • Ferramentas e sistemas que ele tem permissão de acessar
  • Ações que ele tem permissão de executar
  • Limiares de confiança e gatilhos de exceção
  • Log de auditoria e observabilidade de cada decisão
  • Mecanismos de fallback e rollback
  • Aprovação humana obrigatória em ação sensível, financeira, legal ou de acesso

Agentes por área

O que eles fazem na prática.

Vista de cima de uma operação com IA. Cada sala é um setor, cada etiqueta é um agente, e o número de pessoas orquestrando está em cada sala: a IA não esvazia a sala, ela muda quem faz o quê dentro dela.

Planta do escritório · vista superior

41 agentes 16 pessoas 10 setores

Planta de um escritório visto de cima, com um setor por sala. Em cada estação de trabalho há um monitor aceso e a figura de quem opera: pessoas, com cabeça redonda, e agentes de IA, com cabeça quadrada e antenas. Há salas de reunião, copa, escada e um corredor central.

circulação Sala de reunião Copa Sala de reunião Escada Área aberta A-01 Atendimento e service desk A-02 Infraestrutura e NOC A-03 Segurança e SOC A-04 Dados e conhecimento A-05 Financeiro A-06 Comercial e pré-venda A-07 Logística e operação de loja A-08 Pessoas A-09 Engenharia T-00 Torre de controle N

Da ocupação total, 72 por cento são agentes de IA e 28 por cento são pessoas.

57 estações
  • 72% agentes de IA 41 estações
  • 28% pessoas 16 estações
  • torre de controle opera as outras salas

Cada sala é um setor, e a ocupação de cada uma é a composição declarada nos dados: uma estação por agente, uma por pessoa que orquestra. São tipos de agente que construímos, e não o inventário de um cliente.

Atendimento AI-first

O service desk deixa de ser fila
e vira fluxo.

A IA não entra aqui como chatbot. Ela vira uma camada operacional dentro do ciclo de atendimento, ajudando a organização a receber, entender, priorizar, rotear, apoiar e resolver com mais velocidade e consistência.

4 A IA executa 2 A IA propõe e para 3 A pessoa decide

010203040506070809
A IA executa humano audita depois
01

Monitoramento e evento

Deduplica, correlaciona com deploy e mudança, e descarta o que é ruído conhecido.

02

Central de serviços

Registra, classifica, atribui prioridade e pede o que falta antes de abrir.

03

Requisição de serviço

Resolve o que está no catálogo de ponta a ponta, dentro do escopo autorizado.

07

Gestão de conhecimento

Escreve o artigo a partir do chamado resolvido e marca o que ficou obsoleto.

A IA propõe e para esperando aprovação
04

Gestão de incidente

Investiga, monta o plano e executa runbook. Para e pede aprovação no que é destrutivo.

08

Nível de serviço

Mede, aponta o que saiu da faixa e escreve o relatório. A conversa de SLA é humana.

A pessoa decide a IA prepara o material
05

Habilitação de mudança

Prepara o registro, o plano de retorno e a análise de risco. Quem aprova é o comitê.

06

Gestão de problema

Agrupa incidentes recorrentes e levanta a evidência. A causa raiz é conclusão humana.

09

Melhoria contínua

Traz o padrão que ninguém tinha visto. O que entra no backlog é decisão do time.

A ordem é a do caminho de um chamado, da entrada ao fechamento. O que sobe e desce entre as raias é o grau de autonomia: ele é decidido prática por prática, e não uma vez para a operação inteira. Mudança e problema ficam com gente de propósito, porque as duas terminam em julgamento, não em execução.

  1. Entrada e compreensão

    A IA recebe a solicitação por portal, e-mail, chat, formulário ou ferramenta de colaboração. Interpreta a intenção, extrai os detalhes relevantes, detecta sinal de urgência e monta um entendimento estruturado do caso.

  2. Classificação e triagem

    Com base em conteúdo, histórico, base de conhecimento, regra de negócio e definição de SLA, classifica o chamado, determina categoria e severidade, identifica caso sensível e decide o próximo passo.

  3. Uso do conhecimento

    Busca no conhecimento interno aprovado (procedimento, política, resolução anterior) para propor a melhor ação. Redige resposta ao usuário, recomenda passo de diagnóstico e resume o que é complexo.

  4. Roteamento e orquestração

    Encaminha ao time, fila ou grupo resolvedor correto. Integrada aos sistemas corporativos, dispara ações aprovadas: abre solicitação derivada, enriquece o caso com contexto e pede a informação que falta.

  5. Aceleração da resolução

    Em pedido repetitivo ou de baixo risco, resolve ou automatiza parte do caminho. Em caso complexo, acelera o analista com resumo, sugestão de próximo passo e nota de repasse estruturada.

  6. Melhoria contínua

    O modelo aprende com desfecho de chamado, avaliação de qualidade, tempo de resolução, padrão de escalonamento, lacuna de conhecimento e falha de SLA, refinando classificação, cobertura e roteamento.

Onde o modelo roda

Qualquer modelo. Onde o seu dado deixar.

Não somos revenda de nenhum fornecedor de IA, então a escolha do modelo é técnica: o que resolve a tarefa pelo menor custo, no lugar em que o dado pode estar. Trocar de modelo depois é configuração, não reescrita.

Custo, capacidade e objetivo

22 modelos em operação, 11 deles rodam dentro de casa

125× entre a ponta cara e a ponta barata

Mapa de vinte e dois modelos de linguagem, com o custo por milhão de tokens no eixo horizontal, em escala logarítmica, e quatro faixas de capacidade no eixo vertical: volume e latência, trabalho em escala, cavalo de batalha e fronteira. Cada faixa diz para que serve. A cor separa três licenças: proprietário só por API, peso aberto com licença restrita, e open source com licença permissiva.

Volume e latência o custo por chamada é o que decide Trabalho em escala precisa pensar, mas não muito Cavalo de batalha onde vive quase todo agente de produção Fronteira raciocínio longo e decisão difícil US$ 0,1 US$ 0,3 US$ 1 US$ 3 US$ 10 custo por milhão de tokens · escala logarítmica mais caro → capacidade Phi-4 Gemma 3 Gemini Flash-Lite GPT-5 nano Mistral Small Claude Haiku Llama 4 Scout Gemini 2.5 Flash Llama 3.3 70B DeepSeek V3 Qwen 2.5 72B GPT-5 mini Llama 4 Maverick DeepSeek R1 Command R+ Mistral Large Claude Sonnet Grok Gemini 2.5 Pro GPT-5 o3 Claude Opus

A cor é a licença, e ela decide se o modelo pode entrar no seu datacenter: proprietário só existe por API; peso aberto baixa e roda, mas a licença restringe o uso comercial; open source é Apache 2.0 ou MIT, e roda onde você quiser. O eixo horizontal é ordem de grandeza a partir de preço de tabela público, e não tabela de preço: preço muda com frequência, varia por região, contrato e volume, e cai a cada geração. O eixo vertical é faixa ordenada, e não nota de prova: entre modelos vizinhos a ordem troca conforme o benchmark, mas a faixa se mantém, e é a faixa que decide projeto. A altura dentro de uma faixa é só arrumação para os nomes não se empilharem. Modelo novo sai toda semana; a forma do mapa é o que não muda.

custo total

Custo total conforme o uso cresce, em três zonas. Na primeira a nuvem pública é a mais barata, na segunda a enterprise passa a compensar, e na terceira a opção local fica mais barata. O eixo vertical não tem escala.

uso, ao longo do tempo Início Nuvem pública Previsível Enterprise Alto e constante Local / on-premise Nuvem pública Enterprise Local / on-premise

Passe o ponteiro sobre o gráfico, ou use as setas do teclado, para ver a ordem de custo em cada momento

O eixo vertical não tem escala, e isso é deliberado: preço depende de modelo, região, contrato e volume, e número inventado aqui valeria menos que nada. A figura afirma o formato da conta, onde ela vira e qual é o piso quando a escolha é a certa em cada momento. O número do seu caso sai do diagnóstico.

O que o custo diz, e o que a estratégia diz

  • Começando

    piloto, volume irregular, primeiro caso de uso

    o custo diz Nuvem pública é a mais barata aqui
    a estratégia diz Se a tarefa toca dado sensível, o certo é local desde o primeiro dia. Migrar depois custa mais do que começar certo.

    a estratégia ganha

  • Volume previsível

    uso constante, jurídico pedindo contrato

    o custo diz Enterprise passa a compensar
    a estratégia diz É também quando contrato e isolamento passam a ser exigidos. Custo e estratégia apontam para o mesmo lado, e a decisão fica fácil.

    as duas concordam

  • Volume alto e constante

    operação madura, uso que não cai

    o custo diz Local fica mais barato
    a estratégia diz Só vale se houver quem opere. Hardware sem time de plantão é economia no papel e indisponibilidade na prática.

    a estratégia limita

  • Nuvem pública

    Bedrock, Azure OpenAI, Vertex, API direta

    o dado
    sai do perímetro, na região que você escolher
    a conta
    some quando não usa, e cresce com o uso
    modelos típicos
    Claude · GPT · Gemini

    decide quando velocidade importa mais que controle

  • Enterprise

    contrato corporativo com isolamento

    o dado
    sai, mas fora do treinamento do fornecedor
    a conta
    um compromisso na base, e o uso por cima
    modelos típicos
    Claude · GPT · Gemini

    decide quando o jurídico precisa de contrato assinado

  • Local / on-premise

    modelo aberto no seu datacenter

    o dado
    não sai, e é por isso que existe
    a conta
    caro para montar, barato para usar muito
    modelos típicos
    Llama · Mistral · Qwen

    decide quando o dado não pode sair, e ponto

Híbrido Na prática é o que quase todo mundo acaba operando, e não é indecisão: é a leitura correta de que as três zonas coexistem dentro da mesma empresa. O que é público roda barato na nuvem, o que é sensível fica dentro, e o roteamento é regra de classificação, não escolha caso a caso.

Claude, GPT, Gemini, Llama, Mistral, Qwen e modelos abertos auto-hospedados, via Bedrock, Azure OpenAI, Vertex, API direta, vLLM ou Ollama.

Governança de IA É o gateway que faz isso ser verdade. Uma porta única para toda chamada de IA da empresa: chave virtual por aplicação, teto de gasto por time, política de dado aplicada antes do envio e trilha de auditoria. Somos especialistas na implantação, com o LiteLLM, dentro da sua infraestrutura. Ver o gateway de LLM

Princípios inegociáveis

Não são diretrizes.
São requisitos de operação.

Toda frente, toda iniciativa e todo deploy do programa precisa se alinhar a estes quatro princípios. Quando um deles não pode ser cumprido, a iniciativa não sobe, e dizemos isso antes, não depois.

Segurança e privacidade primeiro

O NIST AI RMF é a base. Segurança é requisito de partida, não consideração de última hora: mascaramento, anonimização, proteção de dado pessoal e defesa contra ataque adversarial entram no primeiro dia.

NIST AI RMF

Responsabilidade e FinOps

Custo de token, de modelo e de API gerido com rigor e transparência. Toda iniciativa precisa demonstrar valor de negócio claro e ser acompanhada por prática de FinOps para escalar de forma sustentável.

FinOps · Orientado a valor

Governança e conformidade

A plataforma se alinha às práticas de gestão de serviços de TI, governança de IA e uso responsável de dado. Fica definido quem decide, quem executa e quem audita. Conformidade com a LGPD não é negociável.

ITIL · ISO/IEC 42001 · LGPD

Agilidade com alinhamento

Método ágil transforma experimento em capacidade de produção, apoiado em benchmark de mercado e referência comprovada. Inovação com velocidade, mas sempre ancorada em evidência e priorização.

Ágil · Evidência · Priorização

Traduzido para controle técnico

  • Cada ferramenta que o agente acessa é declarada, escopada e revogável
  • Ação destrutiva ou de alto impacto para e pede aprovação humana
  • Toda execução registrada: entrada, raciocínio, ferramenta, resultado e quem aprovou
  • Classificação do que pode sair do perímetro, com roteamento automático
  • Conjuntos de teste com caso real rodando a cada mudança de prompt ou modelo
  • Cota e teto de custo por time e caso de uso, com alerta e corte automático

Como conduzimos

Do diagnóstico à autonomia do seu time.

Prazos de programas que já conduzimos. Cada fase tem entregável definido e ponto de saída: você pode parar em qualquer uma sem ficar com meia solução no ar. Um ciclo inicial de seis meses costuma ser o horizonte certo: tempo suficiente para provar valor com caso real, não só para produzir plano.

  1. Diagnóstico e mapa

    2 a 3 semanas

    Rodamos o AIMI: medimos maturidade nos seis pilares, mapeamos processos, dados e sistemas e devolvemos a pilha das seis camadas aplicada à sua empresa: o que já existe, o que falta e em que ordem construir. Inclui os casos de uso que recomendamos não fazer.

    Entregável Índice AIMI, backlog priorizado e business case

  2. Fundação

    4 a 8 semanas

    Gateway de modelos, pipeline de dados, política de uso, controle de custo e observabilidade. É a camada que ninguém quer pagar e sem a qual tudo depois vira retrabalho. Por isso entregamos ela junto com o primeiro caso de uso, para o valor aparecer desde já.

    Entregável Plataforma de IA operante + primeiro caso de uso em produção

  3. Escala por área

    ciclos de 6 semanas

    Conhecimento e agentes sobem área por área, em ciclos curtos. Cada ciclo tem métrica de sucesso acordada antes de começar e ponto de saída: você pode parar quando quiser sem ficar com meia solução no ar.

    Entregável Agentes em produção por área, com métrica auditada

  4. Torre e autonomia

    contínuo

    Tudo passa a ser operado da torre de controle, com SLA. Em paralelo, transferimos as práticas para o seu time, com prazo e critério de saída definidos. Transformação que depende do fornecedor para sempre não é transformação.

    Entregável Operação com SLA e time capacitado para conduzir sem apoio externo

Operamos como um time só de entrega: co-responsabilidade com as áreas de negócio e de tecnologia, e transferência de conhecimento para a organização escalar com autonomia, não como fornecedor que entrega apresentação e sai.

Como medimos

O programa não é medido por
ferramenta lançada. É medido por impacto.

Estes são os indicadores executivos que acordamos antes de começar. Os valores refletem o resultado médio observado em doze meses de organizações que operam com modelo de IA estruturado e disciplina de governança.

  • +10%

    Aumento de receita

    Vindo de venda assistida por IA, entrega mais rápida, jornada de cliente melhor e capacidades novas habilitadas pela tecnologia.

  • 20%

    Economia realizada

    De automação, redução de esforço manual, racionalização de ferramenta e mais eficiência na operação de serviço.

  • 41%

    Ganho de eficiência

    Em velocidade, vazão, consistência e capacidade de execução, puxado por assistentes e operações autônomas.

Os OKRs de IA que acompanhamos

  • Adoção e uso ativo das capacidades de IA aprovadas
  • Número de iniciativas de IA em produção com valor mensurável
  • Ganho de eficiência nos fluxos e operações de serviço alvo
  • Redução de esforço manual nos processos selecionados
  • Impacto financeiro gerado em receita ou em custo
  • Aderência a segurança, confiança e conformidade nas soluções entregues

O que dizemos antes, não depois

  • As áreas de negócio e de tecnologia vão precisar de apoio estruturado, treinamento e caminho claro de capacitação para sair da curiosidade e chegar à adoção prática.
  • Vai existir a necessidade de equilibrar velocidade e guardrail: permitir experimentação sem perder controle.
  • Alguns casos de uso provam valor rápido; outros exigem preparação maior em dado, sistema ou clareza de processo.
  • A organização vai precisar de patrocínio executivo visível e comunicação recorrente para manter o ritmo.
  • A vantagem de longo prazo vem de construir capacidade repetível, não de piloto isolado.

Lentes de referência que aplicamos

  • NIST AI RMF
  • ISO/IEC 42001
  • ITIL 4
  • LGPD
  • McKinsey State of AI
  • PwC Responsible AI
  • Deloitte AI Governance
  • BCG Workforce Transformation

Operamos no dia a dia

Vamos descobrir em qual camada a sua empresa está?

Uma sessão técnica sem custo: aplicamos o AIMI no seu ambiente e devolvemos a leitura das seis camadas para o seu caso, com a ordem de prioridade e o que ainda não se justifica.

Falar com um especialista +55 11 4193 5660