Artificial Intelligence: perguntas frequentes

Reunimos as dúvidas mais comuns que recebemos por e-mail e durante os diagnósticos iniciais. Se a sua pergunta não estiver aqui, entre em contato pelo formulário.

Sobre projetos e preços

Questões relacionadas a escopo, investimento e prazos de entrega.

Uma prova de conceito custa a partir de R$ 18.000 e leva de duas a quatro semanas. Esse valor cobre a análise exploratória dos dados, o treinamento de um modelo inicial e um relatório com métricas de desempenho.

Projetos completos, que incluem integração com sistemas internos e monitoramento pós-entrega, variam entre R$ 45.000 e R$ 180.000 dependendo da complexidade. Enviamos um orçamento detalhado em até três dias úteis após o diagnóstico.

Provas de conceito ficam prontas em duas a quatro semanas. Projetos de porte médio (um modelo preditivo com dashboard) levam de seis a dez semanas. Projetos grandes, como um sistema de visão computacional com múltiplas câmeras, podem chegar a quatro meses.

Cada proposta inclui um cronograma com marcos quinzenais. Se um marco atrasar por responsabilidade nossa, o prazo final é estendido sem custo adicional.

Sim. Cerca de 40% dos nossos clientes faturam menos de R$ 5 milhões por ano. O tamanho da empresa importa menos do que a disponibilidade de dados e a clareza do problema a ser resolvido.

Para negócios menores, costumamos sugerir começar pela prova de conceito. Isso limita o investimento inicial e permite avaliar o retorno antes de avançar para um projeto maior.

É gratuito e sem compromisso. A reunião dura 45 minutos, pode ser presencial no nosso escritório em Brasília ou por videoconferência. Ao final, entregamos um documento de uma página com a nossa recomendação de abordagem técnica.

Se decidir não prosseguir, o documento é seu. Já tivemos casos em que o cliente usou a recomendação para contratar outra empresa meses depois, e não cobramos nada por isso.

Sobre dados e tecnologia

Como tratamos as informações da sua empresa e quais ferramentas utilizamos.

Não. Entregamos o projeto funcionando e treinamos a pessoa responsável por operá-lo. Pode ser alguém da área administrativa que saiba usar um navegador e uma planilha.

Se preferir, oferecemos um contrato de suporte mensal (a partir de 10 horas) para manter o modelo atualizado, resolver dúvidas e fazer ajustes pontuais. Muitos clientes sem equipe de TI optam por esse formato.

Todos os dados são transferidos por canais criptografados (TLS 1.3) e armazenados em servidores no Brasil. Assinamos um acordo de confidencialidade (NDA) antes de receber qualquer informação do cliente.

Ao final do projeto, os dados brutos são devolvidos e apagados dos nossos servidores em até 30 dias. Fornecemos um certificado de exclusão assinado digitalmente.

A maior parte dos modelos é desenvolvida em Python, usando bibliotecas como scikit-learn, PyTorch e LightGBM. Para pipelines de dados, trabalhamos com Apache Airflow e dbt. Dashboards são construídos com Metabase ou Streamlit, dependendo do caso.

Quando o cliente já possui infraestrutura em nuvem (AWS, GCP ou Azure), implantamos o modelo diretamente nela. Caso contrário, configuramos a infraestrutura como parte do projeto.

Isso é mais comum do que parece. Muitos clientes chegam com dados espalhados em planilhas, e-mails e sistemas legados. Parte do nosso trabalho é justamente estruturar esses dados antes de treinar qualquer modelo.

Cobramos essa etapa separadamente para que fique claro quanto do investimento vai para organização de dados e quanto vai para a construção do modelo em si. Em geral, a limpeza e estruturação consome entre 20% e 35% do orçamento total.

Sim. Cerca de metade dos projetos em andamento são para empresas em São Paulo, Belo Horizonte e Recife. Toda a comunicação acontece por videoconferência e ferramentas colaborativas.

Para projetos que exigem presença física (como instalação de câmeras para visão computacional), deslocamos um engenheiro até o local. O custo de viagem é incluído na proposta.

Glossário rápido de IA

Termos que usamos com frequência nas nossas conversas com clientes.

Machine learning

Subcampo da inteligência artificial em que algoritmos aprendem padrões a partir de dados históricos, sem serem programados explicitamente para cada regra.

Modelo preditivo

Um programa treinado para estimar um valor futuro (ex.: demanda de um produto na próxima semana) com base em dados passados.

NLP (processamento de linguagem natural)

Técnicas que permitem ao computador interpretar texto humano: classificar e-mails, extrair informações de contratos, responder perguntas em chatbots.

Visão computacional

Área da IA que analisa imagens e vídeos. Usada para inspeção de qualidade em fábricas, contagem de objetos e reconhecimento facial.

Pipeline de dados

Sequência automatizada de etapas que coleta, limpa, transforma e armazena dados para que fiquem prontos para análise ou treinamento de modelos.

Retreinamento

Processo de atualizar um modelo com dados novos para manter sua precisão ao longo do tempo. Modelos que não são retreinados tendem a perder acurácia.

Ainda tem dúvidas?

Envie sua pergunta pelo formulário de contato. Respondemos em até um dia útil.

Ir para o contato