FAQ sobre Artificial Intelligence

O diagnóstico inicial leva 2 semanas. Depois dele, a duração depende do escopo. Um modelo preditivo simples (por exemplo, previsão de churn com uma única fonte de dados) costuma ficar pronto em 6 semanas, contando preparação de dados, treinamento e implantação.

Projetos que envolvem múltiplas fontes de dados, integração com sistemas legados ou visão computacional com câmeras em tempo real podem levar de 12 a 16 semanas. Dividimos o cronograma em sprints de 2 semanas, cada um com entregáveis que você revisa antes de seguirmos adiante.

O diagnóstico de viabilidade é gratuito para novos clientes. A partir da fase de engenharia de features, cobramos por etapa, com valores fixos definidos na proposta. O menor projeto que já executamos custou R$ 28.000 (um classificador de tickets de suporte para uma fintech com 50 mil registros mensais).

Não trabalhamos com hora avulsa. Preço fixo por etapa significa que, se levarmos mais tempo do que o previsto, o custo extra é nosso.

Não é obrigatório. Entregamos o projeto pronto para uso, com documentação, API documentada e treinamento para quem for operar o sistema. Se você tiver desenvolvedores internos, integramos o trabalho ao fluxo deles via Git e fazemos pair programming durante a fase de implantação.

Alguns clientes optam por contratar nosso pacote de suporte mensal após a entrega, que inclui monitoramento, retreinamento e ajustes pontuais. Outros internalizam a operação depois de 3 meses. Ambos os caminhos funcionam.

Sim. Assinamos NDA antes de receber qualquer dado. Para projetos na área de saúde, seguimos as diretrizes da LGPD e, quando o cliente opera internacionalmente, também do GDPR. Dados são processados em ambientes isolados com criptografia em repouso e em trânsito (AES-256 e TLS 1.3).

Já trabalhamos com prontuários eletrônicos anonimizados para uma rede de clínicas e com dados transacionais de uma operadora de cartão de crédito. Em ambos os casos, nenhum dado pessoal identificável saiu do ambiente controlado do cliente.

Definimos métricas de sucesso (acurácia, recall, F1-score ou erro absoluto médio, dependendo do problema) na proposta, antes de começar. Se durante a etapa de validação o modelo não atingir os limites acordados, temos duas opções: iterar com novas features e algoritmos sem custo adicional (até duas rodadas extras) ou encerrar o projeto sem cobrança da etapa final.

Isso raramente acontece porque o diagnóstico inicial já identifica se os dados disponíveis são suficientes para resolver o problema. Se não forem, dizemos isso na fase 1, antes de qualquer investimento significativo.

Você. Todo o código fonte, os artefatos de modelo treinado, os pipelines de dados e a documentação são entregues ao cliente ao final do projeto. Usamos repositórios Git privados na conta do cliente desde o primeiro commit. Não retemos nenhuma cópia após o encerramento do contrato.

Sim. Incluímos até 8 horas de treinamento prático no escopo padrão de cada projeto. Esse treinamento cobre a operação do modelo em produção, a leitura do dashboard de monitoramento e os procedimentos de retreinamento.

Se a sua equipe quiser ir além e aprender a desenvolver novos modelos internamente, oferecemos workshops de 3 dias focados em Python, scikit-learn e MLOps. Esses workshops são cobrados separadamente.

Varejo (previsão de demanda e recomendação de produtos), logística (otimização de rotas e previsão de atrasos), saúde (triagem de exames e análise de prontuários), fintechs (detecção de fraude e scoring de crédito) e indústria (inspeção visual de qualidade em linha de produção). Cada setor tem particularidades nos dados, e é por isso que o diagnóstico inicial é tão importante.