Nosso processo de Artificial Intelligence

Diagnóstico e mapeamento de dados

Duração: 2 semanas. Entrevistamos as equipes que geram e consomem dados no seu negócio. Catalogamos tabelas, APIs, planilhas e bancos legados. O entregável é um relatório de viabilidade com três cenários de projeto ranqueados por impacto financeiro estimado.

Nessa fase identificamos lacunas de qualidade nos dados. Se faltam registros ou há inconsistências, propomos um plano de limpeza antes de avançar, porque um modelo treinado com dados ruins produz previsões ruins.

Preparação e engenharia de features

Duração: 2 a 3 semanas. Criamos pipelines automatizados de extração, transformação e carga (ETL) que alimentam o ambiente de treinamento. Cada variável passa por análise exploratória: distribuição, correlação e teste de relevância.

Documentamos todas as transformações em um catálogo de features versionado. Isso garante que qualquer engenheiro consiga reproduzir o processo meses depois, sem depender de quem o construiu originalmente.

Treinamento e experimentação

Duração: 2 a 4 semanas. Testamos pelo menos três famílias de algoritmos (por exemplo, gradient boosting, redes neurais e modelos lineares regularizados) e registramos métricas de cada experimento em um tracker de MLOps.

Você recebe acesso ao dashboard de experimentos para acompanhar acurácia, recall, precisão e tempo de inferência. Não escolhemos o modelo mais complexo por padrão: priorizamos o que entrega o melhor equilíbrio entre performance e custo de manutenção.

Validação com dados reais

Duração: 1 semana. Antes de ir para produção, rodamos o modelo em paralelo com o processo atual do cliente. Comparamos as previsões do modelo com os resultados reais daquele período. Essa etapa evita surpresas: se a performance cair em dados que o modelo nunca viu, ajustamos antes de virar a chave.

Implantação em produção

Duração: 1 a 2 semanas. Empacotamos o modelo como uma API REST documentada com Swagger. Configuramos autoscaling, logging e alertas de latência. A integração com o sistema do cliente (ERP, CRM, BI) acontece nessa fase, com testes de ponta a ponta.

Oferecemos duas opções de infraestrutura: conta na nuvem do cliente (ele paga diretamente ao provedor) ou ambiente gerenciado por nós, com SLA de 99,5% de disponibilidade.

Monitoramento e retreinamento

Duração: 12 meses incluídos. Configuramos alertas de drift estatístico que disparam quando a distribuição dos dados de entrada se afasta do perfil de treinamento. Quando isso acontece, o pipeline de retreinamento é acionado automaticamente, e a nova versão do modelo só substitui a anterior após passar nos mesmos testes de validação da etapa 4.

Enviamos um relatório mensal com métricas de performance, volume de requisições e custo de infraestrutura. Se precisar de ajustes no escopo, renegociamos de forma transparente.