Inteligência artificial aplicada ao negócio
Construímos funcionalidades de inteligência artificial que resolvem um problema concreto: marcar sem telefonema, identificar uma espécie por som, ler um documento e extrair o que interessa. Temos duas em produção nos nossos próprios produtos, com utilizadores reais — não em apresentações.
O ponto de partida
A pergunta certa não é o que a IA consegue fazer.
É que problema da empresa é que fica mais barato de resolver com ela. Quase tudo o que se faz num dia de trabalho resolve-se melhor com uma regra fixa, que é previsível e custa cêntimos. A inteligência artificial entra quando é preciso interpretar — linguagem, som, imagem, texto livre.
Onde compensa
Entender o que uma pessoa escreveu e agir em conformidade. Classificar e resumir o que entra. Reconhecer o que está numa fotografia ou num som. Extrair dados de documentos que chegam em formatos diferentes.
Onde não compensa
Mover um ficheiro de um sítio para outro, somar valores, enviar um email às nove da manhã. Para isso existe automação, que é mais barata, mais rápida e nunca inventa nada.
Em produção
Duas funcionalidades que pode ir experimentar.
Não são protótipos nem demonstrações preparadas. São produtos nossos, a funcionar com utilizadores reais, onde vivemos com as decisões técnicas que tomámos — que é o que muda a forma de as tomar.
MyBarber · marcação por conversa
Um assistente marca o serviço dentro de uma conversa, sem telefonema e sem passar pelo WhatsApp. Percebe o que a pessoa quer, confirma a disponibilidade real na agenda e fecha a marcação.
À volta disso está o sistema completo: agenda da barbearia e agenda própria de cada barbeiro, com bloqueio de horários e definição dos dias de trabalho; painel financeiro em que cada marcação entra como receita; e ficha de cliente com o gasto acumulado e a frequência — novo, regular ou VIP.
Nura · identificação por som e por imagem
Motores diferentes para sinais diferentes. O som é analisado por um motor de bioacústica de referência internacional, do Cornell Lab of Ornithology. A imagem é identificada por um modelo da OpenAI, escolhido por ter tido a melhor precisão nos nossos testes de campo — pela câmara, em realidade aumentada, ou a partir de uma fotografia já existente na galeria do telemóvel.
O resultado não fica na identificação. Alimenta um painel com espécies, densidade por território e indicadores para quem administra o território, hoje em 36 regiões do Continente, dos Açores e da Madeira. E uma segunda camada de análise de áudio produz indicadores de ruído e de qualidade acústica, usados em relatórios de sustentabilidade pelos parceiros.
Dois casos, duas lições diferentes. No MyBarber, o valor está em a conversa terminar numa marcação real — um assistente que percebe e não agenda não serve de nada. Na Nura, está em escolher o motor certo para cada tipo de sinal — e em perceber que a mesma captação de áudio, analisada de outra forma, passa a valer como indicador ambiental.
Aplicações
Onde costuma valer a pena numa empresa.
Tarefas concretas, com um resultado que se mede. Nenhuma delas exige transformar a empresa nem substituir os sistemas que já existem.
Atendimento que resolve
Responder às perguntas que se repetem e concluir o pedido — marcar, registar, encaminhar. Um assistente que só conversa acrescenta um passo em vez de o retirar.
Leitura de documentos
Faturas, guias, encomendas e formulários que chegam em formatos diferentes, com os dados extraídos e validados antes de entrarem no sistema.
Triagem do que entra
Classificar e encaminhar pedidos por assunto, urgência ou equipa, para que cada pessoa receba só o que lhe diz respeito.
Reconhecimento de som e imagem
Identificar o que está numa fotografia ou num registo áudio — inspeção, catalogação, controlo de qualidade, biodiversidade. E medir o próprio ambiente sonoro, para indicadores de ruído e de sustentabilidade.
Resumo e preparação
Transformar muito texto em pouco: histórico de um cliente antes de uma reunião, o essencial de um relatório, o que mudou desde a última vez.
Pesquisa sobre o que é vosso
Perguntar em linguagem natural sobre os documentos e dados da empresa, com a resposta a indicar de onde veio — e a dizer quando não sabe.
Como se constrói
Primeiro provar, depois pôr em produção.
A diferença entre uma demonstração que impressiona e uma funcionalidade que aguenta o dia a dia está no que acontece quando o modelo erra. É por isso que a validação vem antes de qualquer integração.
Delimitar
Que tarefa, com que dados, e qual é o critério de sucesso. Se não for possível escrever o que é uma boa resposta, ainda não há projeto.
Provar
Uma prova de conceito com casos reais da empresa, incluindo os difíceis. Mede-se o acerto e mostra-se o erro — não só os exemplos que correm bem.
Integrar
A funcionalidade entra onde o trabalho já acontece, com uma pessoa a validar o que é crítico e um caminho manual sempre disponível.
Vigiar
Registo do que foi pedido e do que foi respondido, revisão periódica dos erros e ajuste. Um modelo que ninguém vigia degrada-se sem avisar.
Dados e limites
O que é preciso decidir antes de começar.
Estas decisões condicionam a arquitetura e são caras de alterar depois. Tomam-se no início, por escrito, e não a meio.
Que dados podem sair
Há informação que pode ser enviada a um serviço externo e outra que não. Isso decide-se antes e limita as opções técnicas — não ao contrário.
Quem valida o quê
Onde a resposta vai direta para o cliente e onde passa por uma pessoa. Quanto maior o custo do erro, mais cedo entra a validação humana.
O que fica registado
Pedidos, respostas e decisões guardados, para se poder auditar, corrigir e responder a quem perguntar porquê.
Um modelo de linguagem produz sempre uma resposta, mesmo quando não sabe. Por isso nada de crítico avança sem verificação, e por isso há sempre uma forma de fazer à mão o que a funcionalidade faz sozinha.
Adequação
Para quem serve, e para quem não serve.
Faz sentido se
- Há uma tarefa que exige interpretar texto, som ou imagem, e que se repete.
- Consegue descrever o que é uma resposta certa e uma resposta errada.
- Existem exemplos reais suficientes para validar antes de pôr em produção.
- Aceita que uma pessoa valide o que for crítico, ao menos no início.
Não faz sentido se
- O objetivo é ter inteligência artificial para dizer que se tem.
- A tarefa segue regras fixas. Aí uma automação faz melhor e custa muito menos.
- Não pode haver nenhum erro e não é possível rever nada antes de sair.
- Não há dados nem exemplos para trabalhar. Sem isso não se valida nada.
Perguntas frequentes
O que nos perguntam antes de começar.
Para que serve mesmo a inteligência artificial numa empresa pequena?
Para tarefas que exigem interpretar linguagem, som ou imagem e que se repetem muitas vezes: atender pedidos que se parecem uns com os outros, ler documentos em formatos diferentes, classificar o que entra. Fora disso, uma regra fixa costuma ser melhor — mais previsível, mais barata e sem risco de inventar.
Os dados da minha empresa ficam a treinar modelos de terceiros?
Depende do serviço contratado e das condições acordadas, e é uma das primeiras coisas que se define. Há configurações em que os dados não são usados para treino, e há casos em que a informação simplesmente não deve sair da empresa — e então a arquitetura é outra. Decide-se antes de construir.
E se a IA der uma resposta errada a um cliente?
É o risco que estrutura todo o projeto. Um modelo produz sempre uma resposta, mesmo quando não sabe. Por isso definimos onde a resposta vai direta e onde passa por uma pessoa, guardamos o registo do que foi dito, e mantemos sempre um caminho manual disponível.
Quanto tempo até estar a funcionar?
A prova de conceito com casos reais é rápida — é o que diz se vale a pena avançar. A integração no sítio onde o trabalho acontece é que leva o tempo, porque envolve os sistemas existentes e as regras de validação. Delimitamos e damos prazo por escrito antes de começar.
Precisa de integração com os sistemas que já uso?
Quase sempre, e é aí que os projetos descarrilam. Verificamos primeiro o que os seus sistemas disponibilizam para comunicar com o exterior. Quando não existe via oficial, dizemos qual é a alternativa e o que ela custa em fiabilidade, antes de prometer.
Que tarefas não devem ser entregues a inteligência artificial?
Decisões com consequências legais ou financeiras sem revisão humana, casos excecionais que acontecem uma vez por mês, e qualquer passo em que um erro silencioso saia caro. Nesses, a IA prepara e a pessoa decide — o que continua a poupar tempo.
Isto substitui o ChatGPT que a equipa já usa?
São coisas diferentes. Uma ferramenta genérica ajuda pessoas a escrever e a pensar. O que construímos é uma funcionalidade dentro do vosso produto ou processo: sabe as vossas regras, consulta os vossos dados e conclui a tarefa — marcar, registar, encaminhar.
Como se mede se está a valer a pena?
Pelo mesmo critério de qualquer automação: tempo devolvido, erros evitados e pedidos concluídos sem intervenção. Medimos antes e depois. Se a taxa de acerto não chegar para o caso, dizemo-lo — e às vezes a conclusão é não pôr em produção.
Que tecnologia usam?
Depende do sinal e do caso. Na Nura usamos um motor especializado em bioacústica para o som e um modelo da OpenAI para a imagem — que funciona tanto com a câmara aberta como com fotografias já guardadas no telemóvel — porque foi o que teve melhor precisão nos testes. Escolher o motor certo para cada tipo de tarefa vale mais do que usar o mesmo modelo para tudo.
E o enquadramento legal?
O tratamento de dados pessoais segue o RGPD e condiciona decisões de arquitetura desde o início — onde ficam os dados, o que fica registado, quem acede. Sistemas que interagem com pessoas devem deixar claro que estão a falar com um assistente, e nós construímos assim por omissão.
Primeiro passo
Traga a tarefa, não a tecnologia.
Descreva o que se repete e o que hoje obriga alguém a interpretar antes de agir. Dizemos se é caso para inteligência artificial, para uma automação simples, ou para nenhuma das duas — e essa última resposta também acontece.