FAQ: Artificial Intelligence na prática

Perguntas frequentes

• Quanto custa um projeto de inteligência artificial?

  Projetos de modelos preditivos começam a partir de R$ 25.000 para escopo reduzido: um modelo, um dataset, deploy via API REST. Projetos maiores com múltiplos modelos, integrações com ERP e dashboards de monitoramento variam entre R$ 60.000 e R$ 180.000.

  Enviamos orçamento fixo após o diagnóstico gratuito de 45 minutos. Não cobramos por hora: o preço acordado no contrato é o preço final, mesmo que o projeto demore mais do que o previsto por razões técnicas do nosso lado.

• Preciso ter uma equipe técnica interna?

  Não. Entregamos o projeto funcionando e treinamos a pessoa responsável na sua empresa para operar e monitorar o sistema. Esse treinamento dura entre 4 e 8 horas, dependendo da complexidade.

  Se você não tem ninguém disponível para essa função, oferecemos planos de suporte mensal a partir de R$ 3.500. O plano inclui monitoramento de performance do modelo, re-treinamento trimestral e atendimento por e-mail com SLA de 24 horas.

• Quanto tempo leva um projeto típico?

  Um modelo preditivo simples leva de 8 a 12 semanas, contando do kick-off até o deploy em produção. Projetos de NLP com chatbot ficam entre 6 e 10 semanas. Automação de processos pode ser entregue em 4 a 8 semanas, dependendo do número de integrações.

  Esses prazos assumem que o cliente fornece acesso aos dados na primeira semana. Atrasos no acesso a bancos de dados ou aprovações internas estendem o cronograma proporcionalmente.

• Meus dados ficam seguros com vocês?

  Sim. Assinamos NDA antes de receber qualquer dado. Todo o processamento acontece em ambientes isolados na nuvem (GCP ou AWS, conforme preferência do cliente) com criptografia em trânsito e em repouso.

  Ao final do projeto, excluímos todas as cópias dos dados do nosso ambiente e fornecemos um certificado de destruição. Se o cliente preferir, podemos trabalhar diretamente no ambiente de nuvem dele, sem que os dados saiam da sua infraestrutura.

• Que volume de dados é necessário para treinar um modelo?

  Depende do tipo de problema. Para classificação tabular (prever se um cliente vai cancelar, por exemplo), costumamos precisar de pelo menos 2.000 registros rotulados. Para visão computacional, 500 imagens anotadas já permitem um protótipo funcional, embora 2.000 a 5.000 imagens gerem resultados mais robustos.

  Se você tem poucos dados, avaliamos técnicas de data augmentation e transfer learning durante o diagnóstico. Em alguns casos, recomendamos começar com um sistema baseado em regras e migrar para IA quando o volume de dados crescer o suficiente.

• Vocês trabalham com empresas de qualquer setor?

  Temos experiência concentrada em quatro setores: logística, saúde, varejo e jurídico. Nesses segmentos, já acumulamos datasets de referência e benchmarks internos que aceleram o desenvolvimento.

  Aceitamos projetos em outros setores quando o problema é bem definido e os dados estão disponíveis. Na reunião de diagnóstico, avaliamos se temos competência técnica para entregar o resultado esperado. Se não tivermos, dizemos com franqueza e, quando possível, indicamos outro fornecedor.

• O que acontece se o modelo não atingir a acurácia combinada?

  Definimos métricas de sucesso no contrato (acurácia, F1-score, RMSE ou outra métrica relevante). Se o modelo não atingir o limiar combinado após duas rodadas de ajuste, o cliente tem direito a cancelar o projeto e pagar apenas pelas etapas concluídas até aquele ponto.

  Na prática, isso aconteceu em 3 dos 38 projetos que entregamos. Nos três casos, o problema era qualidade insuficiente dos dados de origem, não limitação do algoritmo. Por isso o diagnóstico inicial é tão importante: ele reduz o risco de surpresas.

• Vocês oferecem suporte após a entrega?

  Todo projeto inclui 60 dias de monitoramento pós-deploy sem custo adicional. Durante esse período, acompanhamos a performance do modelo em produção e corrigimos eventuais problemas.

  Depois dos 60 dias, o cliente pode contratar um plano de suporte mensal ou operar o sistema de forma independente com a documentação e o treinamento que entregamos. A maioria dos clientes opta pelo suporte mensal no primeiro ano e depois assume a operação internamente.