Artificial Intelligence com propósito

Quem somos, por que existimos e como trabalhamos para entregar IA que funciona no mundo real.

Nossa história

A Ai Insight Collective nasceu em 2019, dentro de um coworking no bairro Funcionários, em Belo Horizonte. Dois engenheiros de software e uma estatística decidiram que o mercado mineiro precisava de consultoria de IA que entregasse código rodando em produção, não apenas slides com gráficos promissores.

O primeiro cliente foi uma transportadora de Betim que queria prever atrasos em rotas intermunicipais. O modelo, treinado com dados de GPS e clima, acertou 84% das previsões de atraso acima de 30 minutos. A transportadora economizou R$ 40 mil em multas contratuais no primeiro semestre.

Esse projeto abriu portas. Em 2020, fechamos contrato com um grupo de supermercados de Sete Lagoas. Em 2021, começamos a atender clientes em São Paulo. Hoje somos oito pessoas, com escritório na Rodovia Gustavo, e mantemos uma política firme: só aceitamos projetos onde acreditamos que IA vai gerar retorno mensurável.

Espaço de coworking onde a Ai Insight Collective começou

Linha do tempo

2019 — Fundação

Três sócios, um coworking e o primeiro projeto de previsão de atrasos logísticos para uma transportadora de Betim.

2020 — Primeiro contrato de varejo

Modelo de previsão de demanda para rede de supermercados em Sete Lagoas. Redução de 18% no desperdício de hortifrúti.

2021 — Expansão para São Paulo

Dois clientes no setor financeiro: detecção de fraude em cartões e scoring de crédito para fintech.

2022 — Equipe de oito pessoas

Contratamos dois engenheiros de MLOps e uma designer de dados. Mudamos para o escritório atual na Rodovia Gustavo.

2023 — Automação documental

Lançamos o serviço de extração automática de dados de notas fiscais, com OCR e modelos de linguagem ajustados para português.

2024 — 35 projetos entregues

Taxa de renovação de 93%. Começamos a oferecer workshops de IA para equipes de produto e engenharia.

Nossos valores

Não colocamos valores em quadros na parede. Eles aparecem nas decisões que tomamos quando o cliente não está olhando.

Honestidade técnica

Se IA não é a melhor solução para o seu problema, dizemos isso. Já recomendamos a clientes que usassem regras simples de negócio em vez de modelos complexos, quando os dados não justificavam a complexidade.

Prazo curto, escopo claro

Protótipos em quatro semanas. Contratos com escopo definido e sem cláusulas de renovação automática. O cliente continua porque quer, não porque está preso.

Transferência de conhecimento

Todo projeto inclui documentação técnica e pelo menos uma sessão de treinamento para a equipe do cliente. Queremos que vocês consigam manter o sistema sem depender de nós para sempre.

Dados com responsabilidade

Seguimos a LGPD em todos os projetos. Dados sensíveis são anonimizados antes de entrar no pipeline de treinamento, e os modelos são auditados para viés antes de ir para produção.

Quem faz acontecer

Somos oito pessoas. Cada uma com especialidade diferente, mas todas com o mesmo hábito: testar hipóteses com dados antes de opinar.

Renata Figueiredo, cofundadora

Renata Figueiredo

Cofundadora e cientista de dados. Mestre em estatística pela UFMG. Lidera os projetos de modelagem preditiva.

Thiago Andrade, cofundador

Thiago Andrade

Cofundador e engenheiro de ML. Especialista em deploy de modelos em produção. Trabalhou seis anos na IBM Brasil antes de fundar a empresa.

Camila Rocha, engenheira de MLOps

Camila Rocha

Engenheira de MLOps. Cuida da infraestrutura de treinamento e monitoramento de modelos em nuvem.

Lucas Mendonça, engenheiro de dados

Lucas Mendonça

Engenheiro de dados. Constrói os pipelines de ETL e garante que os dados cheguem limpos aos modelos.

Por que trabalhar conosco

Existem dezenas de consultorias de IA no Brasil. Algumas são ótimas. A diferença que percebemos nos nossos clientes é que eles valorizam três coisas que fazemos de forma consistente.

Primeiro: entregamos rápido. O protótipo funcional sai em quatro semanas, com dados reais do cliente. Não é um mockup; é um modelo que roda e gera previsões que podem ser avaliadas.

Segundo: explicamos o que o modelo faz. Usamos técnicas de interpretabilidade como SHAP values para mostrar quais variáveis influenciam cada previsão. Isso ajuda a equipe do cliente a confiar no sistema e a identificar quando ele precisa de ajuste.

Terceiro: cobramos por entrega, não por hora. Cada projeto tem um preço fechado, definido depois de uma análise inicial gratuita de até cinco dias. Se o escopo mudar, renegociamos antes de continuar.

Se isso faz sentido para o seu contexto, entre em contato. A análise inicial é gratuita e não gera compromisso.