SoluçõesInteligência artificial e dados

Previsão e automação com os dados que a operação já gera

Começamos por um problema concreto da operação, organizamos os dados necessários e entregamos o modelo integrado aos sistemas que o cliente já usa. Os dados continuam na infraestrutura do cliente.

O que entregamos

Engenharia de dados
Coleta, tratamento e organização dos dados que a operação já gera (sensores, sistemas, planilhas e documentos) num repositório confiável.
Modelos preditivos
Previsão de demanda, consumo, falha de equipamento e comportamento operacional, treinados com o histórico da planta.
Assistentes com IA privada
LLMs e SLMs rodando na infraestrutura da empresa, respondendo sobre normas, procedimentos e documentação técnica sem que os dados saiam de lá.
Integração com ERP e SCADA
O resultado entra no fluxo que já existe: gera ordem de serviço, alimenta o painel, dispara o alarme.
Painéis e apoio à decisão
Indicadores e visualizações construídos com quem opera, em vez de relatórios genéricos.
Capacitação das equipes
Treinamento para o time interno manter e evoluir o que foi construído.

MAESTRO™, orquestração de agentes de IA

Um assistente de IA responde perguntas. Um processo que passa por triagem, análise técnica, conformidade, parecer e aprovação precisa de mais: vários agentes especializados trabalhando em sequência, pontos em que uma pessoa decide e o registro de tudo o que aconteceu. O MAESTRO coordena esse trabalho.

MAESTRODistribui o trabalho entre os agentes, guarda o estado de cada processo e retoma de onde parou, mesmo depois de semanas.
  1. Entrada
    Pedido ou documento
    Projeto, planta, formulário ou laudo, inclusive digitalizado.
  2. Agente
    Triagem
    Classifica o pedido e confere se está completo.
  3. Agente
    Análise técnica
    Aplica as regras técnicas daquele tipo de processo.
  4. Agente
    Conformidade
    Confere normas e o código de cada unidade ou município.
  5. Agente
    Parecer
    Redige a proposta de decisão com os fundamentos.
  6. Pessoa
    Aprovação
    O processo pausa até a decisão da pessoa responsável.
Sistemas consultados: GIS, banco de dados, protocolo, pagamentos e ERP.
Trilha de auditoria: cada passo fica registrado, com o que a IA propôs, o que a pessoa decidiu e quando.
Exemplo de processo de aprovação com quatro agentes. A quantidade de etapas e as regras mudam conforme o caso.
Processo de várias etapas
Cada etapa tem seu agente especializado, e o processo passa de uma para a outra sem intervenção manual.
Aprovação humana nos pontos críticos
O processo pausa, apresenta o que propôs e espera a decisão da pessoa responsável. Nada relevante acontece sem aval.
Mesma solução, regras diferentes
Cada unidade, município ou concessionária tem seu próprio código e critério, configurados sem reescrever o sistema.
Leitura de documentos
Extrai, classifica e valida o que chega: projeto, planta, formulário e laudo, inclusive digitalizados.
Conversa com os sistemas que já existem
GIS, banco de dados, protocolo, sistema de pagamento e ERP, por protocolos abertos de integração.
Trilha de auditoria completa
Registro de cada passo: o que a IA propôs, o que a pessoa decidiu e quando. Necessário onde há prestação de contas.
Processos que duram semanas ou meses
O fluxo sobrevive a reinício e a espera longa e retoma exatamente de onde parou, mesmo meses depois.
Escala
Milhares de processos simultâneos, com monitoramento de cada um e alerta quando algo trava.

Onde se aplica

Licenciamento e aprovações
Alvarás, obras e projetos que percorrem várias áreas técnicas antes da liberação.
Gestão de utilities
Processos de campo, atendimento técnico e conformidade regulatória.
Cidades inteligentes
Serviços públicos com vários órgãos, prazos legais e prestação de contas.
Processos internos com aprovação
Compras, contratos e liberações que hoje dependem de e-mail e planilha.

Como implantamos

Fase 1 · 4 a 6 semanas
Prova de conceito
Um fluxo real, completo, com 3 ou 4 agentes especializados. Serve para validar persistência, aprovação humana e trilha de auditoria antes de investir.
Fase 2 · 6 a 8 semanas
Expansão
Novas unidades ou jurisdições por configuração, integração com os sistemas de destino e monitoramento em produção.
Fase 3 · 4 a 6 semanas
Produção
Teste de carga, tratamento de erro, auditoria de segurança e entrada em operação por etapas.

MAESTRO™ é uma arquitetura desenvolvida pela CelPlan.

Tecnologias que usamos

A escolha depende do problema e de quanto o dado pode circular. Explicamos ao cliente por que cada peça está no projeto.

Busca com citação de fonte (RAG)
O modelo responde a partir dos documentos da empresa e mostra de onde tirou a resposta. Reduz a chance de resposta inventada.
LLMs e SLMs
Modelos de mercado quando faz sentido, ou modelo privado rodando na infraestrutura do cliente quando o dado não pode sair.
Transcrição de áudio e vídeo
Reunião, ligação e nota de voz viram texto pesquisável e podem gerar ata automaticamente.
OCR de documentos
PDF digitalizado, foto de documento e planilha entram na base como conteúdo consultável.
Modelos preditivos e séries temporais
Previsão de falha, consumo e demanda a partir do histórico de sensores e do sistema de manutenção.
Automação por gatilho
Chegou arquivo ou mensagem, a IA processa e devolve o resultado por e-mail ou WhatsApp, sem ninguém no meio.
Visão computacional
Análise de imagem para inspeção e segurança, detalhada na página de vídeo analítico.
Isolamento e governança
Cada cliente isolado, credenciais criptografadas, controle de acesso por usuário e registro de uso.

Onde a IA costuma dar retorno primeiro

Manutenção
Prever falha de equipamento a partir da telemetria e do histórico de intervenções.
Operação
Antecipar demanda, consumo e gargalos para planejar turno e capacidade.
Documentação
Consultar normas, procedimentos e projetos em linguagem natural, com a fonte citada.
Qualidade
Detectar desvio de processo cruzando dados de sensores, produção e inspeção.

Como trabalhamos

O que fazemos

  • Começamos por um caso de uso com dono e resultado mensurável
  • Prova de conceito curta antes de qualquer investimento grande
  • O dado sensível permanece na infraestrutura do cliente
  • Entregamos junto com a equipe interna, para ela conseguir manter

O que evitamos

  • Projeto de IA sem problema de negócio definido
  • Modelo que não conversa com o ERP nem com o SCADA
  • Dado da operação indo para serviço de terceiros sem controle
  • Entrega que só funciona enquanto o fornecedor estiver por perto

Tem um problema que os dados já deveriam resolver?

Traga um caso concreto. Avaliamos a viabilidade com os dados que existem hoje e propomos uma prova de conceito curta.