Como foi o primeiro evento “IA na Prática”, promovido pela AWS e BlueMetrics

Marcelo Firpo
9 de jul.
13 min de leitura

Atualizado: 11 de jul.

Resumo gerado por IA:

O primeiro evento “IA na Prática”, promovido pela AWS e BlueMetrics no Instituto Caldeira e transmitido ao vivo pelo YouTube, apresentou a aplicação concreta da inteligência artificial generativa e do machine learning no ambiente corporativo. Voltado a convidados do ecossistema de inovação, o encontro reuniu especialistas da BlueMetrics para mostrar como empresas podem transformar hype em resultado real, com projetos de rápida implementação e alto impacto. Foram compartilhados seis cases de uso desenvolvidos para clientes no Brasil e no exterior, além de discussões sobre governança de dados, escolhas tecnológicas, riscos da IA pública e estratégias de adoção. O evento destacou o posicionamento da BlueMetrics como referência em soluções de dados e IA, com quase 200 projetos entregues em uma década de atuação.

Uma manhã de aprendizado e troca de experiências

Mesmo com as baixas temperaturas da manhã do dia 3 de julho, o Auditório Campus do Instituto Caldeira, em Porto Alegre, ficou cheio para receber o evento "IA na Prática", promovido pela AWS em parceria com a BlueMetrics. Voltado a convidados do ecossistema corporativo e também transmitido ao vivo pelo YouTube, o encontro teve como objetivo apresentar aplicações práticas e estratégicas de inteligência artificial generativa (GenAI) e machine learning (ML) no mundo dos negócios. Como o nome já indicava, o foco foi menos em conceitos e mais em execução rápida e geração de resultados reais, com exemplos concretos de projetos implementados em diferentes setores.

Durante o evento, executivos e especialistas da BlueMetrics demonstraram como a engenharia de dados robusta, a utilização de tecnologias AWS e os métodos ágeis de desenvolvimento permitem que empresas implementem soluções de IA em poucas semanas, com impacto direto em eficiência operacional, tomada de decisão e novas experiências digitais.

Foram apresentados seis cases reais desenvolvidos para clientes nos setores de educação, incluindo mídia, mercado financeiro e setor imobiliário, todos ilustrando como a IA pode rapidamente se tornar um diferencial competitivo tangível para as empresas.

Com dez anos de atuação, a BlueMetrics consolidou-se como uma referência em data analytics e, mais recentemente, em projetos de IA generativa. A empresa já realizou quase 200 entregas bem-sucedidas para cerca de 100 clientes nos Estados Unidos, Brasil e América Latina, combinando excelência técnica, pragmatismo e forte capacidade de execução em projetos complexos de dados e inteligência artificial.

Muito além do hype: IA que gera resultados reais

A palestra de Gabriel Casara, CGO da BlueMetrics, abriu o “IA na Prática” reforçando o compromisso da empresa com aplicações práticas de IA e a sólida parceria com a AWS. Ele apresentou dados de mercado que evidenciaram a consolidação da inteligência artificial como tecnologia transformadora: segundo ele, 72% das empresas globais já haviam adotado alguma solução de IA em 2024, e os investimentos privados chegaram a US$ 252 bilhões.

Casara destacou que a IA ultrapassou o status de “hype” e passou a gerar valor real, com projeções de impacto de até US$ 15,7 trilhões na economia global até 2030. Para ele, a disrupção vai além do nível operacional e já atinge decisões estratégicas, como análise de cenários, desenvolvimento de produtos e até criação de novos modelos de negócio.

Ele também chamou atenção para a necessidade de contextualizar a IA no ambiente empresarial. Casara disse que, embora a IA genérica, usada no dia a dia por pessoas físicas, seja poderosa, as soluções corporativas precisam ser adaptadas ao contexto específico do negócio. Ele enfatizou que o valor da IA não está apenas nos algoritmos, mas na forma como ela é aplicada.

Casara ressaltou também a importância crítica dos dados, uma vez que "bons dados geram boa IA". O executivo afirmou que muitos projetos de IA acabam exigindo uma reestruturação dos dados da empresa, pois, mesmo com grande volume de informação disponível, nem sempre os dados estão organizados ou prontos para gerar valor. Ele comparou o uso de IA a um carro de Fórmula 1: extremamente potente, mas que não gera resultado se rodar numa estrada de chão mal pavimentada. Essa estrada, segundo Casara, são os dados, que precisam estar bem preparados para a IA funcionar de forma eficiente.

“A Price Waterhouse acredita que a gente vai ter 15,7 trilhões de dólares adicionados à economia até 2030 (com a revolução da IA). A disrupção não é apenas em tarefas operacionais: ela também a atinge a questão estratégica das empresas.”

A tempestade perfeita para a adoção da IA

A palestra seguinte, de Denis Pesa, CEO da BlueMetrics, começou trazendo uma visão clara: a inteligência artificial já deixou de ser apenas tendência e passou a ser uma ferramenta concreta para gerar valor real nos negócios. Denis iniciou sua fala apresentando o novo posicionamento da empresa, “soluções de dados e IA para o mundo real”, e relatou que, em 2024, a BlueMetrics fez uma pausa estratégica em suas operações para estudar a fundo os impactos práticos da IA.

O objetivo foi se reposicionar para entregar soluções aplicáveis com retorno rápido, para muito além do hype gerado pelo assunto. Segundo ele, o grande desafio era justamente transformar esse hype em resultados mensuráveis, algo que a empresa já vinha conseguindo em dezenas de projetos com ganhos claros de produtividade e receita.

Denis contextualizou o atual momento como uma “tempestade perfeita” para a adoção de IA: infraestrutura de nuvem acessível (com o suporte da AWS), evolução acelerada dos LLMs, disponibilidade de dados e maior abertura das empresas para adoção tecnológica. Ele apresentou exemplos de aplicações já em operação, como atendimento virtual inteligente, geração de conteúdo, detecção de fraudes, análise de crédito, manutenção preditiva e personalização no e-commerce. Um destaque importante foi a substituição dos dashboards tradicionais por interfaces de IA generativa, que tornam os dados mais acessíveis para gestores e aceleram a tomada de decisão.

O CEO também alertou para os riscos do uso indiscriminado de IAs públicas em contextos corporativos, como vazamentos de dados, violações à LGPD, alucinações dos modelos e danos à reputação. Reforçou que empresas precisam investir em modelos personalizados, seguros e contextualizados, evitando casos já conhecidos de uso indevido que geraram prejuízos reais.

Denis concluiu ressaltando que a IA deve ser tratada como pauta estratégica de negócios e incentivou que as empresas comecem com MVPs de alto impacto e baixo custo, contando com o suporte técnico oferecido pela BlueMetrics e o apoio financeiro, na forma de funding para MVPs, oferecido pela parceria com a AWS. Ele encerrou com uma provocação otimista: “O futuro já chegou. Vamos juntos nessa jornada.”

“ O hype agora tá gerando resultado real, resultado financeiro. Isso é fato. Isso a gente sabe pelas dezenas, quase uma centena de projetos que a gente trabalhou nos últimos 18 meses, implantando essa tecnologia nos nossos clientes.”

O papel cada vez mais estratégico dos agentes de IA

Na terceira palestra da manhã, Fabiano Saffi, CTO da BlueMetrics, abordou o papel dos agentes de IA generativa, que ele descreveu como "um hype dentro do hype". Ele explicou que agentes são sistemas autônomos que atuam como uma camada intermediária entre o usuário e os modelos de linguagem (LLMs), permitindo que esses modelos operem com maior assertividade, segurança e contextualização. Saffi destacou que, diferentemente de simples interações via prompt com IA genérica, os agentes estruturam o processo de decisão, integram dados privados da empresa e geram respostas mais relevantes e seguras para o negócio.

Saffi explicou que a autonomia dos agentes significa que eles podem planejar ações, dividir problemas complexos em etapas, utilizar memória, acessar bases de dados estruturadas, acionar APIs externas e até mesmo interagir com modelos de machine learning. Tudo isso é feito de forma orquestrada, com segurança e sob controle, através de limites e validações. Um dos exemplos foi o de um agente para o setor de restaurantes, capaz de informar sobre pratos, reservar mesas e atualizar o menu automaticamente, sem intervenção humana.

Ele também destacou uma aplicação real desenvolvida para um cliente americano que atua no setor de fundos imobiliários. Nesse projeto, a BlueMetrics criou múltiplos agentes integrados a modelos de machine learning e IA generativa, capazes de compilar dados financeiros, analisar cenários, gerar relatórios e oferecer insights estratégicos para gestores. Segundo Safi, isso foi possível graças à estruturação correta dos agentes, o que não havia sido alcançado por outros fornecedores que tentaram soluções baseadas apenas em prompt engineering. Em dois meses e meio, a BlueMetrics entregou uma solução robusta, que já está em fase final de aprovação.

Por fim, o CTO da BlueMetrics apresentou os conceitos emergentes de “Generative BI” e “Generative Analytics”, que permitem a criação automatizada de dashboards e análises via linguagem natural. Ele ressaltou que essas tecnologias, combinadas com agentes inteligentes, têm grande potencial para melhorar o engajamento com dados e transformar o modo como empresas analisam indicadores, elaboram diagnósticos e tomam decisões de médio e longo prazo.

“ Se a gente fornecer pro modelo de uma forma estruturada, num ambiente seguro, com compliance dos nossos dados, a resposta vai ser mais completa. E esse é um é um dos motivos principais pelos quais a gente todo mundo começou a falar de agentes.”

Três cases de GenAI, com entregas feitas em tempo recorde

A palestra seguinte, com apresentação de cases, ficou a cargo de Diórgenes Eugênio (Dio), Head de GenAI da BlueMetrics. Ele compartilhou três casos práticos de transformação operacional com IA generativa, destacando a rapidez e o impacto dessas soluções. Dio iniciou reforçando o objetivo de tangibilizar a aplicação da GenAI para negócios, trazendo ideias concretas que pudessem aguçar a criatividade da audiência. O primeiro case apresentado foi de um grupo educacional com grande demanda por atendimento em períodos de matrícula. Para este cliente, a BlueMetrics desenvolveu um assistente virtual inteligente que, com uso de GenAI e múltiplos agentes, é capaz de responder dúvidas de forma contextualizada, escalável e eficiente. O sistema utiliza filtros para redirecionamento de temas sensíveis, integração com bases privadas e enriquecimento de contexto, tudo em uma arquitetura construída em apenas 10 semanas.

No segundo case, Dio abordou um projeto com uma grande emissora de TV, voltado à geração de conteúdo personalizado em escala. O cliente enfrentava dificuldade em transformar vídeos jornalísticos em conteúdo textual adaptado para múltiplas plataformas. A solução envolveu a transcrição automática com AWS Transcribe, seguida por resumos imparciais gerados por GenAI. A partir disso, foram criados textos específicos para Instagram, Facebook, X/Twitter e blogs, respeitando tom, público e plataforma. O diferencial foi o uso de múltiplos modelos especializados por canal, o que aumentou a assertividade e personalização do conteúdo gerado. Todo o pipeline foi desenvolvido e entregue em seis semanas.

Por fim, Dio apresentou um terceiro case focado em digitalização e contextualização de jornais históricos impressos. O cliente possuía acervos dos anos 1980 em risco de deterioração. Após digitalizar o material com AWS Textract, a BlueMetrics aplicou técnicas de OCR e pré-processamento para diferenciar títulos de corpo de texto. A GenAI organizou as matérias de forma estruturada e, em seguida, todo o conteúdo foi indexado em um banco vetorial. Isso permitiu buscas contextuais inteligentes, indo além de palavras-chave e oferecendo uma experiência muito mais rica. A solução foi criada em oito semanas, mesmo com complexidade elevada e alto grau de criatividade técnica.

Ao final, Dio reforçou que esses três projetos, em educação, mídia e acervo documental, ilustram o poder da IA generativa para transformar operações em semanas. Ele destacou que o uso de múltiplos agentes com funções específicas e serviços acessíveis, como o Amazon Bedrock, permite criar soluções robustas com velocidade e baixo custo, desde que bem planejadas.

“ Meu objetivo aqui é conseguir com que, ao final dessa palestra todos vocês consigam tangibilizar algumas ideias, aguçar a criatividade e pensar como é que eu consigo trazer isso pro meu dia a dia, pro meu negócio, pra minha operação.”

Que tal desenvolver soluções como estas para a sua empresa?

Agendar call

Na sequência, três cases altamente estratégicos baseados em Machine Learning

Após o coffee-break, foi a vez da palestra de Bernardo Trevizan, Head de Data & Analytics da BlueMetrics. Ele abordou o papel do Machine Learning dentro do ecossistema de inteligência artificial, distinguindo-o da IA generativa.

Ele explicou que o ML é um subconjunto da IA, voltado à detecção de padrões e previsões com base em dados históricos. Já a IA generativa, como os LLMs (Grandes Modelos de Linguagem), é um produto do ML voltado à linguagem, como resumir textos ou gerar conteúdo. Bernardo destacou que muitos desafios de negócio exigem modelos além da linguagem: por exemplo, para prever inadimplência, detectar fraudes ou estimar receitas futuras.

O primeiro caso apresentado foi a otimização da concessão de crédito no setor imobiliário. O cliente da BlueMetrics realizava esse processo de forma manual, o que gerava inconsistência e riscos. Foi implementado um modelo de classificação via Amazon SageMaker, que atribuía ratings com base em dados como renda, estado civil e número de filhos. O modelo atingiu 92% de precisão na previsão de bons pagadores e permitiu também uma segmentação de clientes para campanhas de marketing, privilegiando os perfis adimplentes. Com base em dados históricos, é possível prever que essa solução reduza a inadimplência em 46%.

No segundo caso, Bernardo explicou o desenvolvimento de um modelo de detecção de fraudes financeiras via Pix, para uma empresa de software bancário. Sem dados prévios, optou-se por um modelo de ML não supervisionado, capaz de aprender o comportamento padrão de contas PF e PJ. Quando uma nova transação era analisada, o sistema verificava se ela estava estatisticamente fora do padrão, e, em caso afirmarivo, gerava um alerta de possível fraude. Utilizando inferência em tempo real no SageMaker, o modelo passou a entregar respostas em menos de 1 segundo, com potencial de bloquear até R$ 1,5 milhão em fraudes.

O terceiro exemplo foi uma solução integrada desenvolvida para o mercado de capitais imobiliários dos EUA, combinando engenharia de dados, IA generativa e machine learning. O sistema permitia que gestores perguntassem, via linguagem natural, previsões de receita para imóveis específicos. A IA reconhecia a limitação dos LLMs para prever o futuro e acionava um agente com modelos de série temporal no SageMaker, que retornava estimativas com margem de erro de 5%.

Segundo Bernardo, essa solução substituiu a intuição dos gestores por análises imparciais, acessíveis por meio de uma interface conversacional. Ele encerrou reforçando que machine learning é um processo contínuo, que exige reavaliação e treinamento constante para manter sua precisão ao longo do tempo.

“ Através do machine learning, a gente conseguiu fazer uma análise de perfil de clientes (bom e mau pagador). E aí a gente teve 92% de precisão. Ou seja, toda vez que a solução me dizia que um rating era A, eu tinha 92% de certeza de que, de fato, esse rating era A.”

O jeito BlueMetrics de entregar com agilidade e eficiência

Na palestra da área comercial, Gabriel Casara (CGO) e Luciano Rocha (CCO) apresentaram a abordagem estratégica da BlueMetrics para projetos de dados e inteligência artificial. Casara iniciou explicando que muitas empresas chegam com o desejo de fazer IA, mas ainda sem clareza sobre o problema real. O papel da BlueMetrics é justamente ajudar os clientes a identificar se o desafio está na estrutura de dados, na aplicação de machine learning ou no uso de IA generativa, e atuar de forma end-to-end, com capacidade técnica para entregar desde a engenharia até a aplicação final. Ele reforçou que a empresa tem forte parceria com a AWS, que fornece a base segura, escalável e flexível para as soluções, o que permite à BlueMetrics ser criativa e ágil mesmo em projetos complexos.

Luciano Rocha destacou a importância das empresas tratarem o uso de IA como um tema estratégico e não improvisado. Segundo ele, as novas gerações de colaboradores já chegam usando IA naturalmente no dia a dia, o que aumenta a responsabilidade das lideranças em estruturar essas tecnologias dentro da organização com segurança e propósito. Ele explicou como a BlueMetrics estruturou suas verticais de atuação, com foco em machine learning, IA generativa e data foundation, que é o coração da empresa desde sua abertura. Luciano enfatizou que, por trás de toda IA bem-sucedida, há uma base de dados bem estruturada.

Casara retomou a fala para apresentar o blue4AI, a método proprietário da BlueMetrics baseado em quatro etapas simples e práticas:

-Descoberta e design
-Prova de conceito (PoC)
-Implementação (Deploy)
-Otimização contínua

Ele explicou que esse modelo permite obter resultados rápidos em 6 a 10 semanas, com entregas no formato de MVPs prontos para produção. A empresa já aplicou esse método em mais de 190 projetos com alto grau de sucesso, inclusive em clientes internacionais.

Casara encerrou reforçando o diferencial da empresa em oferecer entregas rápidas, soluções de ponta a ponta e alta flexibilidade, seja alocando equipes inteiras, seja desenvolvendo projetos sob demanda, tudo com foco em gerar valor real e contínuo para os clientes.

“ O nosso papel aqui é ajudar os clientes a olhar para dentro de casa, para estruturar seus dados, para fazer isso com segurança e acelerar esses projetos de uma forma que realmente faça sentido.”

“ A gente costuma dizer assim: não existe 'não', né? Talvez exista 'assim, não', porque a gente vai resolver de alguma outra maneira, A gente tem aí uma experiência bastante grande hoje com mais de 190 projetos implementados de dados IA e com mais de 95 clientes atendidos.”

Perguntas e respostas e considerações finais

A sessão de perguntas e respostas complementou a jornada prática apresentada nas palestras. Diórgenes Eugênio (Dio) respondeu à primeira pergunta, sobre como a BlueMetrics escolhe a melhor solução ou tecnologia para cada projeto. Ele explicou que tudo começa pela clareza do problema de negócio, e que a equipe segmenta os desafios em três frentes: dados, machine learning ou IA generativa.

Dentro de cada vertical, é feita uma avaliação técnica que leva em conta custo, qualidade e latência, sempre com foco na sustentabilidade e escalabilidade da solução. Bernardo Trevizan complementou reforçando o papel da equipe como consultora técnica, capaz de traduzir expectativas elevadas em soluções reais e eficazes, adaptadas à maturidade de dados e infraestrutura de cada cliente.

A segunda pergunta veio de um representante da indústria, que queria saber como aplicar machine learning em ambientes com dados espalhados por diferentes sistemas (ERPs, CRMs etc.). Bernardo respondeu destacando a importância da engenharia de dados e da criação de um data lake, onde todos os dados são centralizados e organizados para suportar modelos de IA.

Ele explicou que diferentes algoritmos são usados conforme a natureza do problema (classificação, regressão, clusterização) e que o processo envolve tanto ciência quanto experimentação. Além disso, enfatizou que é possível adaptar conhecimentos de um setor para outro. Por exemplo, reaproveitar modelos de classificação de crédito para categorizar leads ou e-mails. Para clientes da indústria, recomendamos a leitura do case que desenvolvemos para uma grande montadora de caminhões de ônibus, no qual foi possível reduzir o tempo de análise de processos de 4 horas para 6 segundos.

Já na terceira pergunta, sobre a utilização de data lake, Bernardo e Fabiano Saffi explicaram que a escolha depende de cada objetivo: o data lake é ideal para exploração de dados brutos e variados, enquanto o data warehouse é voltado à análise estruturada, geração de KPIs e insights.

Na fala final, Denis Pesa, CEO da BlueMetrics, compartilhou uma reflexão pessoal sobre sua trajetória. Ele contou que por muitos anos sentiu frustração por enxergar valor em tecnologias que ainda não eram reconhecidas como essenciais no Brasil.

Agora, com a popularização da IA generativa e sua aplicação concreta no mercado local, Denis celebrou o momento como uma verdadeira virada: “a tecnologia de ponta do primeiro mundo está finalmente ao nosso alcance”.

Denis também também destacou que, ao ver a apresentação de alguns dos cases mais recentes da BlueMetrics, percebeu que a empresa está não apenas replicando soluções já existentes, mas, por meio de uma grande expertise técnica e multidisplinaridade de talentos, está de fato criando soluções novas, diferentes, para atender de forma mais aos desafios específicos de seus clientes.

Ele encerrou agradecendo à equipe, aos parceiros da AWS e aos participantes, fazendo um convite para que as empresas não deixem ideias paradas e comecem a transformar seus desafios em projetos reais com apoio técnico, estratégico e financeiro.

“ Vendo essas apresentações que a gente teve hoje aqui, fica claro que a gente tá conseguindo fazer coisas diferentes, coisas novas mesmo.”

Este foi o nosso resumo do primeiro IA na Prática, evento apresentado pela AWS e BlueMetrics. A apresentação completa pode ser acessada aqui.

Gostou dos cases apresentados? Quer aplicar tecnologias como GenAI e Machine Learning para resolver os desafios específicos da sua empresa? Vamos conversar sobre isso.

Conheça alguns Casos de Uso.