Veja o que nossos clientes dizem sobre os projetos que entregamos e os resultados que alcançaram com inteligência artificial aplicada.
Contratamos a Optimus para prever demanda de peças de reposição no nosso centro de distribuição em Duque de Caxias. O modelo acertou 82% das previsões semanais no primeiro mês. Reduzimos o estoque parado em R$ 340 mil no trimestre sem aumentar rupturas. A equipe explicou cada etapa com paciência, inclusive para os nossos gerentes que nunca tinham ouvido falar de gradient boosting.
Precisávamos classificar milhares de petições por assunto para direcionar aos advogados certos. Antes, uma estagiária levava dois dias por semana fazendo isso manualmente. O pipeline de NLP que a Optimus montou faz a triagem em menos de um minuto, com 91% de acurácia. Quando o modelo erra, o advogado corrige e o sistema aprende.
Nosso e-commerce vendia 800 SKUs e não conseguíamos prever quais produtos iam faltar. O modelo de previsão de estoque que implantaram reduziu rupturas em 40% e o excesso de estoque caiu 25%. Tiraria nota máxima, mas o dashboard inicial era um pouco confuso. Depois de uma rodada de ajustes, ficou excelente.
Trabalho com clínicas de diagnóstico por imagem. A Optimus treinou um modelo de visão computacional que identifica anomalias em radiografias de tórax como pré-triagem para os radiologistas. Não substitui o médico, mas prioriza os exames mais urgentes. O tempo médio de laudo caiu de 4 horas para 50 minutos nos casos flagrados pelo modelo.
Tínhamos dados de vendas de cinco anos espalhados em três sistemas diferentes. A equipe consolidou tudo em um data warehouse em duas semanas e montou um painel que mostra margem por produto, região e vendedor. Pela primeira vez, consigo ver em tempo real onde estamos perdendo dinheiro. O investimento se pagou em menos de dois meses.
Contratei a Optimus para automatizar a análise de sentimento das avaliações dos nossos hóspedes. O modelo lê comentários em português, inglês e espanhol e classifica por tema: limpeza, atendimento, localização, café da manhã. Agora consigo ver em um gráfico semanal exatamente o que melhorou e o que piorou. Simples e útil.
A Logimais Distribuição opera um CD com 12.000 SKUs de peças automotivas. O desafio era reduzir estoque parado sem causar rupturas nos itens de alta rotatividade.
Treinamos um modelo de gradient boosting com 18 meses de histórico de vendas, sazonalidade e dados de promoções dos fabricantes. O modelo gera previsões semanais por SKU, alimentando automaticamente o sistema de compras.
Resultado: R$ 340 mil de redução em estoque parado no primeiro trimestre, com rupturas caindo de 8,2% para 4,9%. O projeto levou cinco semanas do diagnóstico ao go-live.
O escritório Duarte e Menezes recebia cerca de 200 novas petições por semana. Uma estagiária lia cada documento e encaminhava ao advogado responsável pela área. O processo levava 16 horas semanais e gerava erros de direcionamento.
Construímos um pipeline de NLP que extrai o texto das petições em PDF, identifica o assunto principal entre 14 categorias (trabalhista, cível, tributário, consumidor, etc.) e encaminha automaticamente ao advogado correto no sistema do escritório.
A acurácia do modelo atingiu 91% após duas semanas de ajustes com feedback dos advogados. Quando o modelo não tem confiança suficiente na classificação, marca o documento para revisão humana. Isso acontece em cerca de 6% dos casos.
Cada projeto começa com uma conversa de uma hora, sem custo. Descrevemos o que é viável, quanto tempo leva e qual o investimento estimado. Sem compromisso.
Solicitar diagnóstico gratuito