Esses depoimentos foram coletados entre janeiro e dezembro de 2025. Alguns nomes foram abreviados a pedido dos clientes.
Renata Figueiredo
Diretora de operações, LogBR Transportes
Contratamos a Ai Prism Genius para prever a demanda semanal de frota. O modelo que entregaram reduziu em 22% o custo com veículos ociosos no primeiro trimestre. O que mais me impressionou foi a documentação: qualquer pessoa da minha equipe técnica consegue atualizar o modelo sem depender deles.
Thiago Mendes
CTO, FinPay Soluções
Precisávamos de um sistema de detecção de fraude em tempo real. A equipe entregou em 9 semanas um modelo que analisa cada transação em menos de 200 milissegundos. A taxa de falsos positivos caiu de 8% para 1,4%, o que diminuiu drasticamente as reclamações de clientes legítimos bloqueados.
Camila Rocha
Gerente de TI, Hospital Santa Marta
O chatbot que desenvolveram para triagem de pacientes no nosso portal reduziu em 35% as ligações para a central. Demorou um pouco mais do que o prazo original porque o vocabulário médico exigiu ajustes finos, mas o resultado final compensou a espera. A equipe foi transparente sobre o atraso desde o início.
Marcos A. Vieira
Sócio-fundador, Vieira & Duarte Advocacia
Nosso escritório lida com milhares de páginas de contratos por mês. A solução de extração automática de cláusulas que a Ai Prism Genius entregou identifica prazos, valores e partes envolvidas com 93% de acurácia. Economizamos cerca de 120 horas de trabalho manual por mês.
Dois projetos recentes com detalhes de escopo, prazo e resultado.
Uma rede de supermercados de Minas Gerais nos procurou porque perdia R$ 380 mil por mês com rupturas de estoque e produtos vencidos. A equipe comercial fazia previsões em planilhas, baseadas na intuição de cada gerente de loja.
Construímos um modelo de séries temporais (Prophet + XGBoost ensemble) alimentado por dados de vendas dos últimos 3 anos, calendário de feriados regionais e previsão do tempo. O modelo gera previsões semanais por SKU e por loja, com intervalo de confiança de 90%.
O projeto levou 11 semanas da primeira reunião ao deploy. Nos primeiros 4 meses de operação, a perda com rupturas caiu 28% e o descarte de perecíveis diminuiu 19%. O gerente de supply chain agora revisa as sugestões do modelo toda segunda-feira e ajusta apenas os casos excepcionais.
Uma fábrica de autopeças em Contagem operava com inspeção manual: dois funcionários por turno examinavam cada peça sob luz forte, procurando riscos, trincas e deformações. A taxa de detecção era de 87%, e as peças defeituosas que passavam geravam devoluções caras.
Instalamos 4 câmeras industriais na linha e treinamos um modelo YOLOv8 com 14 mil imagens anotadas. O sistema processa 30 peças por minuto e marca as suspeitas para revisão humana. A taxa de detecção subiu para 98,3%, e o número de devoluções por defeito caiu 74% em 6 meses.
Os dois inspetores foram realocados para controle de qualidade de processos, onde a experiência deles agrega mais valor. O investimento se pagou em 5 meses.
4,8 de 5 estrelas em 38 projetos avaliados pelos clientes ao final da entrega.
94% dos clientes contratam um segundo projeto ou renovam o contrato de suporte.
Em 89% dos projetos, a entrega aconteceu dentro do prazo acordado na proposta.