Proyectos de datos e IA que Semantix entregó en grandes empresas: el desafío, lo que se hizo y el resultado. Los clientes no se identifican por confidencialidad.
casos publicados
38
sectores, además de casos multisector
7
Servicios financierosRiesgo y fraude
Prevención del fraude en medios de pago
Desafío
Análisis manual de transacciones y fraudes cometidos por usuarios, comercios y empresas clientes.
Lo que hicimos
Modelos no supervisados por producto, reglas de negocio y recolección automática de datos registrales.
−70%muestras para análisis manual
+25%fraudes detectados
Resultado medido
Servicios financierosRiesgo y fraude
Score de fraude en seguros de auto
Desafío
Fraude en siniestros, uso indebido de la asistencia y reglas de suscripción sin apoyo de datos.
Lo que hicimos
Modelos supervisados y no supervisados, explicabilidad de las decisiones y monitoreo del ciclo de vida de los modelos.
−20%en la siniestralidad
Resultado medido
Servicios financierosGobernanza de datos
Políticas de crédito basadas en datos
Desafío
Una nueva plataforma de datos en la nube poco usada por el área de crédito y alta dependencia de TI.
Lo que hicimos
Perfiles de consumo de datos, políticas de acceso, linaje, catálogo y calidad de datos automatizada.
+60%de las políticas de crédito basadas en datos
+82%del área usando la plataforma en 30 días
−35%de datos duplicados
Resultado medido
Servicios financierosPlataforma de datos
Migración de modelos a MLOps en la nube
Desafío
Arquitectura on-premise, desarrollo centrado en SQL y ningún flujo de CI/CD para modelos.
Lo que hicimos
Plataforma en Google Cloud con feature store, pipelines de entrenamiento, registro de modelos, ambientes separados e infraestructura como código.
22modelos en la nueva plataforma
12conjuntos de variables migrados
Resultado medidoGoogle Cloud
Servicios financierosAutomatización de procesos
Backoffice de cancelación de ventas
Desafío
Pedidos de cancelación por correo, validación manual de adjuntos y riesgo de error y duplicidad.
Lo que hicimos
Automatización que lee los correos, valida los adjuntos, registra la cancelación y avisa al comercio, con informe analítico.
60→2 minpor solicitud
168→1.000correos atendidos por mes
−82%en observaciones de auditoría
Resultado medido
Servicios financierosVentas y clientes
Venta cruzada en soluciones de pago
Desafío
Una base de más de 100 mil clientes empresariales que usaba pocos productos del portafolio.
Lo que hicimos
Recomendación por similitud entre clientes, con una capa de reglas de negocio y score de propensión.
50%de la base con recomendación
41%de las recomendaciones son venta cruzada
Resultado medido
Retail y consumoPrevisión y planificación
Previsión de demanda en retail farmacéutico
Desafío
Abastecimiento calculado con supuestos desactualizados, lead time alto en algunas tiendas y costo de incineración.
Lo que hicimos
Previsión de demanda con IA para todos los SKU y un nuevo cálculo de abastecimiento con factores externos y lead time.
−42%de quiebres de stock
−13%de inventario
Piloto · MVP en 20 tiendas, 1 mes
Retail y consumoPrevisión y planificación
Quiebres de stock y mermas en una cadena de supermercados
Desafío
Quiebres en aumento, productos sin stock difíciles de identificar y mermas por el esfuerzo manual.
Lo que hicimos
Previsión de demanda por SKU y tienda, pipeline automatizado de ejecución del modelo y panel de seguimiento.
−60%de quiebres de stock
−12%de mermas
Piloto · MVP en 6 tiendas, 1 mes
Retail y consumoDatos maestros y cliente 360
Visión única del cliente en un grupo de moda
Desafío
Clientes repartidos en varios sistemas y marcas, y un CRM a reestructurar de acuerdo con la ley de protección de datos.
Lo que hicimos
Arquitectura de datos propia, registro maestro del cliente, MDM, stewardship, segmentación con IA y BI de autoservicio.
100%de los clientes en el MDM
Todaslas marcas del grupo segmentadas
Resultado medido
Retail y consumoVentas y clientes
Recomendación de ropa en e-commerce
Desafío
Recomendaciones genéricas, que no reflejaban el estilo de cada cliente.
Lo que hicimos
Recomendación con deep learning a partir del estilo, palabras clave e historial de precios.
+22%en ventas sobre la recomendación anterior
Resultado medido
Retail y consumoPrevisión y planificación
Factores de no venta en el punto de venta
Desafío
SKU que se vendían por debajo de lo esperado sin saber dónde ni por qué.
Lo que hicimos
Previsión por SKU y punto de venta, recolección de inteligencia de mercado y detección automática de las causas.
Entrega
Retail y consumoLenguaje natural
Opinión del consumidor en los marketplaces
Desafío
Miles de reseñas en marketplaces sin una lectura estructurada.
Lo que hicimos
Recolección de reseñas, modelo de sentimiento y panel de indicadores por tienda y SKU.
Entrega
Industria y automotrizPrevisión y planificación
Previsión de demanda de materia prima
Desafío
Error alto en la previsión del mes siguiente, que afectaba compras y producción.
Lo que hicimos
Modelos de IA para horizontes de uno a tres meses, con entrenamiento, validación y prueba.
11%→2%de error (MAPE) en el mes siguiente
Resultado medido
Industria y automotrizOptimización
Optimización de inventario en varias plantas
Desafío
Exceso de inventario junto con quiebres de stock en varias plantas.
Lo que hicimos
Análisis de demanda, lead time y criticidad, inventario ideal, recomendación de compra y torre de control.
−20%en los niveles de inventario
Resultado medido
Industria y automotrizOptimización
Asignación de personas en la línea de producción
Desafío
Asignación sin método, ausentismo y equipos sobrecargados.
Lo que hicimos
Simulador de optimización de la asignación, entregado como producto digital de punta a punta.
+25%en la velocidad de la línea
Resultado medido
Industria y automotrizGobernanza de datos
Gobernanza de datos en una multinacional química
Desafío
Datos duplicados, reglas de negocio desconocidas y un data lake que otras operaciones de las Américas iban a usar.
Lo que hicimos
Curaduría de datos, catálogo y glosario, revisión de cada pipeline nuevo, proceso de calidad y dueños de datos.
−40%en el tiempo de desarrollo de pipelines
−18%en refactorización de código
100%de los pipelines nuevos revisados
Resultado medido
Industria y automotrizAutomatización de procesos
Aprobación automática de órdenes de servicio
Desafío
Validación manual del precio de piezas y servicios en órdenes de concesionarios.
Lo que hicimos
Estandarización de datos, modelos de precio, robots de precios externos y un modelo en contenedor integrado a los sistemas.
+5.000órdenes de servicio automatizadas
Resultado medido
Industria y automotrizVisión por computadora
Seguridad y calidad con visión por computadora
Desafío
Uso de EPP, calidad del proceso y ergonomía controlados por muestreo.
Lo que hicimos
Monitoreo por visión por computadora del uso de EPP y de las etapas del proceso.
Entrega
Industria y automotrizPersonas
Previsión del ausentismo en plantas y tiendas
Desafío
Ausencias que afectaban la operación de las plantas y los puntos de venta.
Lo que hicimos
Probabilidad de ausencia, previsión semanal por unidad para las cuatro semanas siguientes y alertas a los gerentes.
Entrega
Industria y automotrizOptimización
Red logística de una industria de alimentos
Desafío
Producción, almacenamiento, distribución e impuestos decididos por separado.
Lo que hicimos
Optimización de la red con la matriz tributaria entre estados y la ecualización de precios.
Entrega
Salud y farmaPrevisión y planificación
Previsión de demanda en la industria farmacéutica
Desafío
Previsión del mes siguiente para cientos de SKU, con la meta de reducir el error en 20%.
Lo que hicimos
Varios modelos probados por SKU y elección automática del mejor para cada producto.
−24%de error medio (MAPE) en 329 SKU
−35%de error en los 20 SKU principales
Resultado medido
Salud y farmaRiesgo y fraude
Abusos en una aseguradora de salud
Desafío
Preauditoría manual de procedimientos y fraude en procedimientos de alto costo.
Lo que hicimos
Modelo de probabilidad de rechazo, reentrenamiento automático, score cada 2 horas y decisión automática en los pedidos de bajo valor.
R$ 1,1 Men autorizaciones que pasaron a ser automáticas
R$ 1,3 Men procedimientos señalados para no autorizar
Resultado medido
Energía y saneamientoPlataforma de datos
Previsión de penalidades regulatorias en una distribuidora de energía
Desafío
Multas por interrupciones largas, datos fragmentados y de baja calidad, indicadores calculados a mano.
Lo que hicimos
Lakehouse con arquitectura medallón (Bronce, Plata y Oro) en Databricks sobre Microsoft Azure, previsión con machine learning, simulador de penalidades y paneles.
36%más precisa que la previsión del área de negocio
R$ 3,4 Men multas evitables
Resultado esperado · Previsión medida en el piloto; la multa evitada es un resultado esperadoDatabricks · Microsoft Azure
Energía y saneamientoAgentes de IA
Agentes de IA para recuperar créditos tributarios
Desafío
Más de 112 mil asientos por trimestre y una legislación tributaria extensa, analizados a mano.
Lo que hicimos
Un agente orquestador y nueve agentes especializados por tipo de servicio que identifican créditos de PIS y COFINS.
90%de precisión en la identificación de créditos
+R$ 20 Men créditos identificados por mes
Resultado medido
Energía y saneamientoPrevisión y planificación
Previsión de consumo en el mercado libre de energía
Desafío
Consumo y facturación de miles de clientes difíciles de prever, con riesgo de penalidades.
Lo que hicimos
Previsión horaria por cliente y por mercado con datos externos, balance energético y paneles de escenarios.
+2 milunidades de consumo previstas hora a hora
Resultado medidoAWS
Energía y saneamientoRiesgo y fraude
Detección de anomalías en centrales eléctricas
Desafío
Límites de operación difíciles de definir y paradas que reducen la energía vendible.
Lo que hicimos
Modelos no supervisados sobre las series de los sensores, ciclo de vida de los modelos y panel de anomalías.
1.er mesprimera anomalía relevante detectada
Resultado medidoAWS
Energía y saneamientoOptimización
Riesgo y retorno en una cartera de energía
Desafío
Una cartera de contratos de futuros concentrada.
Lo que hicimos
Optimización de cartera con simulación de Monte Carlo, backtest y paneles de decisión.
Entrega
AgronegociosPrevisión y planificación
Previsión del precio de commodities agrícolas
Desafío
Volatilidad en el precio de la soja y el maíz, capacidad limitada y flete spot caro.
Lo que hicimos
Combinación de modelos, monitoreo de noticias y previsiones para 1, 5 y 22 días hábiles.
+24modelos de IA
+5 milvariables monitoreadas
Resultado medidoGoogle Cloud
AgronegociosOptimización
Asignación de prensas móviles en la recolección
Desafío
Capacidad limitada de vehículos y proveedores en la recolección.
Lo que hicimos
Agrupamiento de proveedores y optimización de rutas y asignación.
+2 mil t/díarecolectadas por encima de lo realizado
Resultado medido
LogísticaVentas y clientes
Recomendación de vuelos y ofertas en una aerolínea
Desafío
Vuelos con baja ocupación y la misma oferta para todos los pasajeros.
Lo que hicimos
Agrupamiento, reglas de asociación y similitud entre pasajeros para recomendar vuelos y servicios.
+50%en ingresos por email marketing
+400%en ingresos en redes sociales
Resultado medido
LogísticaOptimización
Precios dinámicos de pasajes de autobús
Desafío
Precios definidos manualmente en todas las rutas.
Lo que hicimos
Ingesta de datos, previsión de demanda, optimización de precios e integración por API con el sistema de ventas.
4 milprecios calculados por día
200precios publicados por día
Piloto · Versión de prueba
LogísticaOptimización
Programación de equipos ferroviarios
Desafío
Programación de vagones y equipos hecha sin optimización.
Lo que hicimos
Programación por restricciones y programación lineal entera.
Entrega
LogísticaPrevisión y planificación
Previsión del precio del flete por carretera
Desafío
Costo de flete difícil de prever en las rutas de referencia.
Lo que hicimos
Acelerador de previsión, monitoreo de noticias y simulador geográfico de escenarios.
Entrega
MultisectorAgentes de IA
Asistente de abastecimiento integrado con SAP Ariba
Desafío
El equipo de abastecimiento dando soporte de primer nivel y asientos duplicados por error humano.
Lo que hicimos
Asistente virtual que responde dudas y consulta el estado de los pedidos en SAP y Ariba, 24x7.
51%de las consultas absorbidas por el asistente
~R$ 5 Mpor semestre en capacidad liberada
Resultado esperado · Ahorro proyectadoSAP Ariba
MultisectorLenguaje natural
Análisis de entrevistas en video
Desafío
Entrevistas analizadas a mano por equipos de cinco a siete personas.
Lo que hicimos
Transcripción, separación de hablantes, modelado de tópicos y sentimiento en un pipeline de punta a punta.
−65%en el tiempo de análisis
Resultado medido
MultisectorVisión por computadora
Similitud de marcas en solicitudes de registro
Desafío
Conflictos entre logotipos identificados a mano.
Lo que hicimos
Modelo de deep learning que compara las imágenes y señala marcas parecidas.
13,5%de error, frente al 27,3% del método anterior
Resultado medido
MultisectorVentas y clientes
Referidos de clientes en el mercado inmobiliario
Desafío
Costo de adquisición alto y pocas ventas por referidos.
Lo que hicimos
Modelos de propensión a referir y a convertir, segmentación y simulador.
15%→45%de conversión en el público priorizado
Resultado medido
MultisectorPersonas
Riesgo de juicios laborales
Desafío
Juicios laborales sin previsibilidad.
Lo que hicimos
Probabilidad de juicio en cada desvinculación y panel para el área legal y RR. HH.
Entrega
Ningún caso con ese sector y ese tema. Elija otro filtro.
“Piloto” indica un resultado de MVP en alcance reducido; “Resultado esperado” indica una proyección calculada con el cliente. Las demás cifras se midieron en el proyecto.
¿Quiere un resultado así en su operación?
Un diagnóstico muestra qué datos y qué procesos traen retorno primero.