Projetos de dados e IA que a Semantix entregou em grandes empresas: o desafio, o que foi feito e o resultado. Os clientes não são identificados por confidencialidade.
cases publicados
38
setores, além de casos multissetor
7
Serviços financeirosRisco e fraude
Prevenção à fraude em meios de pagamento
Desafio
Análise manual de transações e fraudes cometidas por usuários, estabelecimentos e empresas contratantes.
O que fizemos
Modelos não supervisionados por produto, regras de negócio e coleta automática de dados cadastrais.
−70%amostras para análise manual
+25%fraudes detectadas
Resultado medido
Serviços financeirosRisco e fraude
Score de fraude no seguro auto
Desafio
Fraude em sinistros, uso indevido de assistência e regras de subscrição sem apoio de dados.
O que fizemos
Modelos supervisionados e não supervisionados, explicabilidade das decisões e monitoramento do ciclo de vida dos modelos.
−20%na sinistralidade
Resultado medido
Serviços financeirosGovernança de dados
Políticas de crédito orientadas a dados
Desafio
Nova plataforma de dados na nuvem pouco usada pela área de crédito e alta dependência de TI.
O que fizemos
Perfis de consumo de dados, políticas de acesso, linhagem, catálogo e qualidade de dados automatizada.
+60%das políticas de crédito baseadas em dados
+82%da área usando a plataforma em 30 dias
−35%de dados duplicados
Resultado medido
Serviços financeirosPlataforma de dados
Migração de modelos para MLOps na nuvem
Desafio
Arquitetura on-premise, desenvolvimento centrado em SQL e nenhum fluxo de CI/CD para modelos.
O que fizemos
Plataforma no Google Cloud com feature store, pipelines de treino, registro de modelos, ambientes separados e infraestrutura como código.
22modelos rodando na nova plataforma
12books de variáveis migrados
Resultado medidoGoogle Cloud
Serviços financeirosAutomação de processos
Backoffice de cancelamento de vendas
Desafio
Pedidos de cancelamento chegando por e-mail, validação manual de anexos e risco de erro e duplicidade.
O que fizemos
Automação que lê os e-mails, valida os anexos, registra o cancelamento e avisa o estabelecimento, com relatório analítico.
60→2 minpor solicitação
168→1.000e-mails atendidos por mês
−82%em apontamentos de auditoria
Resultado medido
Serviços financeirosVendas e clientes
Venda cruzada em soluções de pagamento
Desafio
Base de mais de 100 mil clientes empresariais usando poucos produtos do portfólio.
O que fizemos
Recomendação por similaridade entre clientes, com camada de regras de negócio e score de propensão.
50%da base com recomendação
41%das recomendações são venda cruzada
Resultado medido
Varejo e consumoPrevisão e planejamento
Previsão de demanda no varejo farmacêutico
Desafio
Abastecimento calculado com premissas defasadas, lead time alto em algumas lojas e custo de incineração.
O que fizemos
Previsão de demanda com IA para todos os SKUs e novo cálculo de abastecimento com fatores externos e lead time.
−42%de ruptura
−13%de estoque
Piloto · MVP em 20 lojas, 1 mês
Varejo e consumoPrevisão e planejamento
Ruptura e perdas em rede de supermercados
Desafio
Ruptura crescendo, produtos indisponíveis difíceis de identificar e perdas pelo esforço manual.
O que fizemos
Previsão de demanda por SKU e loja, pipeline automatizado de execução do modelo e painel de acompanhamento.
−60%de ruptura
−12%de perdas
Piloto · MVP em 6 lojas, 1 mês
Varejo e consumoDados mestres e cliente 360
Visão única do cliente em grupo de moda
Desafio
Clientes espalhados por vários sistemas e marcas, e um CRM a reestruturar dentro da LGPD.
O que fizemos
Arquitetura de dados própria, registro mestre do cliente, MDM, stewardship, segmentação com IA e BI de autoatendimento.
100%dos clientes no MDM
Todasas marcas do grupo segmentadas
Resultado medido
Varejo e consumoVendas e clientes
Recomendação de roupas no e-commerce
Desafio
Recomendações genéricas, que não refletiam o estilo de cada cliente.
O que fizemos
Recomendação com deep learning a partir de estilo, palavras-chave e histórico de preço.
+22%em vendas sobre a recomendação anterior
Resultado medido
Varejo e consumoPrevisão e planejamento
Fatores de não venda no ponto de venda
Desafio
SKUs vendendo abaixo do esperado sem saber onde nem por quê.
O que fizemos
Previsão por SKU e ponto de venda, coleta de inteligência de mercado e detecção automática das causas.
Entrega
Varejo e consumoLinguagem natural
Opinião do consumidor nos marketplaces
Desafio
Milhares de avaliações em marketplaces sem leitura estruturada.
O que fizemos
Coleta de avaliações, modelo de sentimento e painel de indicadores por loja e SKU.
Entrega
Indústria e automotivoPrevisão e planejamento
Previsão de demanda de matéria-prima
Desafio
Erro alto na previsão do mês seguinte, afetando compras e produção.
O que fizemos
Modelos de IA para horizontes de um a três meses, com treino, validação e teste.
11%→2%de erro (MAPE) no mês seguinte
Resultado medido
Indústria e automotivoOtimização
Otimização de estoque em várias plantas
Desafio
Excesso de estoque convivendo com ruptura em várias plantas.
O que fizemos
Análise de demanda, lead time e criticidade, estoque ideal, recomendação de compra e torre de controle.
−20%nos níveis de estoque
Resultado medido
Indústria e automotivoOtimização
Alocação de pessoas na linha de produção
Desafio
Alocação sem método, absenteísmo e equipes sobrecarregadas.
O que fizemos
Simulador de otimização da alocação, entregue como produto digital de ponta a ponta.
+25%na velocidade da linha
Resultado medido
Indústria e automotivoGovernança de dados
Governança de dados em multinacional química
Desafio
Dados duplicados, regras de negócio desconhecidas e um data lake que outras operações das Américas iam usar.
O que fizemos
Curadoria de dados, catálogo e glossário, revisão de todo pipeline novo, processo de qualidade e donos de dados.
−40%no tempo de desenvolvimento de pipelines
−18%em refatoração de código
100%dos pipelines novos revisados
Resultado medido
Indústria e automotivoAutomação de processos
Aprovação automática de ordens de serviço
Desafio
Validação manual de preço de peças e serviços em ordens de concessionárias.
O que fizemos
Padronização de dados, modelos de preço, robôs de preço externo e modelo em contêiner integrado aos sistemas.
+5.000ordens de serviço automatizadas
Resultado medido
Indústria e automotivoVisão computacional
Segurança e qualidade com visão computacional
Desafio
Uso de EPI, qualidade do processo e ergonomia acompanhados por amostragem.
O que fizemos
Monitoramento por visão computacional do uso de EPI e das etapas do processo.
Entrega
Indústria e automotivoPessoas
Previsão de absenteísmo em plantas e lojas
Desafio
Faltas afetando a operação das plantas e dos pontos de venda.
O que fizemos
Probabilidade de falta, previsão semanal por unidade para as quatro semanas seguintes e alertas aos gestores.
Entrega
Indústria e automotivoOtimização
Malha logística de indústria de alimentos
Desafio
Produção, armazenagem, distribuição e tributos decididos separadamente.
O que fizemos
Otimização da malha com a matriz tributária entre estados e equalização de preços.
Entrega
Saúde e farmaPrevisão e planejamento
Previsão de demanda na indústria farmacêutica
Desafio
Previsão do mês seguinte para centenas de SKUs, com meta de reduzir o erro em 20%.
O que fizemos
Vários modelos testados por SKU e escolha automática do melhor para cada produto.
−24%de erro médio (MAPE) em 329 SKUs
−35%de erro nos 20 principais SKUs
Resultado medido
Saúde e farmaRisco e fraude
Abusos em operadora de saúde
Desafio
Pré-auditoria manual de procedimentos e fraude em procedimentos de alto custo.
O que fizemos
Modelo de probabilidade de negativa, retreino automático, score a cada 2 horas e decisão automática nos pedidos de baixo valor.
R$ 1,1 miem autorizações que passaram a ser automáticas
R$ 1,3 miem procedimentos indicados para não autorizar
Resultado medido
Energia e saneamentoPlataforma de dados
Previsão de penalidades regulatórias em distribuidora de energia
Desafio
Multas por interrupções longas, dados fragmentados e de baixa qualidade, indicadores calculados à mão.
O que fizemos
Lakehouse com arquitetura medalhão (Bronze, Prata e Ouro) em Databricks no Microsoft Azure, previsão com machine learning, simulador de penalidades e painéis.
36%mais precisa que a previsão da área de negócio
R$ 3,4 miem multa evitável
Resultado esperado · Previsão medida no piloto; a multa evitada é resultado esperadoDatabricks · Microsoft Azure
Energia e saneamentoAgentes de IA
Agentes de IA para recuperar créditos tributários
Desafio
Mais de 112 mil lançamentos por trimestre e legislação tributária extensa, analisados à mão.
O que fizemos
Um agente orquestrador e nove agentes especializados por tipo de serviço identificando créditos de PIS e COFINS.
90%de precisão na identificação dos créditos
+R$ 20 miem créditos identificados por mês
Resultado medido
Energia e saneamentoPrevisão e planejamento
Previsão de consumo no mercado livre de energia
Desafio
Consumo e faturamento de milhares de clientes difíceis de prever, com risco de penalidades.
O que fizemos
Previsão horária por cliente e por mercado com dados externos, balanço energético e painéis de cenários.
+2 milunidades consumidoras previstas hora a hora
Resultado medidoAWS
Energia e saneamentoRisco e fraude
Detecção de anomalias em usinas
Desafio
Limites de operação difíceis de definir e paradas que reduzem a energia vendável.
O que fizemos
Modelos não supervisionados sobre as séries dos sensores, ciclo de vida dos modelos e painel de anomalias.
1º mêsprimeira anomalia relevante detectada
Resultado medidoAWS
Energia e saneamentoOtimização
Risco e retorno em carteira de energia
Desafio
Carteira de contratos futuros concentrada.
O que fizemos
Otimização de portfólio com simulação de Monte Carlo, backtest e painéis de decisão.
Entrega
AgronegócioPrevisão e planejamento
Previsão de preço de commodities agrícolas
Desafio
Volatilidade no preço da soja e do milho, capacidade limitada e frete spot caro.
O que fizemos
Combinação de modelos, monitoramento de notícias e previsões para 1, 5 e 22 dias úteis.
+24modelos de IA
+5 milvariáveis monitoradas
Resultado medidoGoogle Cloud
AgronegócioOtimização
Alocação de prensas móveis na coleta
Desafio
Capacidade limitada de veículos e fornecedores na coleta.
O que fizemos
Agrupamento de fornecedores e otimização de rotas e alocação.
+2 mil t/diacoletadas além do realizado
Resultado medido
LogísticaVendas e clientes
Recomendação de voos e ofertas em companhia aérea
Desafio
Voos com baixa ocupação e a mesma oferta para todos os passageiros.
O que fizemos
Agrupamento, regras de associação e similaridade entre passageiros para recomendar voos e serviços.
+50%na receita via e-mail marketing
+400%na receita em redes sociais
Resultado medido
LogísticaOtimização
Precificação dinâmica de passagens de ônibus
Desafio
Preços definidos manualmente em todas as linhas.
O que fizemos
Ingestão de dados, previsão de demanda, otimização de preço e integração por API ao sistema de vendas.
4 milpreços calculados por dia
200preços publicados por dia
Piloto · Versão de teste
LogísticaOtimização
Programação de equipamentos ferroviários
Desafio
Programação de vagões e equipamentos feita sem otimização.
O que fizemos
Programação por restrições e programação linear inteira.
Entrega
LogísticaPrevisão e planejamento
Previsão de preço do frete rodoviário
Desafio
Custo de frete difícil de prever nas rotas de referência.
O que fizemos
Acelerador de previsão, monitoramento de notícias e simulador geográfico de cenários.
Entrega
MultissetorAgentes de IA
Assistente de suprimentos integrado ao SAP Ariba
Desafio
Equipe de suprimentos fazendo suporte de primeiro nível e lançamentos duplicados por erro humano.
O que fizemos
Assistente virtual que responde dúvidas e consulta o status de pedidos no SAP e no Ariba, 24x7.
51%dos atendimentos absorvidos pelo assistente
~R$ 5 mipor semestre em capacidade liberada
Resultado esperado · Economia projetadaSAP Ariba
MultissetorLinguagem natural
Análise de entrevistas em vídeo
Desafio
Entrevistas analisadas à mão por equipes de cinco a sete pessoas.
O que fizemos
Transcrição, separação de falantes, modelagem de tópicos e sentimento em um pipeline de ponta a ponta.
−65%no tempo de análise
Resultado medido
MultissetorVisão computacional
Similaridade de marcas em pedidos de registro
Desafio
Conflitos entre logotipos identificados à mão.
O que fizemos
Modelo de deep learning que compara as imagens e aponta marcas parecidas.
13,5%de erro, contra 27,3% do método anterior
Resultado medido
MultissetorVendas e clientes
Indicação de clientes no mercado imobiliário
Desafio
Custo de aquisição alto e poucas vendas vindas de indicação.
O que fizemos
Modelos de propensão a indicar e a converter, segmentação e simulador.
15%→45%de conversão no público priorizado
Resultado medido
MultissetorPessoas
Risco de processos trabalhistas
Desafio
Processos trabalhistas sem previsibilidade.
O que fizemos
Probabilidade de processo a cada desligamento e painel para o jurídico e o RH.
Entrega
Nenhum caso com esse setor e esse tema. Escolha outro filtro.
“Piloto” indica resultado de MVP em escopo reduzido; “Resultado esperado” indica projeção calculada com o cliente. Os demais números foram medidos no projeto.
Quer um resultado assim na sua operação?
Um diagnóstico mostra onde estão os dados e os processos que trazem retorno primeiro.