IA aplicada · conhecimento · decisões · automação
Desenhamos e construímos sistemas que convertem dados e informação em conhecimento utilizável, conteúdo, previsões, decisões e ações.
Combinamos machine learning, modelos generativos, engenharia de conhecimento, agentes, software e automação para resolver problemas que atravessam informação, pessoas, aplicações e, quando é necessário, o mundo físico.
02 — O que podemos ajudar a resolver
Encontrar, relacionar e tornar utilizável aquilo que uma organização sabe.
Documentos, bases de dados, conversas, código e conhecimento especializado contêm partes diferentes daquilo que uma organização sabe. Construímos sistemas de pesquisa, RAG, investigação e conhecimento capazes de encontrar, relacionar e contextualizar essa informação para que pessoas, modelos e agentes possam utilizá-la.
Gerar conteúdo de qualidade a partir de dados, informação e conhecimento.
Construímos sistemas capazes de organizar informação, selecionar o que comunicar, planear conteúdos e gerar peças de alta qualidade adaptadas a diferentes audiências, idiomas, durações e canais. Combinamos NLG, modelos generativos, terminologia, localização e produção multimodal para criar texto, reporting, explicações, voz, legendas e vídeo a partir de uma mesma base informativa.
Converter dados em previsões, sinais e decisões que possam medir-se e melhorar.
Aplicamos machine learning, forecasting, classificação, ranking, deteção de anomalias, otimização e modelos de decisão para extrair sinais úteis de dados complexos. Desenhamos os modelos em torno da decisão que devem melhorar, das suas restrições, da incerteza e do resultado que depois pode observar-se.
Coordenar informação, decisões e ações entre pessoas, software, agentes, sensores e robôs.
Construímos sistemas que não terminam ao produzir uma resposta: consultam informação, tomam ou preparam decisões, atuam sobre aplicações, coordenam agentes, gerem exceções e verificam resultados. Quando a operação continua no mundo físico, integramos perceção, visão, sensórica, navegação, manipulação e controlo robótico dentro do mesmo percurso operacional.
03 — Sistemas em prática
Os nossos projetos próprios são uma forma de investigar construindo. Trabalhamos sobre problemas reais de conhecimento, linguagem, machine learning, software, agentes, robótica e sistemas físicos, e utilizamos esses projetos para testar arquiteturas, métodos e tecnologias antes de os transformar em capacidades reutilizáveis.
ERP-Bots
ERP-Bots reúne o contexto do caso, aplica a política que corresponde, atua através de ferramentas tipadas sobre o ERP e as aplicações de negócio, e pede autorização quando a ação o exige. O percurso conserva o seu estado durante esperas, novas tentativas e exceções, e verifica o efeito na fonte antes de o dar por terminado.
Pode examinar-se o rasto completo de um caso: que contexto se recuperou, que política decidiu, quem autorizou e que sinal permitiu fechá-lo.
DocuLogic · KIR
DocuLogic reconstrói a lógica e o conhecimento operacional que hoje vivem repartidos entre código, configurações, documentos, tabelas, testes e rastos, e conserva-os como conhecimento legível, versionável e unido à sua evidência.
Cada regra chega com a sua proveniência e o seu estado: comportamento observado, lógica inferida, conhecimento validado ou decisão acordada. Pode examinar-se o mapa de regras de um domínio, a evidência que sustenta cada uma e as contradições que o sistema mostra em vez de resolver por sua conta.
Finaz
Finaz investiga como converter dados e informação complexa em conteúdo de alta qualidade de forma sistemática. Separa dados, cálculos, seleção de conteúdo, planeamento narrativo e realização linguística para produzir explicações, audiências, idiomas e durações diferentes a partir de uma mesma representação.
Sobre essa arquitetura combina NLG, modelos generativos, localização, voz, legendas e vídeo. A mesma informação pode transformar-se num briefing breve, numa explicação extensa, numa narração ou numa peça audiovisual sem tratar cada formato como um problema independente.
Project Memory RAG
Um RAG útil para projetos complexos precisa de fazer algo mais do que procurar fragmentos semanticamente parecidos. O Project Memory RAG combina recuperação lexical e vetorial com índices especializados para documentação, conversas e código, e acrescenta reranking, expansão de contexto e recuperação estrutural.
Em código pode relacionar símbolos, módulos, chamadas, dependências, testes e alterações em Git; em documentos conserva estrutura e contexto; e em conversas transforma decisões, problemas, restrições e resultados em memória reutilizável.
O objetivo é que um agente ou uma pessoa possa recuperar não apenas conteúdo parecido, mas o contexto de que realmente necessita para continuar o trabalho.
SuperSocrates · SuperQuestions
SuperSocrates procura o que falta e o que não encaixa: lacunas de informação, dados que não coincidem entre fontes, decisões que se contradizem e pressupostos que ninguém chegou a escrever. Em vez de fechar uma resposta, propõe a pergunta útil seguinte e mostra que evidência a resolveria.
SuperQuestions é um produto diferente: representa e gere as perguntas de um projeto juntamente com a sua evidência, as suas decisões, as suas dependências e o trabalho que abrem. Pode examinar-se uma colisão concreta com as duas fontes que a originam e a pergunta que abre.
SuperPythagoras · SecondOpinion
SuperPythagoras é o arnês com que construímos software quando pessoas e bots partilham o trabalho: distribui papéis, fixa contratos de entrega, ordena as transferências e exige revisão antes de uma alteração avançar. SecondOpinion acrescenta uma perspetiva independente sobre cada alteração com consequências, formulada por quem não a escreveu.
Pode examinar-se o percurso de uma alteração: quem a propôs, sob que contrato, o que observou a segunda opinião e que evidência fica de por que foi construída assim.
PentaEmbeddings
PentaEmbeddings investiga representações vetoriais especializadas para informação financeira e séries temporais. O objetivo é que padrões de preços, retornos, volatilidade, volume, microestrutura e contexto de mercado possam comparar-se, recuperar-se e combinar-se com outras modalidades dentro de sistemas de machine learning e pesquisa.
Face a embeddings desenhados unicamente para linguagem, exploramos representações capazes de captar estrutura temporal e comportamento de mercado: encontrar períodos semelhantes, reconhecer regimes, recuperar precedentes e ligar séries financeiras a informação textual e fundamental.
É uma linha de trabalho na interseção entre embeddings, séries temporais, representação multimodal e machine learning financeiro.
Excorpora
Excorpora investiga como modelar o que deve mudar, o que pode mudar e o que deve permanecer invariável quando transformamos linguagem entre variedades, idiomas, registos e contextos.
Combina investigação contrastiva, terminologia computacional, corpora sintéticos, representação semântica, modelos generativos e avaliação adversarial para tratar tradução e localização como um problema de engenharia linguística, não unicamente de fluidez.
MagdalenOS · MontojOS · Visort · IoRT · Utobot
O nosso trabalho em Inteligência Física reúne várias linhas complementares. MagdalenOS investiga manipulação robótica: geometria, cinemática, planeamento de movimento, ferramentas, cargas e evitamento de colisões. MontojOS trabalha sobre navegação e controlo de robôs móveis, combinando perceção, estimação de estado, localização e planeamento de trajetórias.
Visort explora visão artificial como camada de perceção para reconhecer, localizar e caracterizar aquilo sobre o qual um sistema deve decidir ou atuar. IoRT estende estas capacidades com uma arquitetura de Internet of Robotics Things que liga robôs, sensores, câmaras, modelos, agentes e sistemas digitais dentro de uma mesma operação.
A nossa spin-off Utobot leva parte desta experiência à robótica aplicada, com sistemas para âmbitos como cozinhas, logística, distribuição, limpeza e automação de espaços.
Juntas, estas linhas investigam um mesmo problema: como fazer com que perceção, decisão, software e ação física façam parte de um único sistema inteligente.
Cinemática · planeamento · ferramentas · cargas · colisões
Localização · perceção · trajetórias · controlo · autonomia
Visão artificial · perceção · localização · inspeção
Robôs · sensores · agentes · modelos · software · eventos
Cozinhas · logística · distribuição · limpeza · automação
Cada projeto torna visível um percurso: o que entra, que critério se aplica, o que atua e como se verifica o resultado.
04 — Como construímos estes sistemas
Problemas diferentes exigem formas diferentes de inteligência. Combinamos sistemas que organizam conhecimento, componentes que interpretam e decidem, e arquiteturas operacionais capazes de manter o trabalho em marcha até produzir um resultado.
Estabelece o que o sistema sabe, de onde provém e o que significa.
Reunimos documentos, dados, linguagem, código, regras e conhecimento especializado; resolvemos entidades, versões e contradições; e construímos uma representação comum com significado, proveniência e estado de validação.
Essa base pode alimentar investigação, pesquisa, reporting, tradução, localização, composição NLG, assistentes, agentes e memória de projetos. Também pode tornar examinável a lógica que hoje vive repartida entre software, configurações, documentação e experiência.
Interpretam o contexto e coordenam o passo seguinte dentro de limites definidos.
Construímos agentes com ferramentas tipadas, memória delimitada, workflows duradouros, políticas e intervenção humana, capazes de interpretar o contexto e escolher o passo seguinte.
A orquestração coordena esse trabalho entre modelos, software e pessoas, e conserva o objetivo, o estado, as permissões e o critério de conclusão até um resultado que pode avaliar-se.
Mantém o estado e leva o trabalho até um resultado verificável.
Representamos o estado do trabalho, aplicamos lógica e políticas, coordenamos agentes, software e pessoas, mantemos processos durante esperas e exceções e verificamos o efeito na fonte adequada.
A operação pode viver num ERP, atravessar várias aplicações, continuar durante meses ou estender-se ao mundo físico. O sistema conserva quem detém a responsabilidade seguinte, que autoridade necessita e que sinal permite considerá-lo concluído.
05 — Capacidades
Trabalhamos desde as fontes e a representação do conhecimento até aos modelos, ao software e à orquestração que sustentam decisões e operações. Cada capacidade ocupa uma função definida e liga-se às restantes através de contratos, estado e critérios de avaliação.
Exploramos tecnologias novas e construímos sobre fundamentos duradouros. A seleção é fundamentada por função, dados, custo, latência, responsabilidade, maturidade e resultado.
Explorar capacidades06 — O trabalho real
O trabalho de uma organização raramente cabe numa só ferramenta ou numa só resposta.
01
Documentos, dados, código, conversas e conhecimento de pessoas contêm partes diferentes do contexto.
02
Pessoas especializadas dedicam tempo a procurar, contrastar, calcular e reunir informação antes de poderem decidir.
03
Uma decisão deve transformar-se depois em ações, aprovações, alterações num ERP, mensagens, esperas ou trabalho físico.
04
Quando aparecem exceções é difícil saber o que aconteceu, que regra foi aplicada, o que falta e quem tem a responsabilidade seguinte.
Construímos sistemas para unir essas quatro partes: conhecimento, decisão, execução e verificação.
07 — Cultura 3.14
Interessam-nos os problemas que exigem compreender antes de simplificar. Escutamos posições diferentes, esclarecemos conceitos, examinamos pressupostos e construímos sistemas que permitem pôr as ideias em contacto com a realidade.
A ambição leva-nos a explorar tecnologias e a ligar disciplinas. A humildade permite-nos distinguir entre intuição, evidência, protótipo e capacidade operacional; e rever uma decisão quando o trabalho demonstra algo diferente.
08 — Inteligência Física · Laboratório
A IA deixa de ser unicamente software quando tem de compreender uma cena, estimar onde está, decidir um movimento, manipular um objeto ou coordenar-se com sensores e máquinas.
No nosso Laboratório trabalhamos em visão artificial, perceção, fusão sensorial, estimação de estado, navegação robótica, planeamento de movimento, manipulação, controlo e edge computing. MagdalenOS, MontojOS e Visort permitem-nos investigar estas capacidades sobre sistemas físicos reais.
Com IoRT exploramos, além disso, como unir robôs, sensores, câmaras, modelos, agentes e aplicações numa mesma arquitetura operacional. E através da nossa spin-off Utobot, esta experiência liga-se a aplicações de robótica de serviço, logística e automação.
Interessa-nos especialmente a fronteira onde uma decisão digital tem uma consequência física e o sistema precisa de observar depois o que aconteceu realmente.
09 — Construir juntos
Escutamos o trabalho a partir de posições diferentes: quem o realiza, quem toma decisões, quem mantém os sistemas e quem responde pelas suas consequências. Percorremos os casos habituais e os que põem o processo à prova; reunimos as suas perspetivas e tornamos visível o conhecimento que hoje vive repartido.
Com essa compreensão formulamos juntos o que merece mudar, o que convém preservar e onde a inteligência pode contribuir. A proposta toma forma através de objetivos observáveis, limites, responsabilidades e uma primeira trajetória completa que a equipa possa examinar e pôr à prova.
Depois construímos sobre artefactos partilhados: fontes, modelos de conhecimento, decisões, interfaces, protótipos, rastos e avaliações. Cada iteração incorpora a experiência de quem utilizará o sistema e a evidência daquilo que acontece quando ele começa a trabalhar.
Responderá uma pessoa da 3.14.