De 70 a 100 fluxos de dados na mesma esteira
É o volume que o banco mapeou como candidato à modernização, agora organizado por critérios objetivos de complexidade e prioridade.
Cerca de 7 fluxos convertidos por mês
Cada fluxo recebe uma pontuação de complexidade, e a esteira comporta 20 pontos por mês, com folga de até 15% sem necessidade de reservar essa capacidade com antecedência. O volume considera uma fila equilibrada entre casos simples e complexos.
Até 30% de otimização no ciclo de desenvolvimento
Esse é o ganho estimado com o uso de aceleradores, que encurtam o caminho entre o desenho e a entrega de cada solução.
Contexto
Poucas coisas revelam tanto a maturidade de uma empresa em dados quanto o que acontece depois que um projeto termina. Um dos principais bancos do Brasil estava migrando seu ambiente analítico para fora da infraestrutura legada, mantida em servidores próprios, e o novo ambiente já funcionava. Faltava transformar essa conquista em entregas contínuas, e foi com esse objetivo que o banco desenhou, com a Keyrus, uma esteira de modernização de dados e uma Fábrica de IA. O banco não partia do zero. Em paralelo, sua área de governança de dados conduzia uma jornada própria: mapeou os domínios de dados e definiu quem responde por cada um, levou a governança para dentro do processo de desenvolvimento, estruturou um catálogo que mostra a origem e o caminho de cada dado e passou a monitorar a qualidade das informações. A cultura de dados também entrou na agenda, com um programa de formação que reúne 11 artigos publicados, newsletter interna, podcast, trilhas de aprendizagem, comunidade e portal de dados e análises. Foi essa base, construída pelo próprio banco, que preparou o terreno: sem papéis definidos, rastreabilidade e cultura de dados, nenhuma esteira de entregas se sustentaria por muito tempo.
Desafio
Duas perguntas precisavam de resposta. A primeira: como converter dezenas de fluxos, construídos ao longo de anos em uma ferramenta legada, sem transformar a modernização em um projeto sem fim? A segunda: como tirar a inteligência artificial das provas de conceito e transformá-la em uma capacidade do dia a dia, com responsáveis, ritmo de entrega e medição de resultados? A conversão precisava acontecer com o negócio em funcionamento, sem longas interrupções nem risco de falhas, para que o banco aproveitasse o que a nova arquitetura oferece: escalabilidade na nuvem, integração com as bases de dados e controle de versões do código. E o volume pedia método, não força bruta, já que converter tudo manualmente encareceria o trabalho e faria a qualidade variar de uma entrega para outra. Na frente de IA, o alerta vinha do próprio mercado. Estimativas citadas pela RAND Corporation indicam que projetos de inteligência artificial falham cerca de duas vezes mais que projetos de tecnologia que não envolvem IA, o que tornava arriscado manter iniciativas em fase de teste sem um caminho claro até a operação.
Abordagem
Tudo partiu de uma premissa simples: o que é repetitivo deve funcionar como operação, e o que é novo, como produto. Na conversão dos fluxos, isso se traduziu em uma esteira. Cada fluxo é classificado por complexidade, entra em uma fila priorizada todo mês com o banco e é convertido por uma ferramenta proprietária que, além de gerar documentação e testes, combina vários modelos de IA que conferem o trabalho uns dos outros, com especialistas revisando cada etapa. Antes da produção, o resultado é comparado ao fluxo original, o que aumenta a fidelidade inclusive em regras de negócio nunca documentadas. Para o que é novo, a resposta foi uma Fábrica de IA, que separa quem descobre o que fazer de quem constrói. O time de descoberta trabalha ao lado das áreas de negócio para mapear processos e priorizar casos de uso por valor, esforço e risco. O time de desenvolvimento cuida da parte técnica, da arquitetura ao acompanhamento da solução em produção, com entregas a cada duas semanas. Cada caso de uso segue sete etapas, da identificação da oportunidade até a operação, incluindo testes com usuários reais antes da liberação. Esse percurso segue uma referência de adoção estratégica de IA, que conecta cada iniciativa aos objetivos da empresa e considera governança, métricas de valor, plataforma tecnológica e capacitação das pessoas. O time também foi definido desde o início, com oito papéis, cada um com foco e desafios mapeados: líder de adoção, gerente de produto, facilitador, especialista, arquiteto, engenheiro, desenvolvedor e responsável por governança.
Principais resultados
Benefícios
Separar descoberta e desenvolvimento resolve dois problemas que costumam andar juntos: casos de uso que nunca viram produto e soluções que ficam sem dono depois de entrar em produção. Definir os papéis antes de a operação começar pode parecer burocrático, mas economiza meses quando ela cresce, porque ninguém precisa perder tempo descobrindo quem decide o quê. Com isso, o banco consegue evoluir seus casos de uso de forma contínua, em um ritmo definido e com a governança acompanhando cada passo. É assim que a Keyrus entende a Arquitetura da Inteligência: dados bem estruturados na base, pessoas no comando das decisões e resultados medidos e aprimorados a cada ciclo, para que o fim de um projeto deixe de ser o fim do trabalho.
Partilhe esse caso de sucesso
