Pular para o conteúdo

O conhecimento que a inteligência artificial ainda não leu está dentro das empresas.

Originação e qualificação de bases de conhecimento para treino de IA.

Where data comes from.

O que já medimos

+5.000.000
arquivos de design inventariados
50 milhões
linhas de código com histórico de versionamento
+120TB
de áudio
Jurídico, editorial e fotográfico
em levantamento

Números medidos arquivo por arquivo, não estimados.

O que mudou

  1. A internet aberta já foi lida.

    Os modelos de IA aprenderam com o que estava publicado. O que ainda falta está guardado em empresas e instituições: décadas de trabalho que nunca foram catalogadas nem pensadas para leitura por máquina.

  2. Sem procedência, o acervo não serve.

    Antes do volume, quem compra quer saber de onde o material veio, quem é o dono e com que direito ele pode ser cedido. Dado sem rastro é risco jurídico para o comprador e material sem uso para quem treina.

  3. A origem muda o que o modelo aprende.

    Um modelo treinado com dado obtido sem consentimento gera tecnologia em que ninguém confia. Treinado com conhecimento cedido com clareza, ele fica mais perto de como as pessoas trabalham e pensam.

O que fazemos

O acervo chega espalhado e sai pronto para ser aceito e verificado por quem compra.

  1. Encontrar

    Chegamos ao acervo antes de ele existir como produto e conversamos com quem nunca pensou nesse material como um ativo.

  2. Provar

    Resolvemos titularidade, consentimento e cadeia de custódia antes de qualquer conversa sobre valor.

  3. Entregar

    Organizamos o acervo bruto no formato e no critério que o comprador exige, arquivo por arquivo.

Frentes

Os tipos de acervo com que trabalhamos. Cada um chega em formatos próprios e pede um caminho próprio para provar a origem.

Diagrama: a base de conhecimento no centro, cercada por cinco órbitas. BASE DE CONHECIMENTO

  • Design em camadas

    .psd .ai .indd .fig .sketch .xd

    Identidade e marca, campanha, mídia, editorial, embalagem e interface.

  • Código

    git .js .ts .py .java .php .sql

    Aplicação web e mobile, backend, sistema legado e documentação técnica.

  • Áudio e voz

    .wav .flac .mp3 .m4a .ogg

    Atendimento, reunião, entrevista e conteúdo com vários falantes.

  • Projeto técnico

    .dwg .dxf .rvt .ifc .step .shp

    Arquitetura, elétrica e eletrônica, mecânica e geoprocessamento.

  • Jurídico

    Peças processuais, decisões, pareceres.

Estas são as frentes com acervo já organizado. Outras verticais estão em levantamento.

Talvez o acervo esteja com você

Não precisa estar catalogado, organizado nem em formato atual. Servidor da empresa, HD que ninguém abre, backup de projeto antigo: é quase sempre assim que encontramos.

Extensão, formato e organização são trabalho nosso. O que precisa ficar claro primeiro é de onde o material veio e quem pode cedê-lo.

Falar sobre um acervo

Por que procedência

A próxima etapa da inteligência artificial depende de material que tem dono.

  • Todo acervo tem autor.

    Arquivos de projeto, gravações de atendimento, código de sistemas antigos, peças de campanha. Cada um foi feito por alguém, dentro de uma empresa, com algum acordo por trás.

  • O risco não desaparece.

    Quando o material entra num modelo sem origem conhecida, o problema passa para quem comprou, para quem treinou e, no fim, para quem usa a tecnologia.

  • Resolvemos antes.

    Provamos a origem de cada acervo antes que ele circule. É trabalho de contrato, documento e conversa, feito antes de qualquer venda.

Contato

Se a sua empresa guarda um acervo, fale com a gente por WhatsApp ou e-mail.