Case de Sucesso - Implementação de IA no Bdash
1. Sobre o Bdash
O Bdash é uma plataforma SaaS desenvolvida para oferecer soluções avançadas em Governança, Risco e
Conformidade (GRC). Projetada para atender às demandas complexas desse mercado, a ferramenta utiliza
Inteligência Artificial para simplificar a coleta, organização e análise de dados, garantindo precisão e
eficiência no cumprimento de obrigações regulatórias e contratuais, bem como na mitigação de riscos. 
Imagem ilustrativa da plataforma Bdash
2. Desafios
- A principal barreira de entrada identificada era o volume massivo de informações que precisavam ser inseridas manualmente na plataforma. Como um sistema de GRC exige coleta, organização e análise detalhada de dados complexos, o processo manual gerava fricções significativas, dificultando a adoção da ferramenta e comprometendo sua eficiência.
- Nossa abordagem foi implantar Inteligência Artificial para automatizar a extração e organização dessas informações. O objetivo era reduzir o esforço manual, melhorar a precisão dos dados coletados e garantir insights consistentes, independentemente do volume ou complexidade dos documentos.
- Para alcançar esse objetivo, optamos por um modelo de mercado pré-treinado que não realiza aprendizado contínuo. Isso exigiu adaptações na curadoria dos dados e personalizações nos algoritmos para garantir resultados precisos. Garantir acurácia e consistência foi essencial, especialmente ao lidar com documentos estruturados e não estruturados, regras regulatórias complexas e informações críticas para nossos clientes.
- Ao lado, a adoção pelos usuários representou um desafio adicional. Embora a IA trouxesse benefícios claros, havia receio quanto à confiabilidade e à usabilidade da solução. Nossa missão foi simplificar a experiência, demonstrando que a automação não só facilita o processo, como também aumenta a confiabilidade e eficiência dos resultados.
3. Começo do Desenvolvimento
3.1 Pesquisa
- Compreensão profunda das necessidades e expectativas dos usuários finais por meio de entrevistas, questionários e análises de mercado.
- Estudo detalhado dos requisitos regulatórios e de conformidade para garantir que o produto esteja em
linha
com as melhores práticas do setor.
"Pesquisa com usuários para coleta de insights detalhados sobre necessidades e expectativas dos usuários finais por meio de entrevistas, questionários e estudos de mercado, orientando decisões estratégicas com base em dados reais."
3.2 Implementação Técnica
- Integração de um modelo de IA pré-treinado, escolhido estrategicamente por sua robustez e capacidade de extração de informações relevantes sem a necessidade de aprendizado contínuo.
- Adaptação desse modelo para o domínio específico de GRC, ajustando parâmetros e refinando regras de
interpretação para garantir precisão na extração de informações de documentos complexos.
"Comparativo entre Fluxos Antigo e Novo destacando melhorias, otimizações e ganhos de eficiência alcançados com as mudanças implementadas."
3.3 Validação
- Implementação de processos de curadoria de dados para garantir que os inputs utilizados pelo modelo sejam consistentes e relevantes, maximizando a acurácia e minimizando erros.
- Testes contínuos com usuários para garantir que o produto seja não apenas funcional, mas também intuitivo e eficiente.
- Recolhimento de feedback e implementação de melhorias de forma iterativa.
"Feedback visual para indicar o funcionamento correto da IA. Inclui um gabarito com respostas corretas para comparação, facilitando a análise de acurácia e validação dos resultados futuros."
4. Soluções Implementadas
- Implementação de um modelo de IA pré-treinado, adaptado para extrair e organizar informações de
documentos
estruturados e não estruturados.
"Prompt para extração e organização de dados"
- Desenvolvimento de algoritmos específicos para garantir precisão e consistência na extração de dados
relevantes, considerando regras regulatórias complexas.
"Acurácia do Prompt: Resultado após passar pelo algoritmo de validação e refinamento."
- Criação de um fluxo intuitivo que inicia com o envio dos documentos pelos usuários, segue com a extração
automática dos dados pela IA e finaliza com a visualização do conteúdo cadastrado na plataforma. Nesta
etapa, os usuários são notificados para revisar os dados salvos e fornecer feedback positivo ou negativo
sobre a precisão da extração, permitindo ajustes e melhorias contínuas no sistema.
"Fluxo Intuitivo em 3 Partes: Enviar, Extrair e Visualizar"
5. Resultados
- Redução significativa de 91% do esforço manual necessário para a coleta e organização de dados, melhorando a experiência do usuário.
- Aumento na eficiência operacional, permitindo o processamento de grandes volumes de dados com precisão e agilidade.
- Melhoria na adoção da ferramenta por parte dos usuários, com feedback positivo sobre a simplificação dos processos e a entrega de insights confiáveis.
- Com base no feedback dos usuários, estamos avançando na integração do Bdash com ferramentas de CLM, ERP
e CRM. Essa integração permitirá a automação do processo de extração de documentos e dados, otimizando ainda
mais a eficiência operacional e garantindo consistência nas informações analisadas.
"Feedback do time de implantação do Bdash"