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"