Programas de cálculo e verificação
Programas de cálculo que, sobre os mesmos dados, dão sempre o mesmo resultado: controles, cenários, simulações e verificações repetíveis.
Software técnico
A Artik Lab desenvolve para os clientes software avançado quando o problema não se resolve com um painel ou com o software padrão da empresa: cálculos técnicos, modelos matemáticos, dados operacionais, regras de especialistas e fluxos de trabalho a controlar com testes.
Quando faz sentido
Muitas empresas industriais trabalham com cálculos, exceções e decisões técnicas que cresceram com o tempo. Às vezes vivem em planilhas frágeis, às vezes em software obsoleto, às vezes em procedimentos conhecidos apenas por usuários experientes. O serviço transforma esse conhecimento em sistemas legíveis, testáveis e transferíveis.
O que se constrói
O valor nasce da combinação entre engenharia de software, análise de dados e formalização de conhecimento especializado. O resultado não é uma demo, mas um sistema com critérios de aceitação, testes, documentação e limites claros.
Programas de cálculo que, sobre os mesmos dados, dão sempre o mesmo resultado: controles, cenários, simulações e verificações repetíveis.
Coleta, normalização e leitura dos dados operacionais para identificar anomalias, padrões, prioridades e riscos.
Auditoria do código existente, reconstrução das lógicas, parser (programa que lê formatos antigos) e reescrita progressiva.
Ferramentas utilizáveis por escritórios técnicos e funções operacionais: painéis de decisão, relatórios, exportações e integrações.
Método
Não é software genérico. É software que incorpora domínio, matemática e responsabilidade.
Ler o sistema existente: dados, fórmulas, fluxos, dependências, erros conhecidos e risco operacional.
As regras especializadas viram entidades, restrições, premissas, casos-limite e critérios de decisão.
O núcleo de cálculo é separado de interfaces, relatórios e componentes de IA, para permanecer controlável.
Construir um fluxo mínimo completo: dados de entrada, modelo de dados, cálculo, verificação e resultado.
Testes automáticos, casos sintéticos, regressão e comparação com referências conhecidas medem desvios e riscos.
O sistema se torna utilizável com interfaces, APIs, relatórios, documentação e responsabilidades de manutenção.
Entregáveis
Exemplos anônimos
Um escritório técnico usa arquivos complexos para tomar decisões recorrentes. O risco é que as fórmulas já não sejam conferíveis e que cada alteração exija memória histórica. O projeto reconstrói as regras, transforma-as em modelo de dados e acrescenta testes para evitar regressões.
Uma aplicação crítica ainda funciona, mas depende de tecnologias datadas e de lógicas não documentadas. O trabalho parte da auditoria, separa o que deve ser preservado do que deve ser reprojetado e constrói uma reescrita progressiva com comparação dos resultados.
O processo produz dados, mas a empresa os usa sobretudo para relatórios retrospectivos. A análise busca sinais úteis para prioridades operacionais, anomalias, previsões e escolhas de controle, declarando também quando o dado não basta.
Algumas decisões dependem da experiência de funções-chave. O projeto torna explícitas regras, exceções e limiares de atenção, para que o saber permaneça disponível também quando mudam pessoas, ferramentas ou volumes de trabalho.
Dos projetos executados
O que foi obtido.
Oito semanas de análise sobre cerca de 267 arquivos-fonte: 37 regras de decisão escritas e 18 criticidades que a empresa não sabia que tinha.
A situação. Uma empresa projeta sob encomenda componentes cujo dimensionamento exige verificações normativas. Há mais de vinte anos o trabalho passa por um software de cálculo escrito internamente, em uma plataforma de desenvolvimento que já não tem suporte, com formatos de arquivo proprietários nunca documentados. O programa funciona, mas ninguém consegue mais alterá-lo com segurança razoável. E as especificações não existem: as regras vivem dentro do código e na experiência de um único projetista.
O que foi feito. Os requisitos não foram coletados, foram reconstruídos. O trabalho lê em paralelo três fontes — o código-fonte, o arquivo dos projetos realmente executados e as indicações do escritório técnico — e as faz colidir entre si: cada regra extraída do código é confrontada com os dados e levada ao especialista, cada indicação do especialista é verificada no código. Nenhuma afirmação é aceita por confiança, nem a do especialista nem a do código; o que não é verificável é declarado como tal, em vez de permanecer implícito.
O que mudou. A empresa deixou de depender de um saber que existia em um só lugar. O que era tácito virou um documento discutível e, junto com o mapa do sistema, saiu a lista das incongruências que ninguém tinha mais como ver, inclusive divergências entre o que o manual prescreve e o que o programa executa.
Dois documentos oficiais já preenchidos com os dados conferidos; nenhuma comunicação sai sem a aprovação de uma pessoa.
A situação. Uma organização recebe os pedidos por e-mail, em forma livre, escritos por pessoas diferentes. Cada processo exige dados precisos, alguns verificáveis só cruzando várias informações, e produz documentos oficiais em modelos fixos. O tempo qualificado se vai no transporte dos dados: reler, pedir o dado faltante, esperar, recopiar os mesmos campos em vários documentos, cobrar quem precisa completar a sua parte. O gargalo não é a decisão: é o transporte.
O que foi feito. Um assistente vigia a caixa. Lê a mensagem, extrai os dados, confere-os com as condições da organização e responde explicando em linguagem corrente qual dado falta e em que forma é preciso, em vez de reenviar um formulário vazio. Acima dele trabalha um gestor que conhece o ciclo de vida do processo: quantas vezes o mesmo dado já foi pedido, se quem precisa completar a própria parte respondeu nos dias previstos, se o solicitante já tem um processo aberto. Depois de um número declarado de trocas infrutíferas o processo congela, em vez de alimentar uma troca infinita.
O que mudou. Quando o processo está completo, os documentos oficiais saem já preenchidos nos modelos da organização, com os campos populados pelos dados validados. O tempo qualificado volta à avaliação de mérito, que é a única parte que realmente pedia uma pessoa experiente.
O plano semanal se calcula em poucos segundos e se regenera quando uma restrição muda. Quanto faz poupar ainda não está medido, e não é declarado.
A situação. Quando uma empresa envia equipes aos clientes, o programa semanal nasce de dezenas de restrições que se atrapalham: endereços espalhados em um território amplo, faixas de horário impostas pelos clientes, prioridades comerciais e prazos de lei, durações que mudam com o tipo de prestação, equipes não intercambiáveis. Feito à mão, o plano sempre sai percorrível, mas nunca eficiente, e falta o termo de comparação para perceber isso.
O que foi feito. O problema é formulado como problema de rota com janelas de tempo e resolvido com um otimizador. Um primeiro nível distribui as intervenções pelos dias, equilibrando a capacidade das equipes e colocando primeiro as mais onerosas. Um segundo resolve cada dia como rota em vários veículos, com os tempos de percurso reais tirados de um serviço viário e as janelas de horário tratadas como restrições que não se podem violar.
O que mudou. O responsável recebe um plano pronto para usar: rotas no mapa, calendário diário por unidade, quilômetros, horas de direção e saturação das equipes. E o mesmo plano se regenera em poucos segundos quando uma restrição muda, que é a parte que serve na hora, quando alguém falta.
Abrir uma nova sede significa carregar um arquivo, não reunir e classificar à mão as fotografias de cada artigo.
A situação. Reconhecer a partir de uma foto os artigos de um catálogo que muda todo dia custa caro se cada sede precisa antes reunir e classificar à mão as fotografias. É o que torna proibitivos os prazos de ativação das soluções tradicionais neste tipo de serviço.
O que foi feito. A abordagem alternativa é descrever o catálogo em vez de mostrá-lo. Os itens do dia são carregados de forma declarativa — nome, categoria, descrição estendida, ingredientes, quantidade — e um modelo multimodal generalista reconhece a partir dessas descrições, não de um arquivo de imagens rotuladas. O sistema também trata os itens compostos, com coeficientes de porção, para que os valores permaneçam corretos quando na mesma escolha convivem meias porções de produtos diferentes.
O que mudou. Ativar uma nova sede significa carregar o catálogo dela. Não é preciso hardware dedicado: usa-se o smartphone da pessoa, sem totens nem leitores. E o custo escala com o tráfego, em vez de ser o custo fixo de um posto a manter mesmo quando passam dez pessoas.
18 tipos de curso obrigatório, cada um com o próprio vencimento; para cada pessoa quatro estados (válido, a vencer, vencido, nunca realizado) e um aviso prévio que se pode regular.
A situação. Quem responde pelo treinamento obrigatório de dezenas ou centenas de pessoas mantém o estado em planilhas que envelhecem a cada contratação e a cada mudança de função. O risco não é teórico: é perceber um vencimento ultrapassado durante uma inspeção, com o que isso implica em matéria de segurança do trabalho.
O que foi feito. O problema não é calcular uma data. É manter juntos cadastros, histórico dos cursos e regras de periodicidade diferentes por função e por atividade, e calcular para cada pessoa e para cada obrigação um estado entre quatro: válido, a vencer dentro do limiar, vencido, nunca realizado. Dali saem a matriz formativa legível de relance, as cobranças em registro formal e o relatório periódico.
O que mudou. Quando a matriz existe, o trabalho vira programar os cursos em vez de reconstruir o estado. Os dados pessoais permanecem no servidor da organização: nenhum envio a serviços externos, obtido como restrição de arquitetura e não como declaração de intenção.
Atlas IA
O Atlas reúne exemplos concretos de aplicações IA para documentos, operações, RH, marketing, software, governança, produção, formação e dados. Ajuda a decidir se o caso exige consultoria, análise de dados, desenvolvimento técnico ou formação.
Abrir o AtlasIA controlada
Em sistemas técnicos, componentes opacos não devem substituir o cálculo verificável. A IA pode explorar dados, explicar resultados, propor cenários, ler documentos ou assistir o usuário. O núcleo determinístico, as regras de domínio e os testes continuam sendo o ponto de controle.
Nos projetos
Cinco projetos diferentes, a mesma escolha: o que decide é um cálculo repetível e controlável com testes, a IA trabalha por cima. Cada ficha diz onde passa o limite e como se controla.
As escolhas de quem tem vinte anos de ofício viram regras escritas no programa de cálculo; os controles de norma permanecem um cálculo repetível.
Em muitos escritórios técnicos o programa executa as verificações, enquanto as escolhas que levam a uma solução eficiente ficam com quem tem vinte anos de ofício: por onde começar, como corrigir quando as verificações não fecham, quando uma solução formalmente correta não é razoável.
O projeto transforma essas decisões em restrições, heurísticas e regras de diagnóstico explícitas, que viram parâmetros do motor de cálculo. Por cima do núcleo trabalham agentes especializados, instruídos nos casos históricos e nas soluções realmente adotadas: um propõe a configuração inicial para um problema novo, um escolhe a estratégia corretiva quando a otimização não converge, um compara o resultado com os casos análogos e aponta quando está matematicamente correto mas atípico.
Os dois planos permanecem separados. As verificações normativas são determinísticas e reproduzíveis, a IA trabalha por cima do cálculo e não dentro, e o especialista permanece no ciclo para validar, corrigir e enriquecer.
As condições para aceitar ou recusar um processo estão em um arquivo que o escritório altera sem tocar no código. A inteligência artificial prepara os dados e comunica o desfecho, não o estabelece.
Em um processo que produz documentos oficiais, o texto pode ser escrito pela inteligência artificial; se o processo é aceito ou não, decidem as regras, não o modelo.
As condições para aceitar ou recusar um processo estão em um arquivo de configuração legível que o escritório técnico atualiza sozinho quando uma regra muda, sem passar pelo desenvolvimento. A inteligência artificial lê os e-mails, extrai os dados e compõe a resposta; o programa de cálculo decide o desfecho e o motiva.
E o envio permanece um gesto humano: o rascunho está pronto, a assinatura é de quem responde.
O programa pode deixar de fora uma intervenção, e declara isso com um custo ligado à prioridade, em vez de produzir um plano que no papel se sustenta e na rua não.
O valor não é só a rota mais curta: é saber o que fica de fora e por quê.
Em vez de forçar um programa inviável, o programa pode deixar de fora uma intervenção e declara isso com um custo ligado à prioridade. O que o responsável recebe é um plano executável mais a lista motivada do que não era planejável — capacidade insuficiente, janela de horário incompatível — em vez de intervenções que desaparecem em silêncio.
Também o tempo de cálculo é declarado de partida: é um parâmetro de projeto, não um efeito colateral do tamanho do problema.
A correção oferecida à pessoa mostra só alternativas visualmente semelhantes, e não os preços.
Um sistema de reconhecimento na mão do público se julga por como trata os casos em que erra.
Aqui a qualidade da imagem é avaliada antes do envio, e pede-se refazê-la quando está desfocada ou incompleta. Depois do reconhecimento a pessoa confirma ou corrige, mas a correção é desenhada para não virar um atalho: a lista de alternativas contém só itens visualmente semelhantes, e os preços não estão visíveis.
O ônus da verificação se desloca para o usuário sem abrir a porta ao abuso, e é esta escolha, mais do que o modelo, que determina se o sistema se sustenta em operação.
Nenhum número do relatório nasce de um modelo: as grandezas são calculadas por um programa que, sobre os mesmos dados parados, dá sempre o mesmo resultado.
Nos relatórios a separação é nítida. As grandezas são calculadas por um programa que, sobre os mesmos dados parados, dá sempre o mesmo resultado, com testes que as reproduzem idênticas a cada execução; o texto é escrito ancorado nesses números e nas citações reais.
O documento pronto é depois relido por personas sintéticas (perfis de leitor gerados para testar a qualidade) com um limiar de qualidade declarado, abaixo do qual não se entrega.
E quando a métrica óbvia não discrimina — categorias em que todas as atividades estão acima de 4,8 estrelas — o relatório diz isso, em vez de construir em cima um veredito.
Perguntas frequentes
Não. É pensado para problemas que exigem domínio técnico, dados, matemática, algoritmos, testes e critérios de verificação.
Não. Muitas vezes o primeiro trabalho é reconstruir especificações, regras, premissas e casos-limite a partir do sistema existente e das pessoas especialistas.
Não. Em contextos técnicos a IA é usada como apoio. As partes críticas continuam explicáveis, testadas e sob responsabilidade humana.
O projeto trabalha com perímetros, acessos, dados e materiais acordados. Os exemplos públicos usam apenas descrições anonimizadas.
Contato
A primeira conversa dura 30 minutos, é gratuita e esclarece processo, objetivo, dados disponíveis, restrições e próximo passo útil: treinamento, consultoria, início operacional, análise de dados ou protótipo técnico controlado.
Escrever para dtr@ar-tik.com