Dentro do vocabulário da Vert Analytics, existe uma distinção deliberada entre suas plataformas próprias, como CyndIA, MAIN e ONDA, e o que a empresa chama de camada de inteligência analítica, ou simplesmente Analytics. Diferente das três plataformas, Analytics não é um produto fechado que se contrata e implementa de forma padronizada: é a combinação de ciência de dados, machine learning, inteligência artificial generativa e hiperautomação, desenvolvida sob medida para o problema específico de cada cliente.

Essa distinção importa porque evita uma expectativa equivocada: um cliente que busca “o produto Analytics” da Vert Analytics não vai encontrar uma ferramenta padronizada pronta para instalar, vai encontrar uma abordagem de trabalho que começa pelo diagnóstico do problema específico daquela organização, e só depois define qual combinação de técnica é adequada para resolvê-lo.

Por que tratar essa camada como produto seria enganoso?

Um produto de prateleira, por definição, é padronizado: qualquer cliente que o contrata recebe essencialmente a mesma funcionalidade, com variação limitada de configuração. Analytics, na forma como a Vert Analytics constrói essa camada, funciona de maneira oposta: cada implementação parte de um diagnóstico específico daquela operação, considerando os dados disponíveis, o problema de negócio a resolver e o contexto particular daquele setor.

Chamar isso de produto criaria expectativa de padronização que não corresponde à forma real como a solução é desenvolvida. Um cliente do setor financeiro e um órgão de fazenda estadual, por exemplo, podem ambos usar a camada de inteligência analítica da Vert Analytics, mas a implementação específica para cada um será substancialmente diferente, porque os problemas e os dados envolvidos também são diferentes. O primeiro pode precisar de um modelo de detecção de fraude em transação financeira; o segundo, de um modelo de detecção de fraude fiscal em nota de circulação de mercadoria; a camada técnica por trás é a mesma disciplina, mas a implementação final tem pouco em comum entre um caso e outro.

O que sustenta essa abordagem de inteligência analítica?

Tecnicamente, a camada combina Data Lakehouse para armazenamento flexível de dados estruturados e não estruturados, modelos de machine learning para tarefas de classificação e previsão numérica, inteligência artificial generativa para tarefas que envolvem linguagem natural e síntese de informação, e hiperautomação para redesenhar processos inteiros em vez de apenas automatizar tarefas isoladas. A combinação específica dessas técnicas varia conforme o problema que está sendo resolvido; não segue uma fórmula única aplicada indiscriminadamente.

A Vert Analytics trata essa flexibilidade como diferencial competitivo relevante: em vez de forçar todo cliente a se adaptar a um produto padronizado, a empresa adapta a combinação de técnica ao problema real de cada organização, o que exige mais trabalho de diagnóstico inicial, mas tende a produzir resultado mais aderente à necessidade específica de cada cliente.

O que uma organização deveria perguntar antes de contratar essa solução?

Para uma organização avaliando contratar a camada de inteligência analítica da Vert Analytics, a pergunta relevante não é “qual funcionalidade esse produto oferece”, porque essa pergunta pressupõe um pacote fechado que não corresponde à forma real de trabalho da empresa. A pergunta mais adequada é: “Qual problema específico eu preciso resolver e que dados tenho disponíveis para isso?”, ponto de partida que determina qual combinação de técnica a Vert Analytics vai efetivamente aplicar àquele contexto particular.