# Um agente autônomo que mina $200M+ de dado de invoice por ano e revela alavancas de margem que um time de BI nunca acharia _O agente Sibiu da HomoDeus roda continuamente sobre uma base global de invoice e vendas, gera hipóteses sobre alavancas de margem e pricing, e escreve as análises que o operador comissionaria à mão._ ## O cliente O cliente está sentado em cima de uma base interna gigantesca que consolida atividade global de invoice e vendas em toda sua base de fornecedores e clientes. A base é a fonte de verdade do reporting financeiro todo mês. E também é onde alavancas de margem se escondem. Achar essas alavancas hoje exige que um time de BI e tech monte cada relatório manualmente, o que limita o fabricante aos KPIs rotineiros que todo mundo já olha. ## O problema O dado está todo lá. O loop de descoberta é o problema. BI rotineiro refresca os mesmos dashboards do mesmo jeito. Pedir uma pergunta nova à base leva semanas de trabalho do time de tech, e quando a resposta chega a alavanca já se moveu. O fabricante precisava de algo que faz perguntas novas no mesmo dado, continuamente, sem agendamento. ## O que construímos A HomoDeus implanta o Sibiu, um agente normalmente vendido para fundos de investimento e adaptado aqui para trabalho de margem industrial. Ele se assenta sobre a ontologia do fabricante, mina a base de invoice e vendas continuamente, gera hipóteses sobre alavancas de margem e pricing, e escreve a análise que um operador sênior comissionaria. A interface é conversacional. Um prompt roda ao vivo em cerca de onze minutos contra a base inteira e devolve uma análise escrita e citada que o time pode contestar. BI rotineiro continua rodando. O Sibiu adiciona as perguntas que a rotina nunca faz. ## Resultados - $200M+ — em fluxo de fornecedor e cliente indexado na base - 11 — hipóteses de margem concorrentes geradas por execução autônoma - 73% — do trabalho recorrente de BI absorvido pelo stack de agentes - ~11 min — runtime ao vivo do prompt à análise contra a base inteira ## Resultado-chave O time de dashboard para de ser a camada de descoberta. O agente roda continuamente e revela as alavancas que os KPIs rotineiros não veem. ## Nas palavras deles "Considere-nos o Palantir brasileiro." — HomoDeus, posicionamento em call com o prospect ## Stack - Ontologia manufatureira interna - Engine de mineração contínua de base - Agente de geração de hipóteses - Interface analítica conversacional - Runtime ao vivo de prompt-para-análise - Deploy in-environment ## Tempo até produção 6 semanas até o primeiro agente em produção, runtime "Sibiu" produto ## Perguntas que o comprador faz ### O que um agente autônomo de dado faz por um fabricante? Ele mina a base de invoice e vendas da firma continuamente, gera hipóteses sobre alavancas de margem e pricing, e escreve a análise que um operador sênior comissionaria. O BI rotineiro continua rodando para os KPIs recorrentes; o agente adiciona as perguntas que a rotina nunca faz. ### Como isso é diferente de um dashboard de BI? Um dashboard responde à pergunta que você escreveu há um ano. O Sibiu lê o mesmo dado e gera perguntas novas, depois escreve a análise. Um prompt ao vivo contra a base inteira devolve uma análise citada em cerca de onze minutos, não um gráfico refrescado. ### O dado sai do nosso ambiente? Não. O Sibiu é deployado dentro da ontologia e da infra do fabricante. O agente roda contra a base no lugar, não contra uma cópia subida para algum outro canto. ## Relacionados - https://www.homodeus.me/pt/work/operational-mapping-agents.md - Todos os estudos de impacto: https://www.homodeus.me/pt/work