01
Agentes en producción
Agentes para tareas específicas, conectados a sus herramientas actuales, con control de acceso, registros y una ruta definida para los casos que no deben resolver solos.
Inteligencia artificial aplicada · São Paulo
Sistemas de IA que entran en la operación. Y se quedan.
NASCIA AI diseña, construye y opera agentes, bancos de evaluación e integraciones en los procesos que su organización ya utiliza cada día. Un sistema que su propio equipo puede operar, auditar y ampliar.
01. Definir
Definir la tarea, el responsable y la medida de éxito antes de elegir cualquier modelo.
02. Instrumentar
Construir primero el banco de evaluación, para distinguir una mejora de la suerte.
03. Integrar
Integrar en el flujo de trabajo existente, con fallbacks, registros y control de acceso.
04. Transferir
Entregar el runbook, las pruebas y un equipo capaz de operar sin nosotros.
Los mismos cuatro pasos, en el mismo orden, en cada proyecto.
Qué construimos
Construimos la parte que tiene que funcionar.
Es fácil demostrar un agente y difícil mantenerlo funcionando. La diferencia está en todo lo que rodea al modelo: los datos a los que puede acceder, la evaluación que detecta cuándo empeora, el fallback cuando falla y la persona responsable del resultado.
02
Bancos de evaluación
Un banco que distingue una mejora real de una ejecución con suerte, para que ningún cambio de modelo o prompt llegue a producción por intuición.
Modelo
ERP
CRM
Tickets
Finanzas
Documentos
03
Integración y automatización
Las conexiones entre el modelo y sus sistemas de registro: ERP, CRM, tickets, finanzas y documentos. Construidas para ser auditadas.
04
Formación en IA para organizaciones
Programas prácticos para empresas, escuelas y fundaciones, impartidos por quien construye estos sistemas y también escribe sobre ellos.
En producción
Entregados y aún funcionando.
Cuatro productos públicos y un sistema empresarial confidencial. Cada tarjeta presenta un hecho verificable, con fuente y fecha, y enlaza al caso de estudio completo.
Educación
AI Teachers
15.000+ · educadores al mes, según ai-teachers.pro y el sitio del fundador. Fuente: ai-teachers.pro y mrnascimento.com, hecho ai-teachers-01, 24 de septiembre de 2026.
Leer el caso de estudio
Finanzas
Portfolio Horizon
415 · pruebas superadas en la suite adversarial detrás de la frontera de salida fail-closed, 11 archivos, una ejecución. Fuente: Allowlist de afirmaciones del proyecto, EXT-B03, hecho portfolio-horizon-12, 31 de julio de 2026.
Leer el caso de estudio
Educación
Careers Studio
12 · etapas en la orquestación de IA que relaciona cada tema. Fuente: careers-e4c8e.web.app página de inicio (careers-studio-06), 24 de septiembre de 2026.
Leer el caso de estudio
Educación
Mr Nascimento Academy
480 · PDF del IGCSE 0607 en el archivo protegido. Fuente: Página de inicio de mrnascimento.academy (mr-nascimento-academy-11), 24 de septiembre de 2026.
Leer el caso de estudio
Cliente confidencial
Agentes financieros empresariales
Para un grupo de capital cerrado: la primera línea del estado mensual de resultados (DRE) producida automáticamente a partir de datos brutos del ERP, validada con seis meses de historial y aceptada por escrito por el patrocinador ejecutivo.
Entrega en más de diez versiones, con más de 60 páginas de documentación.
Leer el caso de estudioIlustración con datos simulados. Las puntuaciones se generaron para esta demostración y no proceden de un sistema de cliente.
¿Mejora o suerte?
Dos versiones de un modelo se evalúan con el mismo conjunto de ejemplos. Mueva el control y observe el efecto del tamaño de la muestra sobre la incertidumbre.
Número de ejemplos de evaluación
Con 100 ejemplos, los intervalos se superponen. La imagen por sí sola no permite establecer si las versiones difieren. La superposición no demuestra que su rendimiento sea equivalente.
- Versión A
- Exactitud: 82,0 % (82/100)Intervalo de confianza del 95% (Wilson): [73,3 %; 88,3 %]Amplitud del intervalo: 15,0
- Versión B
- Exactitud: 86,0 % (86/100)Intervalo de confianza del 95% (Wilson): [77,9 %; 91,5 %]Amplitud del intervalo: 13,6
Cada puntuación tiene un intervalo de confianza del 95% de Wilson. La visualización ilustra la incertidumbre, no es una prueba de significación. Comparar modelos con los mismos ejemplos requiere un análisis pareado de los resultados, que estas puntuaciones agregadas simuladas no contienen.
Cómo trabajamos
Cuatro pasos, en este orden, siempre.
El orden es el método. Nada se construye antes de definirse, nada entra en producción antes de medirse y nada se transfiere sin las personas capaces de mantenerlo funcionando.
01. Definir
Definir la tarea, el responsable y la medida de éxito antes de elegir cualquier modelo.
Entregables
- La definición: la tarea, su responsable, la medida de éxito y los datos a los que puede acceder el sistema.
02. Instrumentar
Construir primero el banco de evaluación, para distinguir una mejora de la suerte.
Entregables
- El banco de evaluación: casos reales de prueba, métricas, líneas de base y un informe que se ejecuta con cada cambio.
03. Integrar
Integrar en el flujo de trabajo existente, con fallbacks, registros y control de acceso.
Entregables
- El sistema integrado en las herramientas que ya utiliza, con registros, fallbacks y control de acceso.
04. Transferir
Entregar el runbook, las pruebas y un equipo capaz de operar sin nosotros.
Entregables
- El runbook, las pruebas y un equipo formado para operar el sistema sin nosotros.
Un sistema que nadie usa es solo una diapositiva.
La medida del trabajo es que el sistema siga funcionando, siendo evaluado y a cargo de su equipo después de que nos vayamos.
Formación
Formación con quien construye los sistemas.
Programas para empresas, escuelas y fundaciones, en portugués e inglés, desde sesiones ejecutivas hasta talleres prácticos para equipos de ingeniería y formación docente.
Ver los programas de formaciónEmpresas
Equipos directivos y de ingeniería que deben decidir qué construir, qué comprar y cómo medirlo.
Escuelas
Docentes y directivos escolares que necesitan una política de IA aplicable y prácticas sólidas en el aula.
Fundaciones y organismos públicos
Equipos que financian u operan educación y servicios públicos y necesitan evaluar propuestas de IA con evidencias.
Fundador
Construido por quien entrega los sistemas y enseña a las personas.
Roney Lima do Nascimento
Fundador, NASCIA AI
Autor, matemático, desarrollador de soluciones de IA, investigador de IA aplicada, conferencista y profesor.
Autor de Generative AI for Teachers: A Practical Guide to Educational Technology (2025) y de Inteligência Artificial Generativa para Professores (Editora Dialética, 2026).
Matemático. Doctorando en Matemática Pura en el IME-USP, Universidade de São Paulo, con el examen de calificación aprobado en 2026.
Desarrollador de soluciones de IA que construye sistemas inteligentes para grandes organizaciones y dirige su implementación de IA desde la definición inicial hasta la transferencia.
Investigador de IA aplicada. Revisor de la revista Education and Information Technologies, de Springer, y de la International Conference on Educational Data Mining.
Conferencista principal en ICAILY 2026, en Ciudad del Cabo. Conferencista en el Summit de Inteligência Artificial Brasil 2026, en Joinville, y en MiningTech South America 2026, en São Paulo.
Forma docentes en escuelas de Brasil y del exterior. Diseñó e impartió formación en alfabetización en IA a más de 50 docentes en un programa escolar, descrito para ISTE+ASCD Educational Leadership. Enseña matemáticas desde hace más de quince años, también en escuelas internacionales.
Credenciales
- Claude Certified Architect, Professional (Anthropic, 2026)
- Claude Certified Architect, Foundations (Anthropic, 2026)
- Google Generative AI Leader
- IBM Generative AI Engineering Professional Certificate (2026)
- MBA, Ibmec
- Doctorando, IME-USP
Libros
- Folha de S.Paulo
- EUobserver
- GovInsider
- Business Day
- HEPI
- The AI Journal
- eSchool News
- Congresso em Foco
- Nexo Políticas Públicas
- La Prensa (Panamá)
- El País (Uruguay)
- RH Pra Você
- ISTE+ASCD Educational Leadership
Investigación y textos
Cómo pensamos sobre evaluación, en público.
Un estudio forense de filtración de respuestas en la reparación de código por agentes y artículos sobre evaluación de IA, educación y políticas públicas en la prensa brasileña e internacional.
Estudio
When Execution Feedback Reveals the Expected Output: A Forensic Study of Answer Leakage in Agentic Code Repair
Zenodo, preprint del autor, sin revisión por pares. DOI 10.5281/zenodo.21286873,
Un preprint del fundador audita tres experimentos propios, encuentra respuestas en el feedback de ejecución y define los controles necesarios para resultados fiables.
LeerVerification debt is the hidden cost of enterprise AI
The AI Journal, , Inglés
The human-review queue is the next digital divide
GovInsider, , Inglés
AI chatbots need to work in all EU languages, not just English
EUobserver, , Inglés
Preguntas
Lo que se pregunta antes de la primera conversación.
¿Cómo funciona un proyecto?
En cuatro pasos, siempre en el mismo orden: definir, instrumentar, integrar, transferir. Trabajamos con su equipo, trazamos el flujo, entregamos un sistema funcional dentro de sus herramientas actuales y lo medimos en producción. El alcance y la duración dependen del proceso; la primera conversación permite dimensionarlos.
¿Publican los nombres de sus clientes?
No. Describimos el trabajo empresarial sin nombres, como un grupo de capital cerrado o grandes organizaciones, salvo que un cliente solicite ser identificado. Los casos de estudio muestran solo lo que podemos verificar y tenemos autorización para publicar.
¿Cómo tratan nuestros datos y la LGPD?
Antes de elegir cualquier modelo, definimos los datos a los que puede acceder cada sistema. El control de acceso, los registros y los fallbacks forman parte de la construcción. Usted sigue siendo el responsable de sus datos; trabajamos conforme a la Ley General de Protección de Datos de Brasil (LGPD) y a sus políticas, y la etapa de definición registra adónde pueden o no pueden ir los datos.
¿En qué idiomas trabajan?
Trabajamos en portugués e inglés: talleres, documentación, runbooks y código. Este sitio también está publicado en español.
¿Qué servicios no ofrecen?
No vendemos diapositivas ni revendemos modelos o licencias. No construimos demostraciones que nadie vaya a operar. Si el proceso no necesita un agente, lo decimos en la etapa de definición.
¿Cómo empezamos?
Escríbanos qué proceso siempre falla, quién responde por él, qué sistemas involucra y cómo sería un buen resultado. Una conversación suele bastar para saber si un agente encaja y qué haría falta para mantenerlo funcionando.
Tráiganos el proceso que siempre falla.
Una conversación suele bastar para saber si un agente encaja, cómo evaluarlo y qué haría falta para mantenerlo funcionando.