01
Agentes em produção
Agentes para tarefas específicas, conectados às ferramentas que você já usa, com controle de acesso, logs e um caminho definido para os casos que não devem resolver sozinhos.
Inteligência artificial aplicada · São Paulo
Sistemas de IA que entram na operação. E ficam.
A NASCIA AI projeta, constrói e opera agentes, bancadas de avaliação e integrações nos processos que sua organização já usa todos os dias. Um sistema que sua própria equipe pode operar, auditar e ampliar.
01. Definir
Definir a tarefa, o responsável e a medida de sucesso antes de escolher qualquer modelo.
02. Instrumentar
Construir primeiro a bancada de avaliação, para distinguir melhora de sorte.
03. Integrar
Colocar no fluxo de trabalho existente, com fallbacks, logs e controle de acesso.
04. Transferir
Entregar o runbook, os testes e uma equipe capaz de operar sem a gente.
Os mesmos quatro passos, na mesma ordem, em cada projeto.
O que construímos
Construímos a parte que precisa funcionar.
É fácil demonstrar um agente e difícil mantê-lo funcionando. A diferença está em tudo ao redor do modelo: os dados que pode acessar, a avaliação que detecta quando piora, o fallback quando falha e quem responde pelo resultado.
02
Bancadas de avaliação
Uma bancada que distingue melhora real de uma execução com sorte, para que nenhuma mudança de modelo ou prompt entre em produção por intuição.
Modelo
ERP
CRM
Chamados
Finanças
Documentos
03
Integração e automação
As conexões entre o modelo e seus sistemas de registro: ERP, CRM, chamados, finanças e documentos. Construídas para serem auditadas.
04
Formação em IA para organizações
Programas práticos para empresas, escolas e fundações, com quem constrói esses sistemas e também escreve sobre eles.
Em produção
Entregues e ainda funcionando.
Quatro produtos públicos e um sistema empresarial confidencial. Cada cartão traz um fato verificável, com fonte e data, e leva ao estudo de caso completo.
Educação
AI Teachers
15 mil+ · educadores por mês, segundo ai-teachers.pro e o site do fundador. Fonte: ai-teachers.pro e mrnascimento.com, fato ai-teachers-01, 24 de setembro de 2026.
Ler o estudo de caso
Finanças
Portfolio Horizon
415 · testes aprovados na suíte adversarial por trás da fronteira de saída fail-closed, 11 arquivos, uma execução. Fonte: Allowlist de afirmações do projeto, EXT-B03, fato portfolio-horizon-12, 31 de julho de 2026.
Ler o estudo de caso
Educação
Careers Studio
12 · etapas na orquestração de IA que mapeia cada tópico. Fonte: careers-e4c8e.web.app página inicial (careers-studio-06), 24 de setembro de 2026.
Ler o estudo de caso
Educação
Mr Nascimento Academy
480 · PDFs do IGCSE 0607 no arquivo protegido. Fonte: Página inicial de mrnascimento.academy (mr-nascimento-academy-11), 24 de setembro de 2026.
Ler o estudo de caso
Cliente confidencial
Agentes financeiros empresariais
Para um grupo de capital fechado: a primeira linha da DRE mensal produzida automaticamente a partir de dados brutos do ERP, validada com seis meses de histórico e aceita por escrito pelo patrocinador executivo.
Entrega em mais de dez versões, com mais de 60 páginas de documentação.
Ler o estudo de casoIlustração com dados simulados. As pontuações foram geradas para esta demonstração e não vêm de um sistema de cliente.
Melhora ou sorte?
Duas versões de um modelo são avaliadas no mesmo conjunto de exemplos. Mova o controle e veja o efeito do tamanho da amostra sobre a incerteza.
Número de exemplos de avaliação
Com 100 exemplos, os intervalos se sobrepõem. A imagem, sozinha, não permite concluir se as versões diferem. A sobreposição não prova que o desempenho seja equivalente.
- Versão A
- Acurácia: 82,0% (82/100)Intervalo de confiança de 95% (Wilson): [73,3%; 88,3%]Largura do intervalo: 15,0
- Versão B
- Acurácia: 86,0% (86/100)Intervalo de confiança de 95% (Wilson): [77,9%; 91,5%]Largura do intervalo: 13,6
Cada pontuação tem um intervalo de confiança de 95% de Wilson. A visualização ilustra a incerteza, não é um teste de significância. Comparar modelos nos mesmos exemplos exige uma análise pareada dos resultados, que estas pontuações agregadas simuladas não contêm.
Como trabalhamos
Quatro passos, nesta ordem, sempre.
A ordem é o método. Nada é construído antes de ser definido, nada entra em produção antes de ser medido e nada é transferido sem as pessoas capazes de manter tudo funcionando.
01. Definir
Definir a tarefa, o responsável e a medida de sucesso antes de escolher qualquer modelo.
Entregas
- A definição: a tarefa, seu responsável, a medida de sucesso e os dados que o sistema pode acessar.
02. Instrumentar
Construir primeiro a bancada de avaliação, para distinguir melhora de sorte.
Entregas
- A bancada de avaliação: casos reais de teste, métricas, linhas de base e um relatório executado a cada mudança.
03. Integrar
Colocar no fluxo de trabalho existente, com fallbacks, logs e controle de acesso.
Entregas
- O sistema integrado às ferramentas que você já usa, com logs, fallbacks e controle de acesso.
04. Transferir
Entregar o runbook, os testes e uma equipe capaz de operar sem a gente.
Entregas
- O runbook, os testes e uma equipe preparada para operar o sistema sem a gente.
Sistema que ninguém usa é só um slide.
A medida do trabalho é o sistema continuar funcionando, sendo medido e sob responsabilidade da sua equipe depois que a gente sai.
Formação
Formação com quem constrói os sistemas.
Programas para empresas, escolas e fundações, em português e inglês, de briefings executivos a workshops práticos para equipes de engenharia e formação de professores.
Ver os programas de formaçãoEmpresas
Lideranças e equipes de engenharia que precisam decidir o que construir, o que comprar e como medir.
Escolas
Professores e gestores escolares que precisam de uma política de IA aplicável e de práticas consistentes em sala de aula.
Fundações e órgãos públicos
Equipes que financiam ou operam educação e serviços públicos e precisam avaliar propostas de IA com evidências.
Fundador
Construído por quem entrega os sistemas e ensina as pessoas.
Roney Lima do Nascimento
Fundador, NASCIA AI
Autor, matemático, desenvolvedor de soluções de IA, pesquisador de IA aplicada, palestrante e professor.
Autor de Generative AI for Teachers: A Practical Guide to Educational Technology (2025) e de Inteligência Artificial Generativa para Professores (Editora Dialética, 2026).
Matemático. Doutorando em Matemática Pura no IME-USP, Universidade de São Paulo, com exame de qualificação aprovado em 2026.
Desenvolvedor de soluções de IA que constrói sistemas inteligentes para grandes organizações e conduz a implementação de IA da definição inicial à transferência.
Pesquisador de IA aplicada. Revisor da revista Education and Information Technologies, da Springer, e da International Conference on Educational Data Mining.
Keynote speaker no ICAILY 2026, na Cidade do Cabo. Palestrante no Summit de Inteligência Artificial Brasil 2026, em Joinville, e no MiningTech South America 2026, em São Paulo.
Forma professores em escolas do Brasil e do exterior. Desenvolveu e ministrou formação em letramento em IA para mais de 50 professores em um programa escolar, relatado para ISTE+ASCD Educational Leadership. Ensina matemática há mais de quinze anos, inclusive em escolas internacionais.
Credenciais
- 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
- Doutorando, IME-USP
Livros
- 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
Pesquisa e textos
Como pensamos sobre avaliação, em público.
Um estudo forense de vazamento de respostas no reparo de código por agentes e artigos sobre avaliação de IA, educação e políticas públicas na imprensa brasileira e internacional.
Estudo
When Execution Feedback Reveals the Expected Output: A Forensic Study of Answer Leakage in Agentic Code Repair
Zenodo, preprint do autor, sem revisão por pares. DOI 10.5281/zenodo.21286873,
Um preprint do fundador audita três experimentos próprios, encontra respostas no feedback de execução e define os controles necessários para resultados confiáveis.
LerVerification debt is the hidden cost of enterprise AI
The AI Journal, , Inglês
The human-review queue is the next digital divide
GovInsider, , Inglês
AI chatbots need to work in all EU languages, not just English
EUobserver, , Inglês
Dúvidas
O que as pessoas perguntam antes da primeira conversa.
Como funciona um projeto?
Em quatro passos, sempre na mesma ordem: definir, instrumentar, integrar, transferir. Trabalhamos com sua equipe, mapeamos o fluxo, colocamos um sistema funcional nas ferramentas que você já usa e medimos em produção. O escopo e a duração dependem do processo; a primeira conversa permite dimensioná-los.
Vocês divulgam os nomes dos clientes?
Não. Descrevemos o trabalho empresarial sem nomes, como um grupo de capital fechado ou grandes organizações, a menos que um cliente peça para ser identificado. Os estudos de caso mostram apenas o que podemos verificar e temos autorização para publicar.
Como vocês tratam nossos dados e a LGPD?
Antes da escolha de qualquer modelo, definimos os dados que cada sistema pode acessar. Controle de acesso, logs e fallbacks fazem parte da construção. Você continua como controlador dos seus dados; trabalhamos sob a Lei Geral de Proteção de Dados (LGPD) e suas políticas, e a etapa de definição registra para onde os dados podem ou não ir.
Em quais idiomas vocês trabalham?
Entregamos em português e inglês: workshops, documentação, runbooks e código. Este site também está publicado em espanhol.
O que vocês não fazem?
Não vendemos slides nem revendemos modelos ou licenças. Não construímos demonstrações que ninguém vai operar. Se o processo não precisa de um agente, dizemos isso na etapa de definição.
Como começamos?
Escreva contando qual processo vive quebrando, quem responde por ele, quais sistemas envolve e como seria um bom resultado. Uma conversa costuma bastar para saber se cabe um agente ali e o que seria preciso para mantê-lo funcionando.
Traga o processo que vive quebrando.
Uma conversa costuma bastar para saber se cabe um agente ali, como avaliá-lo e o que seria preciso para mantê-lo funcionando.