Este artigo mostra como a Genesis Consulting, em parceria com a B3 e a Oracle, uniu agentes Large Language Models (LLM) e Retrieval-Augmented Generation (RAG) para desenvolver uma solução de inteligência artificial generativa do mercado financeiro aplicada a SINACOR, uma das plataformas mais importantes do país. A solução, chamada ElevAI, automatiza a análise de dados e processos operacionais, transformando o acesso às informações em uma experiência fluida, inteligente e segura. Conforme enfatizado pela liderança de uma das corretoras de investimentos: “…poderemos encerrar o dia e voltar para nossas famílias mais cedo.”

Introdução: O desafio histórico do SINACOR e a transformação digital

Há mais de 30 anos o SINACOR (Sistema Integrado de Administração de Corretoras) é a espinha dorsal para middle-office e back-office para 98% dos participantes do mercado financeiro do Brasil. Ele processa dados operacionais essenciais (posições, confirmações, faturamento, obrigações regulatórias) e garante a integridade e conformidade das operações.

Por operar num ambiente altamente regulado e com volumes expressivos de dados — na ordem de 21 milhões de transações por dia — o SINACOR exige não apenas robustez, mas também capacidade de responder de forma ágil aos desafios de mercado, especialmente frente à crescente demanda por acesso mais direto e inteligente aos dados.

A Genesis Consulting e a B3 buscam, por meio da transformação digital, resolver um desafio que se tornou comum: tornar o acesso aos dados operacionais mais inteligente, autônomo e imediato, de forma que as equipes de negócio possam transformar dados em decisão sem depender de intermediários técnicos.

Desafio: a busca por autonomia e eficiência operacional

Embora o SINACOR disponibilize todos os dados, o acesso e a interpretação rápida, confiável e autônoma são lentos e exigem etapas manuais complexas. É necessário acionar equipes técnicas para extrair a informação desejada, o que não atende à necessidade de insights imediatos de áreas como Research, Front Office, Middle Office, Back Office, Controladoria, Compliance e Risco.

O ElevAI foi criado para resolver este gargalo de eficiência operacional, transformando a base de dados em um canal direto de inteligência para o negócio.

Solução: ElevAI, inteligência artificial generativa do mercado financeiro

A solução de IA ElevAI foi desenvolvida pela Genesis Consulting e B3 com o suporte da Oracle, abrangendo engenharia de dados, inteligência artificial aplicada e interface de usuário.

1. Integração: Integrado ao SINACOR e à nova plataforma Eleva Cloud da B3, o ElevAI consolida dados transacionais internos e dados oficiais da B3 em um Data Lake seguro e escalável, hospedado em Oracle Cloud Infrastructure (OCI).
2. Inteligência Artificial: A camada de IA combina o desenvolvimento de agentes de IA para interpretar consultas em linguagem natural, aplicar regras de negócio e fornecer respostas estruturadas.
3. Interface de Negócio: A interface permite que o profissional de negócio faça perguntas como se estivesse conversando com um especialista, recebendo respostas em gráficos, tabelas ou arquivos exportáveis, com a garantia de governança, compliance e segurança dos dados.

O ElevAI opera sobre uma arquitetura lakehouse, que une a flexibilidade de um data lake com o desempenho de um data warehouse. Essa arquitetura é essencial para os LLMs e o RAG (Recuperação Aumentada por Geração), que ampliam a capacidade de entendimento contextual e a recuperação precisa de informações.

Enquanto os LLMs transformam a linguagem natural em consultas otimizadas, o RAG conecta essas consultas aos dados operacionais e históricos do SINACOR, garantindo respostas consistentes e auditáveis. Essa automação de análise de dados e a integração entre lakehouse, LLM e RAG tornam o ElevAI uma nova infraestrutura cognitiva para o mercado financeiro.

Impacto: GenAI e a otimização de processos

A amplitude da base de usuários do SINACOR — presente em cerca de 98% das corretoras de valores brasileiras — indica o alcance e impacto do ElevAI no mercado financeiro nacional. Com a solução de IA implantada, espera-se uma redução significativa no tempo de atendimento de consultas operacionais, uma maior autonomia das áreas de negócio e a liberação das equipes técnicas para focar em atividades de maior valor agregado.

Com isso, a inteligência artificial generativa no mercado financeiro deixa de ser apenas uma promessa e se torna uma ferramenta essencial para o dia a dia das corretoras — colocando a inteligência de ponta no centro da tomada de decisão. A sinergia entre AI & Data e a otimização de processos é o resultado direto dessa inovação.

O ElevAI é apenas o começo. A Genesis Consulting apoia instituições de diferentes indústrias em toda a jornada de transformação inteligente — da estratégia e arquitetura à implementação e deploy. Se sua organização busca acelerar decisões, reduzir custos operacionais e criar novos diferenciais de negócio com soluções de IA seguras e sob medida, fale conosco. A nossa consultoria de IA está pronta para ajudar. Juntos, podemos desenhar o próximo salto de eficiência e inteligência para o seu negócio.

Agentes de IA estão rapidamente se tornando um dos pilares da automação inteligente. Ao contrário de integrações tradicionais, eles combinam raciocínio, contexto, ferramentas e memória para tomar decisões em tempo real, com capacidade de adaptação a fluxos complexos.

Em vez de apenas responder perguntas ou executar comandos fixos, agentes entendem o objetivo, interpretam o ambiente e decidem os próximos passos — tudo isso com base em IA Generativa e lógica programável.

Isso abre novas possibilidades para as empresas: imagine um agente que responde a um cliente, consulta documentos internos, agenda reuniões e registra tudo no CRM — sem intervenção humana. Essa combinação de inteligência e ação está redesenhando como operamos tarefas administrativas, suporte ao cliente, análise de dados e integração entre sistemas.

Essa tecnologia está no centro das soluções da Genesis Consulting para empresas que buscam eficiência com inteligência artificial para negócios. Neste artigo, exploramos o conceito de agentes, os frameworks que tornam sua aplicação possível e como desenhar arquiteturas confiáveis para ambientes empresariais.

O que são agentes de IA e por que eles mudam o jogo

Agentes de inteligência artificial são sistemas autônomos que recebem um objetivo e, com base em contexto e ferramentas, decidem como alcançá-lo. Eles não seguem um fluxo fixo, mas sim um processo de raciocínio iterativo, onde podem pensar, agir e adaptar o plano conforme necessário.

Imagine, por exemplo, um agente encarregado de atender clientes por e-mail: ele analisa a mensagem, consulta documentos internos, acessa calendários, propõe horários para reuniões e registra todas as interações no CRM da empresa — tudo isso de forma automatizada e auditável. Esse tipo de comportamento exige coordenação entre linguagem natural, APIs externas, regras de negócio e memória contextual.

Na prática, agentes representam uma evolução: deixam de ser “interfaces inteligentes” para se tornarem orquestradores cognitivos, atuando como pontes entre dados, sistemas e decisões.

Esses agentes já atuam em rotinas de suporte, automação de relatórios, compliance, triagem de chamados, fluxos internos de aprovação e integração de sistemas. São exemplos de inteligência artificial para empresas aplicando AI & Data com foco em impacto real.

Frameworks modernos para agentes: LangGraph, PydanticAI e além

Construir um agente confiável exige muito mais do que “colocar um LLM para rodar em loop”. Por isso, surgiram frameworks que ajudam a modelar fluxos, controlar execução e garantir segurança sem sacrificar flexibilidade.

LangGraph:
Framework baseado em grafos direcionais e finitos, permite estruturar agentes como máquinas de estados. Ideal para empresas que precisam rastrear decisões, versionar fluxos e manter controle total sobre a execução de tarefas. Um diferencial: suporta paralelismo e loops de pensamento de forma nativa, o que facilita composições sofisticadas de raciocínio.

PydanticAI:
Pensado para ambientes onde confiabilidade e tipagem forte são indispensáveis. Com ele, você define as interfaces de decisão (usando schemas Pydantic) e o LLM preenche os campos com base no contexto. Isso garante controle sem abrir mão da flexibilidade — essencial para tarefas críticas como análises jurídicas, financeiras ou médicas.

AutoGen (Microsoft) e CrewAI:
Frameworks orientados a times de agentes. Em vez de um único executor, você monta múltiplos perfis com funções distintas (pesquisador, planejador, executor, verificador), que interagem em ciclos coordenados. Útil para tarefas longas, colaboração simulada ou workflows com múltiplas especialidades.

Esses frameworks ajudam a transformar agentes em aplicações de verdade — testáveis, observáveis, versionáveis — e não apenas experimentos.

Em empresas que precisam agir rápido, ter respostas confiáveis na hora certa faz toda a diferença. Natural Language Query (NLQ) surge como uma ferramenta que permite qualquer pessoa, independente do seu nível técnico, consultar banco de dados complexos usando linguagem humana natural, sem escrever uma única linha de código.

Neste post, vamos entender o que é NLQ, sua arquitetura em cinco camadas, as principais ferramentas do mercado, casos de uso em diferentes setores e como essa inovação pode transformar a sua empresa.

O que é NLQ (Natural Language Query)

A tecnologia NLQ — sigla para Natural Language Query — é uma tecnologia que permite fazer perguntas em linguagem natural e receber respostas diretas de um banco de dados. Sem depender de códigos, SQL ou da fila da TI: você apenas faz uma pergunta, e a plataforma retorna a resposta.

Na prática, você digita (ou fala) uma pergunta como faria no dia a dia. Isso significa que qualquer pessoa pode perguntar algo como “Quantas unidades vendemos em março?” e o sistema entende, interpreta e executa a pergunta no banco de dados, retornando o resultado correto — sem a necessidade de saber SQL ou conhecer a estrutura do banco.

O NLQ combina duas áreas fundamentais:

– Self-service BI, que dá mais autonomia e acessibilidade a insights para áreas como marketing, vendas, RH e diretoria;

– Processamento de linguagem natural (NLP), que traduz perguntas em consultas estruturadas com precisão e compreensíveis para o sistema.

A união dessas frentes muda a forma como as empresas usam dados no dia a dia — um pilar essencial da transformação digital promovida pela Genesis Consulting em seus projetos de AI & Data.

Como funciona a arquitetura NLQ: 5 camadas principais

Para que essa jornada da pergunta até a resposta aconteça de forma organizada, a arquitetura de uma solução NLQ bem estruturada segue cinco estapas:

1. Usuário

A pergunta pode vir por texto, chat, dashboard ou comando de voz.

2. NLQ Layer

Essa parte recebe a pergunta, interpreta (cria o prompt), organiza o contexto, valida e prepara a consulta (a query final).

3. VectorDB

Uma base com informações sobre os dados existentes (como nomes de colunas e perguntas anteriores). Isso ajuda a recuperar exemplos semelhantes e entender melhor o que o usuário quer.

4. LLM (Large Language Model)

Modelos como o GPT-4 entram em ação, criando a consulta e traduzindo o resultado para uma resposta fácil de entender.

5. Banco de dados (DB ou Database)

A consulta é executada em sistemas como Postgres, Redshift ou Snowflake, e o resultado volta processado e transformado para o usuário em uma resposta clara e útil.

Esse processo todo acontece em segundos — e pode ser usado para o desenvolvimento de agentes de IA com alto grau de autonomia e aplicabilidade, algo cada vez mais essencial em ambientes de negócios ágeis.

A imagem abaixo explica visualmente como esse processo funciona por completo:

Principais ferramentas para desenvolver soluções NLQ

Essas são algumas das ferramentas usadas para projetos com NLQ para diferentes etapas do processo:

Vanna.AI:
Plataforma open-source que converte perguntas em SQL. Ideal para protótipos (POC ou proof of concept) rápidos, pois permite treinar com seu schema e começar a usar em minutos.

LangGraph:
Biblioteca que organiza o fluxo dos agentes de IA baseados em grafos. Ideal para fluxos complexos, permitindo múltiplas etapas e decisões condicionais.

LangSmith:
Plataforma que permite testar e entender como os modelos estão se comportando. Essencial para produção, com suporte para avaliação de apps com LLM, rastreamento de custo e performance.

LiteLLM:
Proxy compatível com OpenAI, que facilita a troca entre modelos de IA generativa (mais de 100 disponíveis) e ajuda no controle de custos. Perfeito para ambientes escaláveis.

Essas ferramentas são usadas em soluções desenvolvidas pela Genesis Consulting dentro de seus projetos de consultoria em inteligência artificial generativa.

Casos de uso: como NLQ já está sendo usado no mercado

Empresas de vários setores já estão adotando NLQ em atividades do dia a dia:

Saúde & Assistência Médica:
Equipes clínicas e operacionais acessam indicadores de atendimento, taxa de ocupação, tempo de espera e eficiência assistencial de forma rápida e autônoma, sem a necessidade de relatórios manuais.

Financeiro & Controladoria:
Usam NLQ para acompanhar despesas, comparativos orçamentários, projeções de receita e conciliações de forma ágil, com total rastreabilidade das informações.

Operações & Logística:
Consultam rapidamente indicadores de eficiência, atrasos, estoque ou capacidade ociosa. Isso acelera decisões táticas e evita gargalos.

RH & Jurídico:
Utilizam NLQ para acessar indicadores de headcount, movimentações internas, vencimentos contratuais e muito mais, com autonomia total — sem depender de planilhas manuais e/ou sistemas complexos.

Executivos & Liderança:
Se beneficiam de um canal direto com o banco de dados, podendo analisar indicadores para decisões estratégicas sob demanda, sem depender de painéis pré-configurados.

Marketing & Produtos:
Ganham agilidade ao validar hipóteses de campanha, comportamento de clientes ou adoção de features — tudo com perguntas diretas, sem precisar de intermediários técnicos.

No fim do dia, o NLQ transforma o relacionamento entre dados e decisão. Esse é o tipo de solução que entregamos em projetos de inteligência artificial para empresas com foco em agilidade, autonomia e uma cultura orientada a dados de verdade.

Conclusão: porque NLQ é um divisor de águas na tomada de decisão

Com NLQ, sua empresa ganha velocidade e independência para usar dados de forma inteligente. E com apoio de uma consultoria em inteligência artificial como a Genesis Consulting, essa transição acontece com segurança, clareza e foco em resultados. Os benefícios na prática são:

• Respostas em segundos para perguntas de negócio do dia a dia;
• Dados mais acessíveis para toda a empresa;
• Menos dependência do time técnico.

Pronto para elevar os resultados do seu negócios com NLQ? Acesse nossa página de AI & Data e descubra como implementar essa solução passo a passo.