Combinação pouco comum de repertórios no time fundador ajuda a explicar como a Grand Thera construiu um produto de IA aceito por comitês de decisão
Matemática, direito e engenharia de dados raramente sentam na mesma mesa fundadora. Foi exatamente essa combinação que sustentou a Grand Thera, companhia sediada em Florianópolis que hoje contabiliza cerca de R$ 1,2 milhão em contratos fechados e em execução para um produto de inteligência artificial voltado a decisões críticas.
A empresa constrói o que chama de Decision-Grade AI, tecnologia usada por instituições financeiras, empresas de tecnologia e indústria pesada para apoiar decisões de alto impacto financeiro. O time fundador combina três origens que dificilmente se encontram na mesma sala: matemática e física, direito e finanças, e engenharia quantitativa com machine learning.
Por que a composição do time não foi acaso
Em decisões estratégicas dentro de uma empresa, o obstáculo raramente vem da falta de dados, e sim da distância entre o que a tecnologia consegue consolidar em informação de apoio e o que um comitê ou conselho consegue aprovar com segurança. São dois vocabulários diferentes, e boa parte dos projetos de inteligência artificial nas empresas morre exatamente nessa tradução.
Ter no mesmo time quem entende de matemática, quem entende de estrutura de risco e regulação e quem entende de engenharia de inteligência artificial é o que, segundo a companhia, permite construir um sistema que áreas críticas de fato aceitam usar. Não se trata de uma vantagem apenas de discurso. É a diferença entre um modelo que funciona bem em ambiente controlado de laboratório e um modelo que precisa passar pela sala de um conselho de administração antes de qualquer decisão de alto risco.
“O problema das grandes empresas não é a falta de tecnologia, é a dificuldade em transformar o alto volume de dados fragmentados em informação confiável em tempo útil, para direcionamento de decisões estratégicas”, resume Fernando Negrini, CEO da Grand Thera.
Um levantamento do MIT reforça o tamanho do problema que essa combinação de repertórios tenta resolver: cerca de 95% dos projetos de inteligência artificial generativa implementados por empresas não geraram retorno financeiro relevante, em geral porque o investimento foi para ferramentas que produzem conteúdo, e não para plataformas que ajudam a decidir.
Dois anos de validação antes de vender
Formar o time certo foi só o primeiro passo. A Grand Thera passou dois anos construindo e validando a tecnologia em operações reais antes de abrir operação comercial em escala no Brasil e nos Estados Unidos, um ritmo mais lento que o padrão do setor, no qual velocidade de lançamento costuma valer mais que maturidade de produto.
A companhia também recusou cerca de R$ 800 mil em propostas comerciais que exigiam desenvolvimento sob medida, fora do padrão de Enterprise SaaS definido desde o início. Entre os projetos que avançaram está a infraestrutura de decisão desenvolvida para a RedMind, holding de tecnologia fundada por Guga Stocco, entregue em seis meses após ser estimada inicialmente em dois anos de desenvolvimento.
Para quem monta um time de tecnologia do zero, a trajetória da Grand Thera sugere uma lição que vale além do setor de inteligência artificial: a combinação certa de repertórios técnicos e de negócio pode pesar tanto quanto o produto em si na hora de convencer quem decide.
