Precisávamos reduzir o tempo de triagem de currículos no nosso processo seletivo. A equipe da Clarity Aination treinou um modelo de classificação que analisa cada currículo em menos de dois segundos e filtra candidatos com 91% de concordância com a avaliação dos nossos recrutadores. O volume de triagem manual caiu pela metade.Renata Figueiredo, diretora de RH, TechPeople Recrutamento
Avaliações sobre nossos serviços de Artificial Intelligence
Leia o que clientes reais dizem sobre os projetos que entregamos. Cada depoimento inclui o setor de atuação e os resultados obtidos.
O que nossos clientes dizem
Tínhamos dados de vendas de 14 lojas e não sabíamos o que fazer com eles. A Clarity Aination construiu um painel de previsão de demanda que atualiza diariamente. Em quatro meses, diminuímos o excesso de estoque em 22% e as rupturas caíram 18%. O investimento se pagou antes do prazo que eles estimaram.Marcos Teixeira, gerente de operações, Rede Farma Saúde
Contratamos o serviço de chatbot para o nosso e-commerce de moda. O bot responde dúvidas sobre tamanhos, prazos de entrega e trocas sem intervenção humana em 78% dos casos. Nosso time de atendimento agora foca nos casos mais complexos. A única ressalva é que o treinamento inicial levou uma semana a mais do que o previsto, mas o resultado final compensou.Camila Duarte, fundadora, Loja Ondina
Trabalho com logística de grãos no interior de Minas. A Clarity Aination integrou dados de balança rodoviária, GPS dos caminhões e previsão meteorológica para otimizar rotas. Economizamos R$ 43 mil em diesel nos primeiros seis meses. O suporte pós-implantação é rápido: quando relatei um bug no painel, corrigiram no mesmo dia.Eduardo Nassif, sócio-diretor, Nassif Transportes
Na nossa clínica de dermatologia, usamos o modelo de visão computacional da Clarity Aination para pré-classificar imagens de lesões cutâneas antes da consulta. Isso não substitui o diagnóstico médico, mas agiliza a triagem e ajuda a priorizar casos urgentes. A acurácia do modelo na detecção de lesões suspeitas ficou em 89%, validada contra laudos de biópsia.Dra. Lúcia Braga, dermatologista, Clínica DermVida
Estudos de caso
Previsão de demanda para distribuidora de alimentos
A Distribuidora Sabor do Campo, com sede em Contagem (MG), operava com planilhas manuais para calcular pedidos de reposição. O erro médio de previsão era de 27%, o que gerava desperdício de perecíveis e falta de itens populares.
Desenvolvemos um modelo gradient boosting treinado com 18 meses de dados de vendas, calendário de feriados regionais e indicadores climáticos. O pipeline roda todas as noites e gera sugestões de pedido por SKU para cada centro de distribuição.
Após cinco meses em produção, o erro médio caiu para 11%. O desperdício de perecíveis reduziu R$ 67 mil por trimestre. A equipe de compras passou a dedicar menos tempo a cálculos e mais tempo a negociação com fornecedores.
Erro de previsão: 27% → 11% Economia trimestral: R$ 67 mil Tempo de implantação: 7 semanasChatbot de agendamento para rede de clínicas odontológicas
A OdontoVip opera seis unidades em Belo Horizonte e recebia cerca de 800 ligações por dia para agendamento, confirmação e remarcação de consultas. Duas recepcionistas em cada unidade dedicavam 70% do turno ao telefone.
Implementamos um chatbot no WhatsApp Business API capaz de agendar, confirmar e remarcar consultas consultando diretamente o sistema de gestão da clínica. O modelo de linguagem foi treinado com 4.200 conversas reais, anonimizadas, para entender variações como "quero trocar meu horário de terça" ou "tem vaga pra limpeza semana que vem?".
Em três meses, o bot resolveu 72% das interações sem intervenção humana. As recepcionistas passaram a focar no atendimento presencial, e o índice de no-show caiu 15% porque o bot envia lembretes automáticos 24 horas antes da consulta.
Automação: 72% das interações Redução de no-show: 15% Conversas de treino: 4.200Números que resumem nosso trabalho
Esses indicadores refletem projetos concluídos entre janeiro de 2019 e dezembro de 2024. Atualizamos trimestralmente.
A taxa de renovação considera clientes que contrataram pelo menos um projeto adicional dentro de 12 meses após a entrega do primeiro. Os setores incluem varejo, saúde, logística, educação, agronegócio, serviços financeiros, indústria, construção civil, jurídico, telecomunicações, energia e governo municipal.
Pedimos a cada cliente uma avaliação estruturada ao final do projeto, com notas de 1 a 5 em quatro critérios: qualidade técnica, comunicação, cumprimento de prazos e relação custo-benefício. A nota 4,8 é a média aritmética dessas avaliações.