A Vale, uma das maiores empresas de mineração do mundo, opera em dezenove países e emprega mais de 60.000 pessoas. Como parte de uma transformação digital mais ampla, a área financeira da Vale decidiu se tornar verdadeiramente data-driven — indo além dos relatórios tradicionais e adotando analítica avançada e AI. No entanto, muitos dos seus processos mais críticos dependiam de documentos densos e não estruturados e de revisão manual, o que atrasava a tomada de decisões e limitava a obtenção de percepções. Para mudar isso, a equipe do Escritório de Dados Financeiros adotou a Databricks Data Intelligence Platform e o Agent Bricks para construir assistentes de AI regulados. Em poucos dias, a equipe implantou frameworks de agentes reutilizáveis que ajudam as equipes financeiras a analisar documentos complexos, aumentar a produtividade e permitir novas formas de análise financeira que antes eram impossíveis.
Transformando as finanças em uma organização data-driven
O Departamento Financeiro da Vale gerencia processos complexos nas áreas financeira, tributária, de seguros e de governança em diversas regiões e regimes regulatórios. Embora os dados transacionais principais residam no SAP e em sistemas relacionados, muitos dos fluxos de trabalho financeiros mais essenciais da organização dependem de PDFs não estruturados — incluindo centenas de apólices de seguro, documentos de controle interno e milhares de páginas de regulamentos fiscais governamentais. Historicamente, responder a uma única pergunta podia significar vasculhar dezenas de arquivos, comparar cláusulas manualmente e coordenar esforços entre várias equipes.
Para acelerar as decisões e modernizar as finanças, a Vale incorporou uma equipe dedicada a dados e analítica diretamente na organização financeira. Este Escritório de Dados Financeiros combina formação formal em TI e dados com um profundo entendimento das regras financeiras, permitindo que a equipe conecte negócios e TI, fale ambos os idiomas e conduza iniciativas de dados alinhadas à governança. “Nossa missão é tornar as finanças mais data-driven, com analítica avançada e percepções democratizadas”, explicou Marcelo Baltar, Gerente do Escritório de Dados Financeiros da Vale. A demanda cresceu rapidamente, com líderes nas áreas de tesouraria e tributação solicitando automação baseada em IA para apoiar "minitransformações digitais" em suas respectivas áreas.
As primeiras tentativas de construir agentes de IA, no entanto, provaram ser difíceis. A equipe colaborou com um cientista de dados dedicado para desenvolver uma estrutura de agentes do zero. As primeiras demonstrações mostraram um grande potencial, mas traduzi-las em uma versão inicial que os usuários pudessem testar e usar provou ser um desafio. “Tivemos dificuldades com governança, repetibilidade e operacionalização”, disse Henrique Vasconcelos, Engenheiro de Dados Financeiros da Vale. “Tínhamos dados não estruturados, novas ferramentas de LLM e nenhuma estrutura comum. A equipe de Finanças da Vale precisava de uma maneira de passar da experimentação para agentes escaláveis e governados que pudessem ser reutilizados em diversos casos de uso na área financeira.”
Criando Assistentes de IA Governados com o Databricks Agent Bricks
O Escritório de Dados Financeiros recorreu à Databricks para estabelecer uma base padronizada e pronta para produção para AI agêntica. Utilizando a Databricks Data Intelligence Platform e o Agent Bricks, a equipe montou assistentes de AI sem precisar construir uma estrutura de agentes do zero. Em uma construção intensiva de três dias com especialistas da Databricks, a equipe criou um pipeline reutilizável de ingestão e RAG e um agente v0 funcional que os usuários financeiros puderam testar imediatamente — um avanço após quatro meses de experimentação sem resultados de produção.
No centro da solução está o Agent Bricks Knowledge Assistant, que permite que os usuários financeiros façam perguntas em linguagem natural com base nos documentos internos da Vale. Para lidar com PDFs densos, a equipe desenvolveu uma estrutura de ingestão na Databricks que processa cada documento uma única vez, armazena-o em um formato binário eficiente, analisa-o em texto estruturado e grava os resultados nas tabelas Delta. Essas saídas analisadas alimentam os índices do Databricks Vector Search para recuperação semântica e tabelas estruturadas que dão suporte à análise subsequente. “Agora, processamos cada documento uma vez e o reutilizamos em todos os lugares”, observou Henrique. “Só isso nos salva do retrabalho toda vez que um agente muda.”
O Supervisor Multiagente orquestra como cada solicitação é tratada, decidindo quando chamar o Assistente de Conhecimento, quando consultar tabelas estruturadas e quando combinar ambos para uma resposta mais rica. Nos bastidores, a equipe de Finanças utiliza o Anthropic Claude Sonnet como modelo principal para geração aumentada por recuperação, devido ao seu forte desempenho em documentos longos e complexos, mantendo a flexibilidade para alternar para outros modelos, como OpenAI ou Llama, conforme as necessidades evoluem. Os fluxos de trabalho de avaliação e os ciclos de revisão do usuário permitem que as equipes financeiras validem as respostas, refinem as instruções e melhorem continuamente a qualidade. “Em três dias com o Agent Bricks, construímos uma estrutura reutilizável e um agente funcional”, diz Henrique. “Agora, qualquer novo caso de uso baseado em documentos pode ser implementado em uma ou duas semanas, reutilizando o mesmo padrão.”
Melhorando a produtividade e revelando novas percepções financeiras.
Com a nova estrutura em vigor, a equipe de Finanças está aplicando os Agent Bricks em vários casos de uso financeiro de alto impacto. Uma implantação de produção permite a análise de seguros, em que a equipe gerencia mais de 430 apólices de seguro em várias regiões, cada uma com termos de cobertura distintos. Antes, para responder a uma pergunta como, por exemplo, se uma inundação em um país específico estava coberta, era necessário abrir e ler manualmente muitas apólices. Com o Agent Bricks Knowledge Assistant e o Multi-Agent Supervisor, as equipes de seguros agora podem consultar todas as mais de 430 apólices de uma só vez (redução de 80% no tempo gasto na revisão de apólices de seguro), identificar coberturas relevantes, comparar apólices sobrepostas e receber sugestões sobre possíveis lacunas ou redundâncias — permitindo análises que antes eram muito lentas ou impossíveis.
Outra iniciativa se concentra em fluxos de trabalho tributários e legais. Os governos emitem regularmente novas leis tributárias, e a equipe tributária tem um acúmulo de mais de 10.000 regulamentações que devem ser verificadas quanto ao impacto financeiro e possíveis penalidades. Historicamente, um único especialista lia cada lei, determinava se ela era relevante e depois comunicava as descobertas a cerca de 100 pessoas nas áreas tributária e jurídica. O Escritório de Dados Financeiros da Vale está construindo um assistente de IA que consolida essas mais de 10.000 leis em uma única base de conhecimento pesquisável, permitindo que cerca de 100 profissionais de finanças e impostos avaliem seu impacto de forma independente, em vez de esperar pela distribuição manual, economizando aproximadamente 16 horas por mês. "O ganho de produtividade é enorme", afirma Marcelo. "Em vez de uma pessoa ser um gargalo, damos a todos acesso por self-service ao mesmo conhecimento controlado."
Um terceiro caso de uso centra-se nos controles internos e nas políticas de governança, em que os funcionários de toda a empresa muitas vezes precisam de esclarecimentos sobre as regras internas. Atualmente, essas questões podem exigir reuniões e interpretação manual por parte das equipes de controle. Com o Agent Bricks, a Vale está criando um assistente de autoatendimento que revela políticas internas relevantes sob demanda, reduzindo solicitações ad hoc e liberando equipes de controle para focar em trabalhos de maior valor. Paralelamente, a equipe de dados financeiros continua a implementar iniciativas adicionais impulsionadas por IA — incluindo um projeto de depreciação que já identificou cerca de 33 milhões de dólares em valor recuperável — tudo sustentado pela Databricks como plataforma unificada.
Embora alguns desses agentes ainda estejam em fase de expansão, o impacto já está claro. A equipe de finanças reduziu o tempo de desenvolvimento do agente de AI para apenas alguns dias para uma versão inicial e aproximadamente uma a duas semanas para implantar novos casos de uso com base na estrutura compartilhada. Com cerca de 100 usuários de finanças e impostos agora permitidos por assistentes de IA, as equipes financeiras obtêm acesso mais rápido a percepções anteriormente ocultas e o risco de perder detalhes regulatórios ou de cobertura críticos é reduzido. "A Databricks capacitou nossa equipe financeira a acelerar as decisões data-driven, fornecendo uma plataforma unificada para análises avançadas, machine learning e processamento de dados escalável", disse Marcelo. "Isso fez com que a IA deixasse de ser um experimento isolado e se tornasse uma parte essencial do funcionamento das finanças."