O processo, as decisões técnicas e os números. Sem promessas de percentagens que não possamos mostrar.
A maior parte destes projetos foi dimensionada para PME. Começam por ficheiros exportados dos sistemas que já existem — compras, stocks, faturação, uma caixa de correio — e respondem a uma pergunta estreita antes de se falar em plataforma. A tecnologia só cresce depois de o valor estar demonstrado, e não antes. É por isso que quase nenhum destes casos começou por substituir software.
Hotéis, restaurantes e espaços de eventos perdem negócio nos mesmos dois sítios: no pedido que demora dias a ser respondido, e no cliente que faz uma pergunta simples fora de horas — horários, alergénios, disponibilidade. Trabalhamos a captação e qualificação de pedidos MICE, a visualização de salas por disposição, agentes que acompanham o hóspede antes, durante e depois da estadia, e a resposta automática às perguntas que se repetem todos os dias — sempre nos canais que o cliente já usa, sem o obrigar a instalar nada.
Um grupo com 8 unidades em 3 zonas substituiu o pedido de orçamento por email por um percurso de sete passos que devolve uma proposta ao cliente e uma lead qualificada à equipa comercial. 135 salas, 269 itens de catering, seis backoffices.
Projeto entregue. Números de catálogo, Setembro 2026.
Ler o casoDa reserva ao pós-estadia, por email: welcome, preparação da viagem, pré-check-in num portal, upselling que nasce do que o hóspede acabou de dizer, e feedback em texto livre transformado em temas. É a reserva que começa a conversa, não o hóspede.
Descrição de arquitetura, PoC executado.
Ler o casoComo um espaço de eventos capta mais pedidos: plantas calculadas de cada sala em cada disposição sem custo por visualização, dados que os assistentes de IA conseguem citar, e triagem automática dos pedidos que chegam.
Descrição de arquitetura, PoC executado.
Ler o casoUma pastelaria tradicional de Lisboa com mais de oitenta anos passa a responder por conversa a horários, produtos e alergénios — e a aceitar encomendas — a qualquer hora, com uma regra que manda dizer «não consigo confirmar» em vez de adivinhar.
Solução construída, ainda não em produção.
Ler o casoProva de conceito de um sistema próprio de vouchers de oferta: 30 vouchers em 6 categorias, 5 idiomas, microsite de compra e backoffice de gestão — com o pagamento simulado de propósito, e o canal de incentivos corporativos identificado como passo seguinte.
Prova de conceito entregue. Números de catálogo, Março 2026.
Ler o casoCâmaras Municipais e Juntas de Freguesia recebem por dia mais comunicações do que conseguem tratar, e a maior parte do tempo administrativo vai para interpretar e encaminhar, não para resolver. Aplicamos leitura automática, classificação por competência, georreferenciação da ocorrência e proposta de resposta, com supervisão humana ajustada ao risco de cada tipo de processo.
Em saúde, o custo de uma rutura de stock não é financeiro, é clínico. Fazemos auditoria aos dados que já existem — consumos, faturação, validades, fornecedores — e previsão de necessidades a partir deles. Não tocamos em decisão clínica: diagnóstico, terapêutica e validação de prescrição são sempre de profissionais qualificados.
Arquitetura para o Poder Local: um agente que lê a reclamação, resume, extrai o local, classifica o serviço responsável, georreferencia a ocorrência e propõe resposta — com três níveis de supervisão humana, conforme o risco.
Descrição de arquitetura, PoC executado.
Ler o casoCompras, faturação e consumos cruzados com sazonalidade e meteorologia para antecipar procura em clínicas e farmácias — sem usar dados clínicos pessoais, porque não são precisos para prever stock.
Projeto entregue. Sem números publicados.
Ler o casoArquitetura para hospitais: um agente que lê a reclamação, resume, identifica a unidade e o serviço envolvidos, extrai datas e intervenientes, classifica o motivo e a urgência, sinaliza riscos para a segurança do doente e propõe encaminhamento e resposta — com três níveis de supervisão humana, conforme o risco clínico, jurídico e reputacional.
Descrição de arquitetura, em desenvolvimento.
Em seguros a dificuldade não é calcular, é explicar. Construímos assistentes que conduzem uma simulação, fazem as perguntas pela ordem certa e devolvem uma proposta que o cliente percebe — com a subscrição, o aconselhamento e a decisão de risco a permanecerem humanos.
Lojas especializadas competem hoje com operadores internacionais que transformaram o produto individual numa commodity. A saída raramente é vender mais barato: é deixar de vender peças e passar a vender decisões — julgamento profissional, integração de marcas numa solução coerente, e responsabilidade pelo resultado no espaço real do cliente. Trabalhamos o posicionamento, o papel das lojas físicas e uma arquitetura digital legível por pessoas e por sistemas de IA.
Uma seguradora substituiu o botão «Call Me» por um assistente que conversa, recolhe os dados necessários e devolve uma simulação na mesma interação — às 23h ou ao domingo, sem esperar pelo horário comercial.
Projeto entregue. Sem números de conversão publicados.
Ler o casoUma PME de mobiliário e design de interiores de gama alta em Lisboa deixou de competir por produto e passou a competir por decisão: novo posicionamento, novo papel para as lojas, cinco produtos-estrela e arquitetura AI-first.
Projeto entregue. Sem números de conversão publicados.
Ler o casoNo imobiliário, a velocidade da primeira resposta determina com quem o cliente fica. Trabalhamos assistentes que leem o pedido que chegou por email, cruzam com a carteira disponível e preparam a resposta — deixando a relação e a visita com o consultor, que é onde o negócio se fecha.
Numa obra, comprar tarde pára uma equipa e comprar cedo prende capital, ocupa armazém e danifica material. Cruzamos o mapa de quantidades, o planeamento, o progresso real, os prazos dos fornecedores e a meteorologia para prever o que vai faltar — por obra e por semana, e não em geral.
Um empreendimento que responde sozinho por email, com AWS Lambda e um LLM a usar o conhecimento real do projeto — e com a separação entre instruções, conhecimento e conteúdo do email que impede que uma mensagem se torne uma regra.
Projeto entregue. Sem números de conversão publicados.
Ler o casoConsultores e proprietários respondem em lote aos pedidos que chegam dos portais todos os dias, a partir do ChatGPT que já usam: o modelo redige com a voz de quem assina e o contexto de cada imóvel, e nenhum email sai sem aprovação.
Solução construída, ainda não em produção. Números de catálogo, Setembro 2026.
Ler o casoPrever o que cada obra precisa, em que semana, cruzando planeamento, progresso real, prazos de fornecedores e meteorologia. Comprar cedo aquilo que precisa mesmo de ser comprado cedo.
Descrição de arquitetura, PoC executado.
Ler o casoUm agente de IA interpreta linguagem não confiável e produz resultados probabilísticos. Tratá-lo como uma aplicação tradicional é o erro que abre a porta. Trabalhamos threat model antes do primeiro prompt, fronteiras de confiança explícitas, recuperação autorizada, ferramentas mínimas e confirmação humana proporcional ao impacto. Aplica-se a todos os setores acima.
Projetos de investigação têm a maior parte do tempo em trabalho preparatório: localizar e avaliar literatura, organizar dados, estruturar bases, tratar registos geográficos e fotográficos. É aí que a IA acelera. O método científico, a observação no terreno e a validação por especialistas não se delegam — e é precisamente por isso que a fronteira tem de estar escrita.
Caso transversal com os padrões aplicados em seguros, saúde, Administração Pública, hotelaria e comércio: cinco fronteiras em vez de um prompt gigante, saída validada por esquema, RAG com controlo de acesso e registo suficiente para investigar um erro.
Caso transversal. Arquitetura verificável, sem métricas de incidentes.
Ler o casoProjeto interno sobre biodiversidade num grande estuário português: revisão de literatura, comparação com estuários de outras latitudes, base de dados de espécies e preparação de observação no terreno — com uma embarcação para a parte que não se faz ao computador.
Projeto interno de investigação aplicada.
Ler o casoUma redação produz todos os dias as mesmas tipologias de notícia — Euribor, inflação, combustíveis, resultados, mercados. Individualmente custam minutos; repetidas várias vezes por dia custam horas de capacidade editorial. Automatizamos o que se repete a partir de fontes aprovadas e validação determinística, com RAG a recuperar o arquivo do próprio grupo e a redação a decidir o que publica.
Plataforma que monitoriza fontes com cadência conhecida, valida os dados, recupera contexto do arquivo por RAG e prepara notícias recorrentes — com supervisão humana ajustada ao risco, SEO e AEO, e a regra de que monitorizar tudo não é publicar tudo.
Tecnologia própria em prova de conceito madura. Implementação em 3 a 9 meses.
Ler o casoMais casos em preparação. Publicamos um projeto quando há substância técnica que valha a pena explicar — não a cada entrega.
A BigLearn é uma empresa portuguesa de consultoria em inteligência artificial, fundada em 2017 e sediada em Lisboa. Trabalhamos em hotelaria e turismo, HORECA, autarquias e administração pública, seguros, imobiliário, saúde, construção, indústria e serviços profissionais — com organizações que já têm processos a funcionar e querem saber onde a IA os melhora.
Os casos publicados nesta página cobrem hotelaria e turismo, HORECA, Administração Pública, saúde, seguros, imobiliário, construção, retalho e interiores, investigação aplicada, cibersegurança e media/editorial. Os restantes setores não têm caso — e enquanto não tivermos um projeto que valha a pena explicar, continuam sem ele. Um setor listado sem caso é um setor onde trabalhamos, não um setor onde temos prova pública. A distinção é a mesma que fazemos entre projeto entregue e descrição de arquitetura.
O que os casos têm em comum não é a tecnologia, é a forma do problema: alguém a fazer à mão o que já está escrito nalgum lado, e uma espera entre a intenção de quem procura e a primeira resposta útil. Se isso lhe soa familiar, o percurso começa numa prova de conceito, com critério de sucesso escrito antes de começar.
Os clientes não são nomeados. Descrevemos o setor, a dimensão e o problema com precisão suficiente para se perceber o trabalho, e paramos aí. Nomear um cliente exige autorização escrita, e preferimos publicar sem nome a esperar por ela.
Os números são de catálogo, não de resultado. Dizemos quantas salas, quantos itens, quantos idiomas — coisas verificáveis e datadas. Não publicamos percentagens de aumento de receita ou de redução de custos que não possamos mostrar de onde vieram.
Contamos as decisões, incluindo as que dispensaram IA. Um caso de estudo onde tudo correu bem e a tecnologia resolveu tudo não ensina nada a quem o lê. As escolhas interessantes são as que tiveram alternativa.
Dizemos quando é arquitetura e não entrega. Alguns destes textos descrevem projetos concluídos; outros descrevem o que uma arquitetura nossa pode executar, escritos no modo condicional. São coisas diferentes e estão etiquetadas como tal — na lista acima e à cabeça de cada página. Um catálogo de capacidades apresentado como historial é a forma mais fácil de perder a confiança de quem lê.
A BigLearn é uma empresa portuguesa de consultoria em inteligência artificial, fundada em 2017 e sediada em Lisboa. Trabalha em hotelaria e turismo, autarquias e administração pública, seguros, saúde, indústria e serviços profissionais, com projetos de agentes de IA, automação de processos e transformação digital.
A BigLearn tem casos publicados em hotelaria e turismo, HORECA, Administração Pública, saúde, seguros, imobiliário, construção, retalho e interiores, investigação aplicada, cibersegurança e media/editorial. Cada caso identifica claramente se corresponde a um projeto entregue, uma Prova de Conceito, um projeto interno ou uma descrição de arquitetura. Um setor listado sem caso é um setor onde trabalhamos, não um onde temos prova pública.
Nomear um cliente exige autorização escrita, e preferimos publicar sem nome a esperar por ela. Descrevemos o setor, a dimensão e o problema com precisão suficiente para se perceber o trabalho, e paramos aí.
Não. Só publicamos números verificáveis e datados — quantas salas, quantos itens, quantos idiomas, quantos passos. Não publicamos percentagens de aumento de receita ou de redução de custos que não possamos mostrar de onde vieram.
Um projeto entregue relata trabalho concluído para um cliente real, com números de catálogo verificáveis. Uma descrição de arquitetura é escrita no modo condicional e diz o que uma solução nossa pode executar, sem implantação concreta por trás. Cada caso diz qual é qual, na lista e à cabeça da própria página.
Por uma prova de conceito com critério de sucesso escrito antes de começar. Analisa-se o que as pessoas fazem hoje, que informação já existe escrita e quanto custa a paragem, antes de se discutir tecnologia. Se a prova não passar, ficou barato descobri-lo.