Marcel Ghiraldini, Chief Strategy Officer (CSO) da MATH Group, compartilhou no Let’s Money Podcast os bastidores da construção da empresa e seu papel na transformação digital de grandes instituições financeiras. Com raízes em uma fábrica de software criada nos tempos da bolha da internet, a empresa evoluiu para se tornar um ecossistema completo de ciência de dados e inteligência artificial.
No bate-papo com Gabriel Pereira, fundador da Let’s Money, ele lembra que foi a crise de 2013 que provocou uma virada estratégica. “Eu sou um curioso e fuçador. A empresa foi fundada por gente técnica. Percebemos que os projetos ligados à jornada do cliente nas áreas financeiras eram os mais resilientes.”
Quando a IA chegou cedo demais
Em 2016, a empresa tentou lançar um SaaS de scoring preditivo de leads. A proposta era ousada, mas esbarrou em um mercado imaturo, dados ruins e infraestrutura cara.
“As pessoas não entendiam que IA exige treinamento de modelo. Estávamos à frente do tempo.”
Esse fracasso pavimentou o caminho para a reestruturação da empresa como MF Marketing (hoje MATH Group), focando no ciclo completo do cliente: captação, conversão, retenção e rentabilização.
A metáfora do esgoto: por que dados bem estruturados são invisíveis e cruciais
Muitas empresas acreditam que fazem uso de big data, mas operam sem uma estrutura sólida. Ghiraldini compara o investimento em dados à infraestrutura de esgoto de uma casa. “Você gasta uma fortuna no que ninguém vê. Mas à primeira pane, você se pergunta: por que não fiz isso antes?”
O maior desafio, segundo ele, está na integração entre canais digitais e físicos, e na quebra dos feudos organizacionais que impedem o compartilhamento de dados.
“Tem coisa que não é engenharia de dados, é engenharia social. Mostrar para as áreas o que estão perdendo por não colaborar.”
A bolha da IA e a corrida por infraestrutura
Ghiraldini acredita que vivemos uma bolha comparável à da internet nos anos 2000. “Hoje, quem mais recebe investimentos são empresas como NVIDIA e OpenAI, que oferecem infraestrutura. Mas a Amazon da IA ainda não apareceu.”
Ele alerta que o excesso de conteúdo gerado por IA está empobrecendo a internet, comprometendo a qualidade do treinamento de novos modelos. “Garbage in, garbage out. O diferencial vai ser ter dados próprios, organizados, interoperáveis e com sentido para a IA.”
Notícias Relacionadas
SLMs, swarms e a IA que aprende só o que precisa
Para evitar vazamentos de dados e conhecimento, a MATH aposta em Small Language Models (SLMs), treinados com dados internos e voltados para problemas específicos. “Criamos um para vendedor de campo que se pagou em três meses. Estamos levando isso para o mercado financeiro.”
Outro conceito promissor é o de swarms — múltiplos agentes de IA e humanos resolvendo microtarefas de forma coordenada. “Isso muda o jogo para operações que ainda dependem de atendimento humano.”
Data Mesh: o planejamento urbano dos dados
Ghiraldini defende o uso de data mesh como caminho para organizar os dados por domínios funcionais, como crédito imobiliário, atendimento ao cliente, conta corrente, e garantir a confiabilidade e o sentido da informação.
“É como sair de uma arquitetura de casas isoladas para desenhar cidades inteligentes de dados. Cada pedaço se encaixa num todo.”
Soberania, interoperabilidade e controle de custos
Com uma plataforma que roda em qualquer nuvem e com qualquer modelo, a MATH entrega ao cliente controle completo de sua IA. “Implementamos barramento de FinOps e AIOps para monitorar custos e evitar lock-in com grandes provedores.”
A empresa criou filtros de entrada e saída para perguntas e respostas, garantindo que modelos não vazem dados nem conhecimento estratégico. “Há uma diferença entre vazar dado e vazar conhecimento. E isso é crítico.”
O futuro: IA local, personalizada e invisível
Ghiraldini aposta que a próxima fase da IA será marcada por modelos locais, mais leves e especializados, rodando com segurança e autonomia dentro das empresas. E a vantagem competitiva estará em quem fizer isso com planejamento de longo prazo.
“A IA não precisa fazer tudo. Ela precisa fazer a coisa certa. E para isso, seu dado tem que estar certo, estruturado e com sentido. A vantagem competitiva está em como você organiza e acessa sua verdade.”
Para quem acompanha a corrida da IA no setor financeiro, a mensagem da MATH Group é clara: não basta experimentar. É preciso arquitetar o futuro com ciência, dados confiáveis e responsabilidade desde o primeiro comando.
Editor-chefe
Formado em jornalismo pela Universidade Federal da Bahia, também realizou o curso de Jornalismo Econômico do Estadão. Foi editor do BP Money e repórter do Bahia Notícias.
