Depois de dois anos de construção longe dos holofotes, a Grand Thera abre ao mercado a nova geração do TheraOS, plataforma de “Decision-Grade AI” que monitora posições financeiras em tempo real e antecipa riscos antes que eles virem prejuízo. A tese da deeptech é direta: o problema das empresas nunca foi falta de dados, foi falta de tempo de reação
O paradoxo da abundância
As empresas brasileiras passaram as últimas duas décadas digitalizando suas operações. O resultado é um paradoxo conhecido de qualquer executivo: nunca houve tanto dado disponível, e nunca foi tão difícil transformá-lo em decisão. ERPs, CRMs, sistemas de chão de fábrica e planilhas contábeis convivem em silos que não conversam entre si. O business intelligence tradicional respondeu a esse cenário com dashboards: painéis que organizam o passado em gráficos elegantes, mas que continuam dependendo de um humano para interpretar, decidir e agir.
Para decisões operacionais do dia a dia, isso basta. Para decisões de alto risco, que envolvem posições financeiras, cadeias de suprimento e exposição a choques de mercado, o modelo chegou ao limite. “A operação ao redor de uma planta industrial moderna e de grande porte pode chegar a produzir mais de um terabyte de dados a cada poucas horas. O problema não é volume, é o que se faz com ele antes que o risco vire prejuízo”, resume Fernando Negrini, CEO da Grand Thera Technologies.
Segurança, não tecnologia
É nesse ponto que a Grand Thera construiu seu posicionamento, e ele soa quase contraintuitivo para uma deeptech: a empresa não se apresenta como fornecedora de tecnologia. “Não vendemos tecnologia. Vendemos segurança para tomar uma decisão de alto risco”, afirma Negrini. O cliente típico da companhia não é o time de TI, mas a camada mais alta da governança: conselhos de administração, conselheiros independentes e CFOs de operações enterprise.
A lógica é a de fechar a lacuna entre dados operacionais e dados contábeis, permitindo que quem governa a empresa enxergue o risco no momento em que ele se forma, e não no fechamento do trimestre. “O que os conselhos compram é a capacidade de antecipar o risco antes que ele vire prejuízo financeiro. É isso que muda a conversa na sala do conselho”, diz o executivo.
A stack Decision-Grade AI
A resposta técnica da Grand Thera a essa promessa é o que a empresa chama de Decision-Grade AI, uma stack composta por três camadas. A primeira é o TheraOS, que consolida as fontes de dados fragmentadas do cliente em um data lake tratado, auditável e visual: pipelines que antes exigiam projetos de engenharia de meses viram operações de arrastar e soltar, e cada transformação de dado fica rastreável de ponta a ponta. É essa rastreabilidade que sustenta uma das garantias centrais da plataforma: as respostas não alucinam, porque todo o caminho do dado até a conclusão pode ser inspecionado.
Junto ao TheraOS há um componente chamado “Advisor”, uma interface de conversa que permite ao decisor interrogar a própria operação em linguagem natural, do fluxo de dados de um indicador específico até a origem de uma anomalia.
A segunda camada são os AITs, algoritmos autônomos que monitoram métricas de risco em tempo real e agem sobre elas, realizando análises preditivas e prescritivas. Um detalhe importante da arquitetura: quem executa as decisões críticas não são modelos de linguagem, e sim métodos quantitativos, com limites de risco definidos e monitorados continuamente. A IA generativa conversa; quem decide é a matemática.
A terceira camada é um orquestrador que coordena e retroalimenta a ação dos diferentes algoritmos.
Dois anos em silêncio
A nova geração da plataforma, que a empresa começa a apresentar ao mercado agora, transforma os dashboards tradicionais em um centro de comando: em vez de painéis estáticos, uma central que mostra quanto prejuízo o sistema já evitou, onde estão os pontos sensíveis da operação e que ações o Advisor propõe em cada um deles. “Ficamos dois anos construindo, validando a tecnologia em operações reais e recusando ofertas pelo caminho que nos tirassem do foco. Todo esse movimento foi para garantir o funcionamento no nível que o mercado enterprise exige”, conta Negrini.
O período de construção silenciosa produziu também um marco de velocidade que a empresa passou a usar como cartão de visita: em um projeto recente no mercado de ativos digitais, a Grand Thera entregou em seis meses uma infraestrutura originalmente estimada em dois anos de desenvolvimento, cobrindo da análise de contágio de riscos sistêmicos entre diferentes ativos digitais ao onboarding automatizado e à recomendação de produtos para os novos clientes da plataforma, por meio de IA.
Timing como produto
O apetite por esse tipo de solução cresce na mesma velocidade em que cresce a instabilidade dos mercados. Contratos com taxas contábeis pressionadas por tensões geopolíticas, cadeias de suprimento sujeitas a choques em cascata e posições de tesouraria expostas a ativos voláteis compõem o cenário em que os conselhos passaram a operar. Nesse contexto, a precisão decimal de uma projeção importa menos do que a velocidade com que a organização reage a ela.
“O decisor não está comprando o número na vírgula de uma projeção financeira. A controladoria fecha o número exato depois. O que ele está comprando é tempo de ação, o timing entre o sinal de risco e a possibilidade de resposta, antes que o sinal se materialize em impacto financeiro. Essa é a parte mais sensível”, conclui Negrini. Se a primeira era da transformação digital foi sobre coletar dados e a segunda sobre visualizá-los, a aposta da Grand Thera é que a terceira será sobre algo mais simples de enunciar e mais difícil de entregar: agir sobre eles a tempo.
