Como a VertexHub integra IA nos produtos em produção

A VertexHub não é apenas mais uma software house; é um coletivo de engenheiros que coloca a inteligência artificial no coração de cada linha de código desde o primeiro commit. Essa postura AI‑first e agentic‑first significa que os modelos de linguagem, agentes autônomos e técnicas de Retrieval‑Augmented Generation (RAG) são parte da arquitetura, não um recurso “extra”. O resultado são produtos digitais que já operam em produção, além de um modelo de desenvolvimento sob demanda que replica a mesma disciplina e infraestrutura para clientes externos.

O que a VertexHub entrega hoje#

Produtos em produção#

• Vertex ChatSense – Uma plataforma omnichannel que consolida mensagens de WhatsApp, Instagram, Messenger, Telegram, TikTok e e‑mail em um único inbox. Cada canal pode ser atendido por agentes de IA que utilizam RAG para buscar contexto em tempo real, mantendo a conversa fluida e contextualizada. O backend está em Go 1.26 (Echo v4 + pgx) e a interface em SvelteKit 2/Svelte 5, com persistência em PostgreSQL 17.
• Atendis – SaaS de gestão para profissionais de beleza, estética e bem-estar. Oferece agenda online com reservas públicas, CRM integrado, controle financeiro e um “motor de lucro” que calcula margens por serviço. A comunicação com clientes inclui lembretes automáticos via WhatsApp e um assistente conversacional que ajuda a marcar consultas.
• Praxia – Plataforma de telemedicina que atende médicos, psicólogos e nutricionistas. Inclui prontuário eletrônico criptografado conforme LGPD, consultas por WebRTC com sinalização em tempo real, prescrição digital reconhecida pelo ICP‑Brasil e faturamento recorrente integrado ao Stripe, Asaas e NFS‑e.

Esses três serviços já atendem usuários reais, demonstrando que a integração de IA pode ser feita em escala sem sacrificar segurança, compliance ou performance.

Produtos em desenvolvimento#

• KandleSmart – Ferramenta de inteligência financeira para traders da B3. O foco está em fluxo institucional em tempo real, detecção de padrões por IA e geração de sinais algorítmicos. A interface apresenta visualizações específicas para Mini Dollar e Mini Index.
• EduTechMaster – Plataforma educacional white‑label que incorpora IA para tutoria e intervenção precoce de evasão. O tutor de IA exige citações de fontes, garantindo que o conteúdo gerado seja rastreável. O motor de predição de desistência aciona automaticamente intervenções personalizadas, tudo dentro de um ambiente que cumpre CDC, Decreto 7.962 e LGPD. Vídeos são entregues em HLS criptografado com marca d’água forense por estudante.
• SignID Brasil – Serviço de assinatura digital com validade jurídica, alinhado ao MP 2.200‑2/2001 e à Lei 14.063/2020. A solução permite a coleta de assinaturas eletrônicas em documentos PDF, armazenando o registro de consentimento em um banco de dados auditável.

Esses projetos ainda estão em fase de construção, mas já seguem o mesmo padrão de desenvolvimento adotado nos produtos em produção.

Como a VertexHub constrói seus produtos#

Stack consolidada#

A escolha de tecnologias reflete a necessidade de desempenho, segurança e facilidade de manutenção:

• Rust (Axum, Actix) e Go (Echo, chi, pgx) para serviços de backend de alta performance.
• SvelteKit 5 / Svelte 5 e TypeScript na camada de frontend, proporcionando UI reativas e código enxuto.
• PostgreSQL 17 como banco relacional principal, complementado por Qdrant para buscas vetoriais em contextos de RAG.
• Kubernetes (k3s) com Kata Containers e Cilium CNI para isolamento de workloads e rede de alta velocidade.
• Envoy Gateway como ponto de entrada unificado, facilitando roteamento e observabilidade.
• Modelos de IA (Claude, Groq, Ollama) acessados via MCP (Model Context Protocol), garantindo consistência na comunicação entre serviços de IA e a aplicação.

Essa pilha permite que equipes diferentes trabalhem de forma coesa, reutilizando bibliotecas e padrões de código entre os produtos próprios e os projetos sob demanda.

Princípios de engenharia#

1. IA como camada de infraestrutura – Modelos de linguagem são tratados como serviços internos, com contratos de API bem definidos, em vez de componentes “ad hoc”.
2. Código revisado e incremental – Cada mudança passa por revisão de pares, integração contínua (CI) e implantação contínua (CD) em ambientes de staging antes de chegar à produção.
3. Observabilidade por padrão – Métricas, logs estruturados e traces são coletados em todas as camadas, facilitando a detecção precoce de regressões.
4. Segurança por design – Isolamento de containers, criptografia em repouso e em trânsito, e conformidade com LGPD e normas setoriais (ex.: ICP‑Brasil em telemedicina).
5. Reutilização de componentes – Bibliotecas de IA, adaptadores de banco de dados e pipelines de CI/CD são versionados e compartilhados entre projetos, reduzindo dívida técnica.

Esses princípios são aplicados tanto nos produtos internos quanto no programa Build Together, que oferece desenvolvimento sob demanda usando a mesma equipe, stack e padrões.

Build Together: desenvolvimento sob medida com a mesma disciplina#

O programa oficial de projetos sob demanda da VertexHub segue um fluxo estruturado em três etapas:

1. Alinhamento – Entender o desafio real do cliente, mapear fluxos de negócio e identificar oportunidades onde a IA pode gerar valor imediato.
2. Arquitetura – Definir a solução técnica, escolher a stack, delimitar escopo e estabelecer marcos de entrega. Nesta fase, o cliente tem visibilidade sobre as decisões de arquitetura e sobre como a IA será incorporada desde o início.
3. Co‑construção – Entregas incrementais com revisões de código, ambientes de staging e pipelines de CI/CD idênticos aos usados nos produtos próprios. O cliente acompanha o progresso em tempo real e participa das validações de funcionalidades.

Não há tabela de preço fixa; o investimento é ajustado ao escopo definido na etapa de arquitetura, garantindo que cada projeto receba a atenção necessária sem comprometer a qualidade.

Por que a abordagem AI‑first faz diferença#

• Contexto imediato – Agentes de IA que utilizam RAG podem consultar bases de conhecimento específicas (por exemplo, documentos de compliance ou histórico de clientes) em milissegundos, evitando respostas genéricas.
• Automação inteligente – Fluxos de automação em ChatSense ou Atendis são acionados por gatilhos de IA que reconhecem intenções do usuário, reduzindo a necessidade de intervenção humana.
• Escalabilidade de expertise – Em vez de treinar novos especialistas para cada domínio, a empresa treina modelos de IA que absorvem conhecimento especializado e o aplicam de forma consistente.
• Compliance incorporado – A IA pode validar, em tempo real, requisitos legais (LGPD, ICP‑Brasil, CDC), garantindo que as interações estejam sempre dentro dos limites regulatórios.

Esses benefícios são observados nos produtos em produção, onde a IA não é um “add‑on”, mas parte da lógica de negócio.

Desafios e aprendizados#

Construir um ecossistema AI‑native traz desafios que a VertexHub tem tratado de forma pragmática:

• Gerenciamento de modelos – Manter versões estáveis de LLMs requer monitoramento de desempenho e custos, além de estratégias de fallback quando um modelo apresenta degradação.
• Qualidade de dados – RAG depende de bases de conhecimento bem estruturadas; a empresa investe em pipelines de ingestão e normalização de dados para garantir relevância e atualidade.
• Latência – Integrações de IA podem introduzir atrasos; a arquitetura de micro‑services e o uso de containers leves (Kata) ajudam a manter tempos de resposta dentro dos limites de experiência do usuário.
• Cultura de revisão – Incorporar IA ao código aumenta a complexidade das revisões; a equipe adota guidelines específicas para validar prompts, parâmetros de modelo e tratamento de erros.

Esses aprendizados são compartilhados entre os squads internos e os projetos de clientes, elevando o nível de maturidade de toda a organização.

O futuro da VertexHub#

Com 19 produtos em diferentes estágios – produção, desenvolvimento e labs – a VertexHub continua expandindo seu portfólio, sempre mantendo a IA como alicerce. Cada nova solução nasce de um ciclo de experimentação, validação e integração que já está consolidado nos produtos atuais. A empresa também tem investido em parcerias estratégicas para ampliar o acesso a modelos de linguagem avançados e em iniciativas de código aberto que reforçam a comunidade de desenvolvedores AI‑first no Brasil.