Vitrify用AI整合私募信贷数据，日跟踪万只证券

A fragmentação e a falta de padronização das informações estão entre os principais desafios para o desenvolvimento do mercado brasileiro de crédito privado. Embora o segmento tenha ampliado sua participação no financiamento de empresas e projetos, parte dos processos de acompanhamento de ativos, análise de operações e identificação de oportunidades ainda depende de planilhas, consultas a diferentes prestadores de serviços e trabalho manual. É nesse cenário que a Vitrify desenvolve uma infraestrutura de dados baseada em inteligência artificial (IA), automação e conhecimento especializado do mercado financeiro. A plataforma integra informações de diferentes fontes, identifica inconsistências, padroniza registros e centraliza dados sobre os ativos, permitindo que instituições financeiras, gestores e outros participantes acompanhem suas posições e obtenham informações para apoiar decisões de negócio. Segundo Edson Lopes, CEO e cofundador da Vitrify, e Daniel Magalhães, sócio-fundador responsável por estratégia e negócios, o desafio vai além de aplicar modelos de IA a documentos financeiros. É necessário construir uma arquitetura capaz de coletar, validar, relacionar e rastrear informações de diferentes origens, com eficiência operacional e custos compatíveis com a escala do mercado. “A gente aprendeu que só colocar os dados em uma IA não funciona. Usar IA sem um dado fundamentado não resolve o problema”, afirma Lopes. Para ele, a combinação entre tecnologia proprietária e conhecimento especializado é essencial para transformar informações dispersas em uma base confiável para o mercado de capitais. Infraestrutura de dados vai além dos modelos de IA A arquitetura da Vitrify combina diferentes mecanismos de ingestão de informações, incluindo ferramentas automatizadas de coleta, como scrapers, e integrações diretas por APIs. Os dados são reunidos em uma camada bruta, que preserva as informações obtidas nas fontes originais e alimenta as etapas seguintes de tratamento e validação. A partir daí, a empresa aplica mecanismos de padronização, relacionamento entre registros e arbitragem de informações para determinar qual dado deve prevalecer em cada situação. O processo considera o histórico das fontes, regras de negócio, padrões identificados e decisões anteriores. Quando uma divergência foge dos parâmetros esperados, o sistema pode encaminhar o caso para avaliação humana. O objetivo é resolver um problema recorrente no crédito privado: diferentes participantes podem divulgar informações sobre o mesmo ativo utilizando nomenclaturas, códigos ou formatos distintos. Também existem situações em que uma fonte atualiza determinado campo com frequência, enquanto outra mantém informações antigas. “Não é que a fonte A seja melhor que a B. Naquela informação, ela pode ter um dado melhor ou não”, explica Magalhães. Segundo ele, a plataforma trabalha com mais de 55 pontos de dados por ativo e acompanha diariamente cerca de 10 mil papéis, combinando informações provenientes de oito fontes. Essa escala permite que a empresa identifique padrões e inconsistências que seriam difíceis de perceber por meio de consultas isoladas. A cada novo dado coletado, corrigido e validado, a plataforma amplia sua capacidade de reconhecer comportamentos recorrentes e identificar desvios. O processo também considera documentos oficiais, como atas e aditamentos, que registram alterações relevantes nas emissões. A combinação entre esses documentos e outras informações disponíveis no mercado contribui para aprimorar continuamente os critérios de validação. A proposta, portanto, não é substituir a inteligência humana por um modelo de automatizado, mas desenvolver um mecanismo proprietário capaz de incorporar regras, histórico e experiência de mercado à operação tecnológica. Governança e rastreabilidade dos dados A confiabilidade das informações é particularmente relevante em um segmento no qual divergências de cadastro, alterações contratuais e diferenças entre fontes podem afetar a análise de uma operação. Para enfrentar esse desafio, a Vitrify mantém registros das informações coletadas, preservando sua origem e o histórico de processamento. A arquitetura permite identificar quando um dado foi obtido, qual era seu conteúdo original, como foi tratado e se passou por algum processo de aprovação ou descarte. Lopes explica que a empresa utiliza internamente mecanismos de gerenciamento de dados mestres, conhecidos como MDM (Master Data Management), associados a regras de processamento e controle. A estrutura registra a evolução das informações e permite rastrear as decisões tomadas durante sua validação. A governança também envolve a definição de critérios específicos para cada campo. Em vez de estabelecer uma classificação única para todas as fontes, a plataforma avalia a confiabilidade de cada informação conforme suas características e seu histórico. Essa abordagem busca conciliar automação, auditabilidade e supervisão especializada. O resultado é uma base que pode ser atualizada continuamente, respeitando as diferenças de frequência e disponibilidade das informações em cada fonte. Plataforma atende gestores, bancos e participantes do mercado A Vitrify adota um modelo de software como serviço (SaaS) e organiza sua atuação em três grandes grupos de clientes: alocadores de capital, participantes do mercado de capitais e empresas emissoras de títulos. Entre os alocadores estão corretoras, bancos, fundos de investimento, family offices e escritórios de agentes autônomos. Para essas instituições, a plataforma centraliza o acompanhamento de ativos em carteira, reunindo informações sobre características das emissões, eventos relevantes e movimentações do mercado secundário. O serviço é particularmente útil para organizações que precisam monitorar grandes volumes de posições. Magalhães cita o exemplo de instituições com carteiras de até 1.800 papéis, cuja supervisão pode exigir equipes dedicadas ou a contratação de diferentes prestadores de informação. Com a consolidação dos dados em uma única interface, a Vitrify busca reduzir a fragmentação das consultas e facilitar a identificação de acontecimentos que possam afetar os ativos acompanhados. A plataforma também oferece recursos de pesquisa de papéis, consulta ao histórico das emissões, comparação de características, análise setorial e consulta consolidada por CNPJ. Essas funcionalidades apoiam atividades como integração de novos clientes, avaliação de oportunidades no mercado secundário e precificação de operações no mercado primário. Outro recurso permite identificar fundos que detêm determinados ativos, ajudando os participantes a mapear possíveis contrapartes em negociações. O segundo grupo inclui securitizadoras, agentes fiduciários, bancos de investimento e outras empresas que atuam na estruturação, administração ou distribuição de operações. Nesse caso, a visão abrangente do mercado permite identificar informações que podem ser relevantes mesmo quando uma emissão não está diretamente sob a responsabilidade de determinado prestador. Um agente fiduciário, por exemplo, pode acompanhar informações sobre outras operações de uma mesma empresa e identificar acontecimentos potencialmente relevantes para os títulos sob sua administração. Já um banco de investimento pode consultar emissões anteriores, taxas, garantias e investidores associados a uma companhia antes de estruturar uma nova operação. O terceiro grupo é formado pelas próprias empresas emissoras. A plataforma pretende ajudá-las a compreender melhor a distribuição de seus títulos, identificar quem são os investidores, acompanhar o desempenho dos papéis no mercado secundário e comparar suas condições de captação com as de concorrentes. A estratégia é construir uma referência informacional compartilhada por diferentes participantes, ampliando a utilidade da base de dados à medida que novos casos de uso são incorporados. Escalabilidade depende da arquitetura e do controle de custos A estratégia de crescimento da Vitrify está associada à capacidade de ampliar o número de clientes e funcionalidades sem reproduzir, a cada nova contratação, toda a estrutura de processamento de dados. Segundo Magalhães, os recursos oferecidos aos clientes funcionam como aplicações sobre uma base de dados centralizada, acessada por meio de APIs. Dessa forma, a expansão dos casos de uso tende a exigir menos investimento incremental do que a construção de uma infraestrutura independente para cada cliente. O principal esforço tecnológico concentra-se na ampliação, manutenção e evolução dessa base. A arquitetura foi concebida para atender diferentes aplicações a partir do mesmo conjunto de informações, favorecendo a escalabilidade do negócio. Lopes, que tem experiência anterior em áreas de dados de grandes instituições financeiras, incluindo o Itaú e o Banco Pan, destaca que o controle de custos é uma preocupação central. O uso intensivo de inteligência artificial e processamento de dados pode provocar variações significativas nas despesas, dependendo da complexidade e da frequência das operações. Por isso, a empresa mantém uma equipe de tecnologia enxuta e experiente. Segundo o executivo, são seis profissionais na área, incluindo o próprio Lopes, dentro de uma estrutura total de sete pessoas com a participação de Magalhães. O executivo também relata ganhos de produtividade no desenvolvimento de software com o uso de IA, citando dias em que a equipe realizou mais de cem deploys. A experiência reforça a aposta em incorporar inteligência artificial aos processos de engenharia, testes e monitoramento, em vez de restringir sua utilização a ferramentas individuais de produtividade. Modelo comercial pode evoluir para cobrança por consumo Atualmente, a plataforma é comercializada em duas modalidades de licença: básica e completa. A principal diferença está na quantidade de módulos disponíveis e na profundidade das informações acessadas. A empresa, porém, avalia a evolução desse modelo. À medida que a plataforma incorporar recursos mais sofisticados de processamento e inteligência artificial, a precificação poderá considerar também o consumo e o valor gerado para cada cliente. A mudança acompanha uma discussão mais ampla no mercado de tecnologia sobre os limites do modelo tradicional de SaaS diante de aplicações nativas de IA. Em determinados casos, uma consulta simples pode representar um custo operacional baixo, enquanto uma solicitação que exige processamento adicional ou execução de modelos de aprendizado de máquina pode demandar mais recursos. Para Lopes, a arquitetura será determinante para equilibrar a oferta de novas funcionalidades, a experiência do cliente e a sustentabilidade econômica do negócio. A empresa considera que licenças fixas continuarão fazendo sentido para determinadas aplicações, enquanto outros serviços poderão evoluir para formatos associados ao consumo. No que diz respeito à cobertura de ativos, a decisão inicial foi concentrar esforços no crédito privado tradicional, incluindo debêntures e certificados de recebíveis. Segundo Magalhães, a escolha reflete o perfil dos clientes corporativos atendidos pela empresa e a exposição desses investidores aos instrumentos tradicionais do mercado de capitais. A ampliação do universo de ativos dependerá, portanto, das necessidades dos clientes e da evolução da plataforma, sem que a empresa tenha apresentado, na entrevista, um cronograma específico para a expansão. Vitrify AI pretende incorporar conhecimento de mercado Uma das frentes em desenvolvimento é a Vitrify AI, iniciativa que busca transformar a base informacional e a experiência acumulada pela empresa em um copiloto para os profissionais do mercado financeiro. De acordo com Magalhães, a empresa está desenvolvendo uma arquitetura proprietária com um mecanismo central de inteligência e sete subagentes especializados, concebidos para executar diferentes etapas de trabalho. A proposta é incorporar nuances e critérios de análise acumulados ao longo de sua trajetória profissional à interação com os usuários. A iniciativa parte de uma constatação: embora ferramentas de IA já sejam amplamente utilizadas por profissionais do setor, nem sempre as instituições conseguem incorporar esses recursos aos processos corporativos de maneira estruturada. Magalhães observa que os clientes já solicitam integrações por APIs e protocolos como o MCP (Model Context Protocol), indicando que estão construindo aplicações próprias a partir de diferentes fontes de dados. O desafio, segundo ele, é avançar da produtividade individual para uma utilização institucional, com repositórios centralizados, segurança, conformidade e integração aos fluxos de trabalho. “Eu ainda tenho dúvidas se as instituições estão conseguindo olhar para o uso da IA sob a ótica institucional”, afirma o executivo. Para ele, a maturidade nessa área depende de transformar a inteligência artificial em parte dos processos corporativos, e não apenas em uma ferramenta utilizada isoladamente por analistas. Na visão de Lopes, a combinação entre conhecimento especializado, dados estruturados e automação pode ampliar a capacidade de monitorar o mercado e identificar relações que não seriam evidentes em análises isoladas. Transparência como motor para o mercado de crédito privado A aposta da Vitrify está relacionada a uma transformação mais ampla na estrutura de financiamento das empresas brasileiras. Com o crescimento do mercado de capitais, o crédito privado ganhou relevância como alternativa de financiamento, mas ainda enfrenta desafios operacionais relacionados à dispersão das informações, à assimetria informacional e à baixa liquidez de determinados ativos. Magalhães avalia que a infraestrutura de dados pode contribuir para reduzir essas ineficiências ao facilitar o acesso a informações comparáveis e permitir que investidores, intermediários e emissores compreendam melhor as condições do mercado. A maior transparência também pode favorecer a identificação de oportunidades no mercado secundário, no qual a disponibilidade de informações sobre ativos, investidores e condições das operações é importante para aproximar compradores e vendedores. A empresa aposta que o avanço da inteligência artificial tornará economicamente viável automatizar atividades que, até pouco tempo atrás, exigiriam equipes maiores e processos manuais intensivos. Para os fundadores, entretanto, o diferencial não está apenas na adoção de novos modelos de IA, mas na construção de uma infraestrutura que combine dados confiáveis, rastreabilidade, regras de negócio e experiência financeira. Ao centralizar informações e facilitar sua utilização, a Vitrify pretende contribuir para tornar o crédito privado mais transparente, eficiente e acessível aos diferentes participantes da cadeia de financiamento empresarial.