Gestão de Dados na Lenovo: Governança e IA em Escala Global

0:00Então, de fato, essa parte do volume de dados é enorme. Então, como eu eu já falei, ela é novo. Hoje ela é ela é a primeira em venda de notebooks. A gente tem 26% de market share global.

0:11A IA deu uma rasteira nos executivos porque ela chegou primeiro na ponta, na mão do usuário.

0:17É.

0:18E ninguém tava preparado para usar isso corporativamente.

0:21É isso.

0:21Hoje a gente tá atuando com Fabric Data Agent, que é também é um componente, né, que vem junto com Fabric. E aí, acima desse desse desse layer, a gente construiu um novo layer com copilot stúdio, que aí vai ser o meu orquestrador.

0:34Cara, você arquiteto é o cara que especificável. Especificar é o que a IA precisa que que seja feito agora, né? E quanto melhor você especificar, melhor vai ser o resultado. Muito bem. Muito bem, meus amigos do PPT não compil.

0:48Estamos aqui para mais um episódio. E hoje, meu amigo cabeludo, a gente vai conversar com um cara que trabalha numa titã, né, cara? E tô bem curioso por esse papo porque, cara, é uma empresa global com bastante particularidade, né?

1:10Exatamente. E que a gente vai destrinchar com esse cara aqui. A gente tá hoje com o Rafael, Rafael Martins, que é gerente sênior de dados e inteligência artificial da Lenovo.

1:22Isso aí, legal.

1:24E dá um oi aí, Rafa, pra gente legal dar um spoiler pra galera do que a gente vai poder tratar aqui.

1:30Primeiramente, obrigado, Wellington Rômulo pelo convite. Muito feliz em estar aqui, em poder compartilhar um pouquinho aí da da nossa jornada. Eh, meu nome é Rafael Martins, você já falou gerente sênor de dados EA e analytics na Lenovo. Tô ali na Lenovo há 13 anos já.

1:44Já tem plaquinha de patrimônio na sua?

1:46Já tem, já tem, já tá com ativo ali já.

1:49Eh, tô aí na na área de tecnologia já há 22 anos, né? Então, comecei lá atrás desenvolvendo e aí fui fui seguindo essa carreira aí na área de de TI, muito mais focado agora em AI. Sou casado, pai de dois filhos, de de formação, sistemas de informação e alguns MB aí pela pela frente que já fiz. E é isso, vamos bater um papo legal aí.

2:16Bom, show de bola. Vamos entender com esse cara aqui hoje, né, Ron, como é que trabalha essa quantidade de dados numa gigante global. como quais são os desafios que tem de tratar essas informações numa empresa que praticamente tem sítios no globo inteiro, né? como que a gente gera essas informações, como faz ingestão dessas informações, como restringem essas informações, como que está sendo trabalhado inteligência artificial dentro desse desse contexto. Então, você quer entender aqui como que um gigante como Lenovo tá se preparando para essa para esse novo momento e gerando insumo pra sua própria operação? Esse episódio é mega valioso, né? Se você é um executivo e está acompanhando isso ou se você é um entusiasta de tecnologia e dados, inteligência artificial, tenho certeza que esse episódio aqui vai trazer uns insites aí extremamente importantes.

3:11Sim. E e até interessante que a gente vai poder debater aqui, cara, como é que é eh a questão de dados numa empresa chinesa, né? Exato.

3:21Tem uma questão também, você não vai escapar dessas perguntas, não, né?

3:26É isso aí, porque cara, você tá ali com o xigipin e o trap na sua orelha.

3:31Aí vamos, vamos compartilhar essa figurinha.

3:34Vai ser, vai ser muito bom saber isso daqui. Vamos fazer umas perguntas para esse cara daqui a pouco. E se você, antes de começar, se você ainda não deixou seu like, se você não se inscreveu no canal, aproveita, vai lá, se você tá conhecendo a gente pela primeira vez, se inscreve no nosso canal. Se você quiser incentivar ainda mais o PPT no CPIL, você pode ser membro do canal, vai lá no YouTube, se inscreve, seja membro, vai contribuir um pouquinho com o PPT no compila todos os meses, mas a maior contribuição que todos vocês fazem é compartilhando o episódio, coloca no LinkedIn, comenta se você curtiu o episódio, deixa o seu like, manda no slack da empresa. O maior valor que o PPT no compila tem é em criar a sua comunidade. Beleza? Então vamos lá que o episódio promete.

4:22Bora, bora.

4:38Pra gente começar esse papo aqui, Ron, eu vou te entregar uma West Coast IPA da Marto Boa.

4:46Por favor, sirva-se.

4:48Eu vou tomar uma Session IPA da Maralto com 4,5% de amargor. Não, um de amargor.

5:00E você, Rafael, sei que você não bebe, mas eu vou deixar essa daqui pr você levar para um para um amigo, para um conhecido. Então, é, fica aqui com um brinde da Maralto para você levar, já que você, infelizmente você não bebe, você não vai ter a sensação de abrir o amarto e você que gostou, quer levar uma paraa para casa também, já sabe, vai lá no Instagram, vai na DM do PPD no Compila e só mandar maralto. Todo episódio você vai poder vir aqui retirar sua maralto e assistir o episódio pessoalmente com a gente. Beleza?

5:35Boa, Rafael, eu queria começar com uma um pedido de esclarecimento para você, porque muita gente não conhece toda a linha da Lenovo.

5:45Legal.

5:45As pessoas tão tem aquela imagem muito ligada a notebook, laptop, eh, corporativo, etc. novo é muito mais que isso, né? Então queria que você primeiro pra gente poder dar a amplitude do nosso papo, queria que você fizesse esse disclaimer pra gente.

6:04Combinado? Bom, vamos lá, pessoal. A Lenovo, a gente costuma falar que a Lenovo ela tem um portfólio muito amplo.

6:10A gente costuma falar que é o pocket to cloud, é do bolso à nuvem. Então a Lenovo, falando um pouco da linha na linha do tempo, né? Ela ela começou em 1984 numa garagem. Então, eh, dois fundadores começaram a distribuir computadores lá na China. A Lenovela chinesa, até algumas pessoas não sabem que a Lenov chinesa, não.

6:32Lenovo chinesa, começou lá em 1984, só no mercado local, na China, distribuindo computadores. Nem fabricando ela fabricava, só distribuía.

6:41O Boom da Lenovo mesmo, eh, o boom da Lenovo, ele veio em 2005, que foi quando a Lenovo ela adquiriu a linha de PCs da IBM.

6:50Uhum. Então, o o saudoso e famoso, na verdade, Fink, toda a linha Fink, eh, que era da IBM, virou cult agora, né?

6:59Exato.

6:59Os caras adoram FP.

7:00Exato. Aquela bolinha ali é padrão, né?

7:03Acho que quem não, né, nas empresas, acho que muita linha empresarial, todo mundo usou já um ThinkPad, né? Então isso veio em 2005. Então ali a Lenovo, ela começou realmente a estourar. Então, ela saiu de um de um mercado local, China, e passou a ser a terceira maior fabricante de computadores do mundo em 2005, então depois de 20 anos. Eh, qual que foi o o outro grande momento da Lenovo? Em 2015, mais ou menos, a Lenovo, ela adquiriu a Motorola. Então, também muita gente não sabe que a Motorola é do grupo Lenovo, né? é da Lenovo. Então, a ali naquele momento a gente adquiriu, a Lenovo, ela adquiriu da Motorola, eh, desculpa, adquiriu a Motorola, né, do grupo da Google e ali a gente começou com toda a linha de celulares, wearables e tudo mais. Então, esse foi um outro grande momento da Lenovo de aquisição. Junto, nesse mesmo ano, a Lenovo adquiriu a linha de servidores da IBM. Então, toda a linha Xer 6 Uhum. né, da da IBM, veio também para Lenovo. Então, com isso, ela a a Lenovo ela começou com ampliou o portfólio de maneira absurda, né? Então, a gente saiu ali de distribuir PCs na China.

8:09Uhum.

8:10Para ganhar o mundo vendendo notebooks.

8:12Hoje a Lenovo, ela tá presente em 180 mercados. Então é isso é é bem expressivo. A gente tá dentro da Fortune 500, estamos ali na posição 150 mais ou menos da Fortune 500. Um faturamento de 83 B. Fecha, acabamos de fechar o faturamento, né, o ano fiscal com 83 B.

8:32Então assim, de novo, em termos de portfólio, a gente tem celulares com Motorola, relógios, smartwatch, fones de ouvido, aí passamos pra linha de PCs, tablets, eh, workstations e aí vai pra linha de servidores, storage, networking. Então, assim, a gente consegue, quando a gente vai para um cliente, a gente consegue praticamente abordar ele em todas as frentes. Ah, você precisa de celular, você precisa de notebook, você precisa renovar seu parque, você precisa renovar seu data center. A gente tá atuando em todas as linhas, cara. Muito legal. Eh, fala um pouquinho sobre o teu papel na Lenovo, porque você é um cara de dados.

9:10Isso.

9:11E onde aparentemente é uma empresa que é uma indústria.

9:16Sim, né?

9:16Sim.

9:17Eh, onde qual que é o teu escopo aqui nessa nessa nessa engrenagem toda?

9:24Legal. Não, bacana. Eu tô praticamente 13 anos na Lenovo. É, então eu entrei, é que na Lenovo, ela adquiriu também no mercado brasileiro uma empresa nacional de de computadores para ganhar market share e ganhar no RAL do mercado. Eu vim nessa aquisição e desde então eh o meu background é técnico, né? Eu eu sou formado, né, em sistemas de de informação. Eu toquei sempre eh times de desenvolvimento de softwares. Dado momento, eu transicionei para BI. Isso eu fiquei durante muito tempo rodando a parte de BI na empresa onde eu trabalhava e durante a aquisição da Lenovo eu transicionei para BI também dentro da Lenovo. Então ali naquele momento mercado brasileiro, mercado América Latina, já conhecendo um pouco mais dos dados da Lenovo e e ajudando toda a parte de transformação dos dados, levar isso pro para relatórios executivos e tudo mais. E isso foi ganhando corpo, eu fui ganhando eh junto com o meu time eh visibilidade e a gente começou a expandir o nosso escopo para mundo.

10:22Uhum. Então, hoje a gente atua eh eh o meu time, eu sou responsável pela parte de dados analytics, AI global. Então, onde onde realmente a gente atua? O nosso usuário é o nosso usuário interno da Lenovo. Eu não eu não interajo com um cliente da Lenovo ou com um parceiro da Lenovo, até porque a a Lenovo não tem services, né? Não de services de dados, de consultoria, etc. você produz insumo pra própria equipe da Lenovo trabalhar com dados.

10:54Exatamente. Exatamente. Então assim, a o meu cliente é o meu cliente interno, seja RH, seja vendas, seja financeiro.

11:02Então esse é o meu cliente dentro da Lenovo dos últimos anos, muito mais focado em operações e vendas. Então esse é o meu nicho que eu trabalho hoje.

11:10Então os meus entregáveis, os meus produtos e projetos são voltados para para esse público, para essa audiência dentro da Lenovo.

11:17Show, cara. Você deve ter uma pequena montanha de dados, tem muito bem expressivo para não. E deve não somente o volume de dados, mas também a complexidade, né?

11:27Porque como você atende global, então [ __ ] a necessidade do time do Brasil é diferente, provavelmente da Europa e da China, né? Então, exatamente, sem contar, então de fato, essa parte do volume de dados é enorme.

11:39Então, como eu eu já falei, ela é novo, hoje ela é ela é a primeira em venda de notebooks. A gente tem 26% de market share. global.

11:48Caraca, a gente é primeiro há 5 anos consecutivos. A Lenovo, ela é primeira de mercado. Então você imagina quantos computadores a gente vende no mundo inteiro.

11:56Cada computador vendido é uma transação, é um serial number. Então você imagina o tanto de dado que isso gera. Não só isso, né? Obviamente cada ordem de venda que é colocada, cada pedido do cliente, cada faturamento que é feito, tudo isso é volume de dado cada computador deve ter uma tag de garantia com rastreio de peça. Se você explode, exatamente, se você explode, que a gente chama BO of material do produto, ó, o tanto de componente do parafuso, a tela, ao chassi do do notebook.

12:25Então, assim, é é muito dado que a gente que a gente trabalha. Eh, e de e de fato, por eu atender o time global, eh, tem ainda mais uma complexidade, porque tem a particularidade da China, tem a particularidade de Europa, tem dados sensíveis da China que não podem transitar para outros lugares. Então, tem tudo isso que a gente tem que lidar no dia a dia. Então, às vezes até ambientes a gente tem que criar e controlar em ambientes separados por conta de de particularidades particularidades de cada de cada país, de cada continente, enfim. Você pode até ter produtos de dados semelhantes, né, os os mesmos produtos de dados geograficamente separados, mas a regra de negócio de cada um é diferente, né?

13:05Exato. Exato. E é o que a gente vem trabalhando ultimamente, porque nessa era de inteligência artificial, não só na de inteligência artificial, mas desde o BI, né? Eh, é o famoso garbagin, garbage alta. Se você não tratar o seu dado, né, não adianta, você vai ter, você pode ter toneladas de dados, terabytes de dados, se não for bem tratado, não tiver um contexto, não quer dizer nada.

13:30Não quer dizer nada. Não quer dizer nada. Então, para Eu eu gosto muito daquele conceito de eh dado e informação.

13:37É isso.

13:38Se você só tem uma pilha de dados, você só tem uma pilha de dados, né? Se você conseguir organizá-los e tratá-los de forma que ele respondam outras perguntas, aí você tem informação. É um é um dos dos axiomas do princípio da informática, né? A palavra informática agora vou vou ser velho, vai entregar vai entregar, vou entregar aqui. A palavra informática vem de informação automática, né? Então o processamento de dados geram informações, né? Viu? PPT também é cultura, crianças.

14:11É isso. E é isso. Porque e o que que a gente tomou como premissa para qualquer projeto? Cara, se você não tiver um foundation ali bem estruturado, o seu dado bem estruturado, não adianta. Você você pode ser qualquer ferramenta de AI, qualquer modelo, qualquer ferramenta de BI, cara, não vai funcionar.

14:29Então, a gente levou isso muito a sério e e a gente começou realmente por baixo.

14:33Meu, vamos gastar um tempo aqui, onde a gente tem que falar com todas as geografias. Vamos colocar na mesa aqui todo mundo sentado numa sala todas as unidades de negócio, porque tem isso também. Eh, eu não só atendo as todas as geografias, mas eu atendo também todas as unidades de negócio, desde a Motorola, a parte de servidores e a parte de PCs, né? São três unidades de negócio distintas. Então, vamos colocar todo mundo numa numa sala e vamos definir os KPI e as métricas, passar a limpo. O que que você entende como receita? É o mesmo que você entende como receita?

15:07Uhum. É ou não é? Ah, inventário no canal. O que que para você, como que é calculado o seu inventário no canal?

15:12Vamos passar limpo isso. Então, assim, a gente gastou muito tempo, a gente tá ainda nessa jornada, dependendo do do do domínio do dado, a gente ainda tá passando por essa transformação. Mas esse pra gente foi o básico. Se a gente não conseguir sentar e todo mundo falar a mesma linguagem, não adianta, não adianta a gente seguir e dar o próximo passo, né? É, se você não tiver esse esse processo de governança para que de fato o dado correto esteja dizendo o que se espera dele, né, você é aquele velho problema de de áreas de negócio muito grandes e área empresas que produzem muito dado e que e que tem o dado altamente disponível, que não é ruim, né? É, é ótimo ser teu ter dado disponível, mas você começa a ter eh, informações discrepantes partindo do mesmos dados, porque diretoria A calcula a receita de um jeito diferente da diretoria B. Então, a fonte de dados é a mesma, mas o relatório dos dois tá dando diferente.

16:07Exatamente.É, então acho que o principal desafio de fato para você começar a organizar isso, começar essa essa coxa começar a fazer sentido, né, essa coxa de retalho, que é muita informação ao mesmo tempo, é de fato todo mundo ter um baseline de do que é o qu.

16:25Exato. Exato. E e não é fácil. E aí você põe, imagina você colocar toda essa essa galera do mundo inteiro, de todas as unidades de negócio, que o cara já tem ali um, né, já tá acostumado a trabalhar daquela forma há anos, você falar: "Não, cara, vamos vamos definir". Se não for top down, não acontece. Então, é um negócio que assim veio de cima da Lenovo, a liderança da Lenovo comprou realmente essa esse esse projeto. Eh, a gente já tá nesse projeto há do anos.

16:55Eh, óbvio que não é só isso. Entregava do projeto, ele começou aí, mas tem muita mais muito mais coisa envolvido.

17:01Mas isso pra gente é é o básico. Eu acho que para qualquer empresa, se você quer começar realmente um projeto, se você não começar pelo básico, que é realmente seu dado tá aqui, mas tem um contexto, seu dado todo mundo tá tá entendendo o que que ele quer falar, eh, todo mundo tá falando a mesma língua, a definição, o como calcula, esse é o básico para para qualquer projeto de de dados, BI, AI, enfim. E Rafael, como é que tá sendo esse desafio, né? Porque como você tá na jornada ainda desse desse trabalho de primeira fundamentação e também indo em cada área de negócio para entender eh eh ter um dicionário para saber o que que é, como é que calcula tal coisa, como é que tá sendo esse processo, porque isso eh tem muita empresa ainda que eh tá querendo usar ai desesperadamente porque [ __ ] o concorrente tá usando porque veio top down, mas cara falta ainda esse fundamento ainda, né? E e até para coisa, vamos dizer, vamos colocar entre aspas, eh, [ __ ] para ter métrica, ainda tem muita empresa ainda que bate cabeça ainda com métrica, porque [ __ ] não, o cara calcula ali no na planilha dele, mas [ __ ] porque não confia, porque o dado não sabe onde tá atualização, enfim. Não, esse é esse é de fato acho que esse é o problema que a gente tá passando hoje. Eu tenho visto e falado com parceiros, clientes, fornecedores. Muitas empresas estão passando por isso, porque a liderança, foi o que você falou, a grama do vizinho tá mais verde, já estão usando AI, eles já têm 10 agentes, 20 agentes, estão indo pelo número de agentes. Eu preciso ter também na minha empresa.

18:33Não importa o que esses agentes estão fazendo, não importa. Não importa o que ele vai fazer.

18:36Tem 20, eu quero ter 30.

18:37Eu quero ter 30, entendeu? Então eu tenho visto muito isso e aí a galera começa a bater cabeça, porque de novo, para ficar bem claro para todo mundo e e eu costumo dizer que AI ele é só um amplificador. Então se você não tem um dado bem estruturado, o output do seu do seu agente vai ser o quê?

18:54Se você produzir cocô lento antes, você vai produzir pro cocô muito mais rápido.

18:58Exato. Exato. Ele é um acelerador. Ele é um acelerador e amplificador. Então assim, galera, vamos colocar a bola no chão, né? Vamos colocar todo mundo para para realmente fazer o básico aqui. Que que é o básico? Entender o seu dado.

19:11Entende seu dado? Da onde ele tá vindo, o que que ele quer dizer, todo mundo tá falando a mesma linguagem. Eh, o se usou um exemplo ótimo, porque tudo começou e parte desse projeto começou quando em reuniões de negócio pessoas estavam chegando com números diferentes e aí você se gastava mais tempo discutindo qual que é o número correto do que realmente a estratégia ou ação que você vai tomar em cima da, né? Então assim, isso eu vejo muita gente batendo cabeça e esse realmente é o grau de maturidade, eu acho que de muitas empresas. Eles não não não não ainda não entendem o que que aquele dado quer dizer ou não não tá nada alinhado, tudo básico, né?

19:49É. E e eu vejo muito neste momento que nós estamos agora, Rafael, queria ouvir a tua opinião.

19:57Tem muita gente que tá acordando pro básico agora do tipo, maravilha.

20:05Para um ano atrás eu conseguia fazer aplicações chamando API do chat EPT.

20:11[ __ ] tá achando que eu tô no no na crista da onda da Aí o cara tá vendo que a aplicação disso e o potencial disso é muito maior. Tá começando a olhar para os dados de casa e ele percebeu que ele não tem governância de dados, ele não tem engenharia de dados, né?

20:26Ainda tem dificuldade de integração básica ainda, né?

20:29Dificuldade de ingestão, de integração no próprio transacional, né? E eu vejo também um um outro grupo de de profissionais com empresas mais bem organizadas, que já tinha uma governança, já tinha um processo mais ajustado ali para trabalhar com dados, percebendo cada vez mais a importância da governança em si e dando mais peso para isso, né? Principalmente agora que a gente tá falando de engenharia de plataforma, engenharia de de de dados para EI, harness, etc. que os dados precisam ter um contexto próprio. Então, metadado é muito importante, né? O de onde veio aquele dado, como veio, tudo isso é é contexto para você passar para inteligência artificial. E isso, por mais que algumas empresas já estivessem muito bem governadas, parecia uma uma um overengine engineering ter tudo isso, mas agora isso tá ganhando mais força, né?

21:28Como que você como que você vê esse momento? Não, eu vejo exatamente isso, porque a galera correu eh eh qual que é o problema? O pessoal confundiu velocidade com pressa, né? Então a galera saiu desenvolvendo agente, conectando qualquer dado no agente, só que bateu, bateu no teto. É o que você falou, o exemplo que você deu. Ah, quero trazer mais dados. ou você não vai conseguir trazer o dado porque você tem um problema de ingestão, ou você tem um problema de qualidade com seu dado e aí o seu o seu agente vai começar a guspir um monte de porcaria. Essa que é verdade, né? Então a galera falou: "Tá, então é o momento de eu voltar e corrigir o meu dado". E eu vi muita gente batendo cabeça nesse sentido, né?

22:09Eh, eu tenho nesse projeto que a gente tá tocando há há alguns anos, foi que eu falei, a gente começou do básico, qual que é o próximo layer que a gente tá atuando? realmente ter uma uma camada, um framework medalha bem estruturado.

22:22Então, desde o seu seu seu sua camada bronze, sua camada, né, prata, ouro, tudo bem estruturado. É, você deu um outro exemplo pr pra EAI que pro seu agente funcionar, pro seu modelo entender, se o seu dado não tiver bem estruturado no sentido de ter uma descrição amigável que seu modelo vai entender, se você o seu dado, eh, e é isso que a gente tem visto e trazido pros modelos de hoje, pros nossos projetos, toda a parte de ontology também, de ontologia dos dados, o como o como as suas entidades estão conectadas.

22:56Muita gente não sabe como isso tá conectado dentro da empresa, o que que como que minha ordem de venda me se conecta com o cliente que se conecta com produto.

23:08Quero falar com você agora que ainda não conhece a Clever. Clever é uma empresa que já tem mais de 3 milhões de usuários em 30 países com 30 idiomas diferentes, que tem trazido soluções em blockchain, criptomoedas e ativos digitais. O objetivo da Clever é te dar liberdade financeira para operar nesse mercado de cripto. Então, se você acredita nisso, se você acredita nessa liberdade, você já pensa como a Clever, vai conhecer os caras, é clever.io, estão contratando também pessoal para trabalhar com cripto, com blockchain. Então, se você tem interesse, se você tem conhecimento nessa área, procura a Clever. Se você gosta de criptomoedas, se você opera no mercado, você precisa conhecer a Clever, precisa conhecer as soluções da Clever.

23:48Então o endereço tá aqui embaixo no vídeo. Para quem não tá no YouTube é clever. Vai lá, vai conhecer que realmente é um mercado sensacional.

24:01Cara, isso é genial. Você me lembrou de um de um paper que eu li na semana passada de uma arquitetura que tava sendo montada em grafos para dentro da empresa. O cara tá o cara tinha toda a a estrutura muito bem definida do data line que ele tinha. Tipo, esse dado ele surgiu de um processamento nessa aplicação que tinha esses dados que vieram daqui.

24:25Uhum. E nesse paper ele pegou todo esse lineage do do da base e transformou num grafo.

24:32Nossa, porque aí nesse momento que você transforma num grafo e tem essa base também vetorizada para para consumir, o modelo ele consegue fazer um traceback para qualquer lado.

24:42É isso. É isso. Isso. Ele tem um contexto perfeito, cara.

24:45Aí você vai aí você vai criar uma de fato um agente que vai trazer retorno no da empresa, né? Claro, não espero que as empresas estejam nesse ponto porque era um paper científico, né? Mas eh eh é só quero dar isso como exemplo do quanto você ter isso estruturado. Ah, é é um é o ponto de partida para você começar a fazer coisas incríveis daqui pra frente, né?

25:08Não, a gente tá evoluindo muito rápido para isso também. E eu falo internamente que todo esse projeto é é engraçado, né?

25:14a gente começou, ah, vamos estruturar o dado e abriu-se o leque. Então, a partir do momento que você tá trabalhando com dado e trabalhando com as áreas de negócio, tá? Então, é o momento de eu ter uma plataforma de knowledge management aqui e também já controlar todo o meu enterprise knowledge management aqui também. Então, a gente aproveitou do momento para endereçar já vários pontos, entendeu? Vários várias dores que o negócio já tinha, vários problemas estruturais. A gente tá endereçando tudo num projeto só e óbvio, custoso, vai tempo, a gente sabe, mais necessário. De novo, AI, sem um dado que tenha contexto, você vai bater no teto, igual a gente falou, ou vai começar a te trazer resposta, né, errada, ou a latência vai ser absurda.

25:57E qual que é o problema disso também? E e a gente sofreu com isso lá lá atrás.

26:02Qual que é o benchmark de todo mundo hoje? Ah, eu tenho meu chat EPT, eu faço uma pergunta, ele me retorna em 2 segundos. Cara, isso acabou com com os executivos, né? Porque o teu benchmark é o que o cara usa no dia a dia dele, né?

26:14Entendeu?

26:14Isso é é um Só que aí você traz para traz para uma realidade do do, né, seu ambiente corporativo que você tem que fazer. Eu não tô conectando só com uma base, eu tô conectando com todos os meus dados internos. Eu tenho que dar um contexto para aquela resposta, né, cara? Se demorou 10, 15, 20 segundos é muito. É muito. Então assim, se você de novo volta para você estruturar seu dado, não isso considerando que você tem tudo muito bem estruturado, uma base perfeita, vetorizada, melhor dos mundos e assim, mesmo assim é é um dos desafios de hoje, porque a galera usa lá um cloud, usa um um chept e fala: "Cara, mas lá é 2 segundos, eu tenho a resposta, mas não a resposta que você precisa, entendeu?" Entendeu? Então assim, essa essa mudança também de mindset do começando dos executivos, né? Aí vai pro letramento também, você também conseguir disseminar esse conhecimento.

27:12Outro desafio ainda no negócio, eles não entendem que se você fizer 10 vezes a mesma pergunta para um LLM, ele não vai te trazer 10 vezes a mesma resposta.

27:23Mesma resposta.

27:24E essa galera tá vindo da onde? de um ambiente de um ambiente de analytics BI, que ele tinha um relatório estático, apertava o refresh e a tabela era sempre igual, igual igual. Tá aqui meu filtro, tá aqui minha tabela, tá aqui o que tá escrito, meu label tá aqui e agora que cada hora que eu faço a mesma pergunta, ele me traz palavras diferentes. O dado ali, o resultado, seu, sua receita vai ser a mesma, por exemplo, mas vai trazer através da estatística, ele vai prever palavras diferentes e vai trazer, né, diferentes.

27:52A inferência vai ser que variar, né?

27:54Exato. Então assim, são alguns desafios que a gente vem sofrendo, mas de novo eu volto e bato na tecla que se se a gente se as empresas não sentarem realmente derem a importância para essa parte dos dados e querer só pensar em número de agentes que eu quero fazer o deployment porque o meu meu concorrente tá já tá com 10 agentes, eu preciso ter 20, cara, vai ser problema. E pegando esse contexto que você trouxe, Rafael, eh, como é que você lida com gestão de dados, com tantos sítios diferentes geograficamente?

28:29Uhum.

28:29Com unidades de de negócios diferentes.

28:34Uhum.

28:34Você provavelmente precisa ter esse dado num espaço curto de tempo, né? Com uma com TTL razoável ali. Sim.

28:42Como que é? Você pode abrir um pouquinho pra gente? Como é teu pipeline de ingestão de de desse caminhão pequeno? É pequeno caminhão não, né? Desse pequeno e nave espacial de dados.

28:55É, é uma arquitetura grande assim para atender todo esse volume de dados, né? Então assim, a gente tem uma arquitetura eh voltada eh a gente tem dados em cloud, tem dados ones também.

29:08Uhum. dependendo da do que a gente for atender, a gente a gente redireciona para para pros ambientes e a gente tem em em sítios diferentes. Então assim, dado, eu citei um exemplo para você, por conta de legislações, existem dados da Lenovo ou dados da empresa que não podem circular em diferentes data centers.

29:26Então tem dados sensíveis que tem que ficar em determinados data centers.

29:30Então, durante a nossa fase de desenvolvimento, a gente tem que pensar nisso tudo também, cara, porque você pode estar trabalhando com um dado lá da China que você não pode trazer ele para um sítio pode vazar para um sítio US ou costa ou entendeu? E vice-versa Estados Unidos, mesmo que o executivo dos Estados Unidos não tem acesso, é você que tá fazendo, você não pode fisicamente deixar esse lá. Isso.

29:51Exato. Exato. E também e pode acontecer também o oposto de ter um dado, um dado sensível por conta de problemas geopolíticos, enfim, Estados Unidos não pode fluir para quem tá na China visualizar.

30:05Que loucura, cara. Isso é uma loucura porque assim, hoje a gente tá falando de praticamente esse problema, vou colocar entre aspas, entre duas geografias, mas se isso começa a se expandir para outras geografias, outros países e por conta de problemas geopolíticos um pode acessar o outro, você imagina o que que você vai ter que fazer em termos de arquitetura, né?

30:25Eu já passei por contextos onde eh a mesma empresa tinha verticais diferenças de negócio que eram altamente reguladas Uhum. na área de saúde e um executivo não podia ter acesso ao lado do outro, tá?

30:39Por questão de regulação, tá?

30:42Eh, mas fisicamente, tecnicamente, os dados estavam juntos no mesmo lugar e você controlava isso dentro de uma camada de acesso, etc, gauditável, etc.

30:52Agora, fisicamente, mano, é um pepino três vezes maior.

30:56Ficamente. E aí eu ponho assim, além do dado fisicamente, equipes de de TI ou engenheiros também tem que estar em locais físicos para que eles possam acessar o dado.

31:07Então, assim, um engenheiro chinês não pode acessar um dado americano.

31:14Caraca. Então assim, é, mas é principalmente esses dois, principalmente esses dois, principalmente esses dois, porque depois a partir dali é um pouco mais flexível, né?

31:22É. É. Então você pega América Latina, Europa, a gente não tem não tem muito problema. E na Ásia Pacífico, realmente problema de novo tá entre China e Estados Unidos, né?

31:31Uhum.

31:32Mas tudo isso a gente tem que levar em consideração durante o nosso a toda a nossa integração de dados, toda a parte de ingestão, ingestão dos dados, transformação, fazer a ingestão disso também no nosso ambiente de BI. nosso ambiente de BI também obrigatoriamente a gente teve que duplicar nosso ambiente de BI por conta disso. Então hoje a gente usa Power BI na Lenovo, né? Majoritariamente a gente fez uma migração alguns anos atrás a gente tava em sete ferramentas de VI e aí a gente conseguiu num projeto mais fácil, né? De unificar em facilita um pouco.

32:05É, ainda estamos em algumas algumas ferramentas, dependendo da da dos departamentos, eles preferiram prefeririam preferi preferiram ficar em algumas ferramentas. Então isso foi opção, mas estrategicamente a gente centralizou em uma só. Mas eh por conta disso tudo que eu comentei ainda, a gente foi obrigado a subir dois ambientes separados por conta de de problemas de sensibilidade do dado, né?

32:27Então assim, a gente passa por por vários problemas e desafios em relação a isso. Eh, ei, com agentes não é diferente. Então, subir um agente, da onde ele vai consumir esse dado, para quem para quem eu tô entregando esse agente, ter certeza para quem eu tô integrando, eu tenho uma camada também de de acesso ali rastreável, auditável, tenho toda a governança em cima desses dados. Quem que é o desenvolvedor desse agente? Ele tá aqui no Brasil, ele tá na Europa, ele tá na China, tá nos Estados Unidos. Então assim, é um nível de cidade bem grande.

32:58Cara, mas você como como o cara da operação de dados global, isso não prejudica muito a tua operação?

33:07Porque você tá aqui no Brasil, você tem um engenheiro mega sior aqui.

33:12Uhum.

33:13E ele precisa resolver um problema, sei lá, para entregar um relatório da China.

33:17Uhum.

33:18Como é que você faz para esse cara atuar com o dado de lá e depois você tem que fazer o deploy dessa aplicação para rodar no ambiente de lá? Certo? Certo?

33:26Você vai desenvolver aqui.

33:27É, eu tenho engenheiros eh espalhados também pelo por todas as geografias, né?

33:32Então, e até também para poder atender time zones diferentes, né? Você pega a China lá 12 horas paraa frente, Austrália e tudo mais.

33:38Então assim, em relação a isso, a gente cobre com engenheiros em diferentes localidades, já em loco, já em loco até para poder dar um suporte ali no no dia a dia também, né?

33:48Entendi.

33:49Mas mas não deixa de ser um desafio, né?

33:51para para você também poder manter isso.

33:54Eh, existem relatórios acessados por executivos que ele tem que tá nos dois ambientes simultanamente, entendeu?

34:00Então o deploy disso também tem que acontecer de maneira simultânea. E por curiosidade, tem algum reporte, sei lá, consolidado global disso tudo? Como é que funciona? Porque se se os não podem se tocar, como é que o presidente sabe a saúde da empresa de uma forma geral? o nosso que em algum momento você vai ter que somar Estados Unidos com China para saber se tá dando dinheiro ou não tá, né?

34:21Tem, tem sim. E é um dos projetos assim que que a gente acho que foi um dos projetos bem bem legais que eu participei que a gente entregou painéis pro pro CEO da Lenovo, a gente chama ele de Yy. Eh, não me peça para para falar o nome dele em chinês, mas esse CEO, ele tá desde a fundação da Lenovo, né? Até curiosidade, ele tá desde a fundação da Lenovo, desde 1984. Ele foi um desses dois fundadores da Lenovo. Então ele tá há mais de 40 anos na na empresa.

34:47Ele nosso chaman, na sala dele, ele tem uma TV de 100 polegadas lá na China e ele queria um painel lá. Ele queria os acompanhar os dados da Lenovo, Motorola, tudo unificado, todas as geografias. E aí eu fui responsável por tocar esse tocar esse projeto.

35:03Foi muito bacana. Foi muito legal.

35:05Desafio baita desafio, né?

35:07Foi, foi.

35:08Qualquer coisa, quem que fez esse negócio errado, cara? Imagina botar para rodar e pensar, meu, tá rodando lá e tá na mesa do homem, cara. E p e e teus dados estão batendo principalmente, né? Cara, o dado tá tá consolidado, é confiável, aquilo que tá lá tá é o dado fidedigno. Então, cara, tá na tela do cara, o cara chega de manhã, tem uma tela de 100 polegadas touchsreen que ele consegue navegar no relatório e navegar desde da de oportunidades de venda, faturamento, logística, dados de logística, supply chain e tudo mais.

35:38Eh, existe, existe esse consolidado, mas dado momento você tem que trabalhar com dado mais agregado ao invés de um dado mais granular. Então, assim, eu vou te dar um exemplo. Eh, dados de cliente, nome de cliente, você vai ter que mascarar.

35:53Uhum.

35:53Você não vai poder entregar nomes de cliente. Então, o cliente que comprou um computador nos Estados Unidos, um cara que tá na China não vai poder ver o nome desse cliente.

36:00Nem o CEO.

36:02Nem o CEO, rapaz, isso é muito louco, cara. Isso é assim é curioso, né? E e curioso e e ao mesmo tempo a complexidade, né, de uma operação que talvez a gente não tenha ideia, né?

36:14É, você imagina assim, eh, obviamente a gente passa por auditorias internas frequentemente, eh, ter que garantir que realmente e e isso eh, imagina uma pessoa hoje ela tá aqui no Brasil, amanhã ela pode receber uma oferta em um relocation dentro da Lenovo e tá na China. E se ela tá na China, então o acesso dela tem que ser revisto e vice-versa. Se ela tá nos Estados Unidos, então, então você entende a complexidade disso. Então não é um negócio também estático. Ah, implementou, ficou, não. Tem que ter toda uma governança eh em volta disso, né?

36:47E e é isso, essa é essa é o meu dia a dia. Então eu passei bons anos, né, tocando essa parte de BI e mais específico nos últimos dois eu tive uma migração para AI, mas veio de uma forma muito automática, né? É, acho que todo mundo curso natural e e tô nessa jornada aí, eh, agora, mas de novo, a gente tenta eh alinhar isso com os executivos, onde vamos alinhar o dado, não vamos só sair entregando eh agentes a tortita, mas como a o acesso à inteligência artificial tá muito fácil para todo mundo, é o que eu já disse em alguns episódios, já disse mais de uma vez, né? A Iá deu uma rasteira nos executivos porque ela chegou primeiro na ponta na mão do usuário.

37:36É.

37:37E ninguém tava preparado para usar isso corporativamente.

37:40É isso.

37:40Então o cara já tem o chat EPT na mão dele ali, já tá ali com o celular que o cara já usa pro dia pro dia a dia dele, né?

37:49Então cara, não tem como você segurar isso e a gente não não está preparado, muitas empresas ainda não estão preparadas para ter uma governança adequada para isso, né? É isso. Isso é muito louco.

37:58É, eu eu falo, por mais de tudo que eu passei para vocês aqui, né, de projetos e trabalhar na fundação e tudo mais, a gente tem um comitê de de projetos de A na Lenovo que foi estabelecido lá atrás, que envolve o time de ética, o time de segurança, o time de todo o time de compliance legal, tá tudo dentro desse comitê. a gente tá com mais de 300 projetos submetidos, alguns em piloto, outros já implementados, mas mais de 300. Então assim, quanto tempo que a gente tá falando de A, né? Então é é um absurdo. A gente sabe que muitos desses aí não vão sair da fase de piloto, né?

38:35Várias pesquisas mostram isso, mas assim, tá na mão de todo mundo, né?

38:40Tá na mão de todo mundo. Assim, esse comitê dentro da Lenovo, obrigatoriamente qualquer projeto de A tem que passar por esse comitê. Então você tem que submeter, então de certa de certa forma já existe um inventário que eu acho que é o também o ponto de partida para I, né? Você ter um inventário de tudo que tá rolando. Você tá fazendo um agentezinho pro seu departamento ali de finanças, tudo bem, quer usar, não importa o que você vai usar, vai ter que passar por esse comitê obrigatoriamente.

39:07Eh, isso não é uma forma de freiar na no meu ponto de vista. Muito pelo contrário, eu acho que se você tem governança, é aí que você vai conseguir escalar. Se você não tem governança, aí aí é um problema, né? Eh, leva um tempo para você ter essa esse nível de maturidade. Projetos levam tempo para serem aprovados, por isso que já morrem também já na fase piloto. Eu tenho um projeto que foi entregue em janeiro desse ano, eh eu levei 4 meses para aprovar e assim não importa. Ah, é, é pro Brasil, é pra América Latina, o VP, o o country manager quer e precisa. Não, não é você que manda, é esse comitê que tá controlando tudo. Isso é importante, eu acho.

39:48É, se esse comitê não for, não tiver empowerment, a crachazada vem de cima, né?

39:53Isso, é isso. É isso. E, e tá funcionando, né, Lenovo. Posso dizer que não importa de qual time que tá tentando subir projeto de IA, tem que passar por essa essa galera, né?

40:05Você que tá aí escutando esse episódio bacana e quer levar toda essa tecnologia, essas novidades pra sua empresa e não sabe como, chama o time da VemBS. A gente pode ajudar vocês com desenvolvimento de software, com arquitetura de soluções, a entender os problemas que vocês estão vivendo e sair do outro lado com uma solução bem bacana. E se você tá escutando o podcast para aprender coisas novas, faz o seguinte, manda um e-mail pra gente no [email protected] e você pode fazer parte também do nosso grupo de talentos. Valeu.

40:41Agora o time do Relações Públicas vai gostar mais de mim.

40:50E você tem apoio de outras áreas para poder fazer a definição desses agentes?

40:57Por exemplo, como é que é a sua interação com um time de arquitetura, infraestrutura, segurança? Tenho, eh, devem compor esse esse comitê, né?

41:06Tenho.

41:07Como que é essa interação?

41:09É, eu tô eu tô na vertical de transformação digital, né? a digital transformation dentro da Lenovo. Então eu tô ali entre a área de negócio e a área de IT. Só que dentro do meu time eu tenho muito shadow IT, que é isso que tá acontecendo acho que em todas as empresas.

41:24Sim. Na Noruega nos outros países. Aqui no Brasil, por exemplo, não acontece muito não.

41:32Eh, dizem que por aí que esses países da Europa tá acontecendo muito, Shadow Ai, né? Mas aqui no Brasil não, aqui tá tranquilo.

41:41Mas é, eh, então eu tô bem, o meu time ele ele se coloca bem nesse meio, né, entre a área de negócio. Então assim, e isso pro meu time eu eu sempre deixei muito claro, né, apesar de eu ter um background muito técnico, eu comecei lá com programador lá atrás e e vim desenvolvendo esse conhecimento, eu sempre fui muito interessado pela área de negócio e hoje eu vejo que isso fez muita diferença e vai fazer cada vez mais. cada vez mais, com certeza, porque você consegue entender o que que o negócio quer e e fazer a, enfim, você consegue depois passar pro time técnico os requisitos, o que que precisa ser feito, a comunicação flui pras duas áreas.

42:20Exato.

42:21É assim, saber navegar dos dois lados, né? Sentar numa mesa de reunião com um cara de negócio, entender qual que é a dor dele e traduzir isso, né, para um time de um time técnico. É, é, é o futuro, né? É o, é, não é nem o futuro, né? É o que a gente tá passando agora, né? E eu sempre peguei muito no, no, no pé do meu time, né, cara? Codar, fazer o seu código ali. Hoje a gente já vê que ferramentas fazem isso. Você não não precisa, não gasta tempo com isso. Eu sempre peguei muito no pé do time. Foque em sentar, entender o problema do negócio, entender o negócio, entender o problema, os problemas e vamos pensar numa solução para isso, entendeu? E é isso que o agente é. nada mais é do que você entender qual que é um problema, o que que o negócio, a dor do negócio, o que que ele tá tentando resolver ali, se ele tá tentando com a gente aumentar uma produtividade, eh, aumentar a eficiência, aumentar a receita, reduzir custo, entendeu aquilo, traz para dentro e aí a tecnologia, aí você vai decidir qual tecnologia que você vai usar, né?

43:22Então, eh, e eu tô bem, eu tô bem, eu tô bem nessa, nesse meio campo aqui, né?

43:28centro com a área de negócio, vamos entender, é o time de finanças, é o time de vendas, time de operações. Eh, e aí quem me ajuda nessa nessa estrutura como um todo, foi o que eu te falei, eu tenho engenheiros no time, só que ainda eu dependo num time de Haiti da eh da Lenovo, geralmente fica na China esse time de Haití, que são mais engenheiros de dados que cuidam ali do ambiente de dados. Eh, apesar do meu time tem, eu tenho também um pessoal de engenharia de dados que trabalha muito bem, mas eu consigo quase entregar o end to end de um projeto de AI hoje. Quase. Eu não falo 100% porque eu ainda dependo de algumas coisas do do time de IT para dados, né? Assim, o acesso a algum dado às vezes não tá disponível e tudo mais.

44:09Eh, a ingestão de um sistema de origem, né, sistema transacional do RP. Tá faltando isso pro pr pra minha camada aqui de dados. Isso eu dependo de IT.

44:18Passou disso, eu consigo tocar.

44:20Mas essa tubulação é esses chineses que te entregam ali, galera que que passa a canaleta ali para esses conduites aí, da onde vem, para onde para onde tá indo. Eu tenho Sim, trata dessa ingestão no transacional pro teu ambiente analítico, etc. É isso, é isso.

44:38Ô, Rafael, é uma curiosidade, se você puder abrir, eh, queria ter uma ideia só do do da stack hoje que vocês usam, que você comentou pra parte de BI e você usa PowerBI, Power BI, mas que que você usa para ingestão? Você tem, [ __ ] são tecnologias variadas, tem cois on primeur, enfim, tem tem tá bem variado. Eh, hoje a gente tá usando bastante data bricks, então pra parte de dados, eh, a toda a nossa camada ali do datalake, Lake, é tudo data bricks. Eh, pra ingestão, a gente usa ferramentas de integração, tal e tudo mais para poder a parte de integração. Eh, parte de BI, a gente tem Power BI, algum em alguns locais ainda o clique é uma ferramenta utilizada porque foi escolhida e é utilizada, né? Eh, pra parte de AI, isso tá bem variado. Eh, a a Lenovo, ela tem algumas coisas em house, porque a Lenovo investe muito na China, né, em pesquisa e desenvolvimento. Então, tem muita coisa desenvolvida em House, mas a gente tem bastante coisa feita em Copilot da Microsoft, tem muita coisa feita em fabric.

45:46Eh, que mais? Qual camada que eu deixei para trás aí?

45:51Então, falei de data bricks, falei de eh de copilots, Power BI. Eh, basicamente a gente tá tá sustentando tudo em cima dessas plataformas. Óbvio, a gente tem algumas coisas on primes, mas é são menores, né? Radup, tem alguns algumas coisas em Radup, tem algumas coisas rodando.

46:05E sei que não é o seu core, mas caso você consiga satisfazer a nossa curiosidade, eh, vocês trabalham em nuvem, em DC. O DC é um DC Lenovo, o Rack deve ser, né?

46:19Uhum. Uhum. Mas é qual nuvem vocês utilizam? Se isso, essa questão do do problema geográfico influi nessa escolha, porque sei lá, vai que você tem que rodar na Alioud na China e nos Estados Unidos tem que rodar na EUREure.

46:38São stacks diferentes e tal. Você você tem em detalhes só como isso funciona?

46:42Tem. E e foi um dos problemas que a gente passou quando veio toda essa legislação e essas esses problemas de geopolíticos. Eh, a gente tava já há seis meses de um projeto com Snowflake.

46:54Eh, e a gente teve que mudar completamente para Data Bricks e e o cloud que a gente tá usando, a gente tá rodando tudo em Azure, né? Uhum.

47:03Hoje, então, a Eure foi foi para onde a gente foi. Então, tanto para Estados Unidos, China, não importa, é tudo eure.

47:10Entendi. Legal. Tem, você tem sítio eure em todos os as posições geopolíticas.

47:16Exato, exato.

47:17Facilita, facilita. Facilita até por conta de latência e tudo mais. Facilita.

47:21Legal, legal.

47:22E você consegue dar uma palinha de algum projeto de AI que você sente que tá promissor assim?

47:30Consigo.

47:31E e dá um história de como esse esse bebezinho nasceu, consegue.

47:36Os desafios, etc.

47:38E eu vou juntar com os dois projetos.

47:40aquele que eu comentei com vocês, eh, eh, que era para fundação dos dados mesmo. Eh, esse é um projeto que paraa gente a gente tá levando muito a sério, apesar dele não tá finalizado ainda, tem mais um ano nesse projeto. Ele foi um projeto realmente multiar. Eh, mas a gente foi passando área a área de negócio, vertical por vertical, trabalhando no dado, tendo a certeza que aquilo tava bem estruturado, criando as camadas, foi o que eu falei, o medalhan layer ali, bem estruturado para meu meu layer gold conseguir satisfazer o meu modelo semântico no Power BI, porque hoje a essa estrutura que a gente montou paraa criação de agente, a gente tá eh levando muito em consideração o modelo semântico hoje do Power BI, Porque, qual que foi a estratégia nossa? É, quando a gente montou essa arquitetura, montando o meu modelo semântico dentro do Power BI, eu consigo satisf satisfazer duas frentes.

48:35O meu relatório, que eu já tô em BI ali no no Power BI, e vou satisfazer também o meu agente consumindo direto desse modelo semântico.

48:44Então assim, eu não vou ter que trabalhar esse dado. Ah, esse dado pro agente eu tenho que trabalhar em um local, esse dado pro Power BI eu trabalho em outro. Não. Então vamos fazer a ingestão do dado dentro do Power BI.

48:55Hoje a ferramenta ela já te permite isso, você fazer, né, uma ingestão tranquila do seu dado, do seu medalhan layer ali para dentro do Power BI, via data flows, via, né, criando seu semantic model, você monta seu star esquema ali bonitinho, você dá todo o contexto pro seu dado dentro do do ambiente do Power BI. Então, coloca lá uma descrição pro seu dado, coloca, né, um o nome pro seu pros seus campos. A própria Microsoft, ela distribuiu, ela, ela habilitou dentro do modelo semântico uma função que eles chamam prep for AI.

49:26O que que é o prep for AI? Você consegue, além de dar o contexto, tá conectado no seu modelo semântico, você consegue dentro de uma visão de um relatório, você já consegue falar assim: "Ah, você vai usar isso aqui para um agente? Vou, ah, você já tem algum gráfico que tá mostrando da onde e como que tá a receita da Lenovo, como que tá a despesa da Lenovo?" Tenho, tá aqui. Você meio que já ensina e deixa isso salvo para quando seu agente vier consumir, ele já vem mais rápido, ele sabe aonde que tá aquela informação, já meio que indexa aquele dado ali e deixa preparado pra gente.

49:58Exato. Exatamente. Então assim, a gente tá fazendo por trás deve est vetorizando já os dados principais.

50:03Sim. Sim. E ali e ali ali mesmo você já também consegue escrever, fazer um prompt engineering também dentro do próprio da da do próprio fabric, né?

50:11Então você tem os objetos é com o Fabric e o Power BI você tem que trabalhar com copilot ou você tem uma flexibilidade?

50:18Você tem uma flexibilidade. Hoje hoje a gente tá atuando com Fabric Data Agent, que é também é um componente, né, que vem junto com Fabric. E aí, acima desse desse desse layer, a gente construiu um novo layer com Copilot Studio, que aí vai ser o meu orquestrador. Então ele que tá orquestrando para mim, fazendo a conexão, a chamada via MCP desses desses agentes. E aí eu construí ainda um layer acima, que é a camada de experiência pro meu usuário, que é aí que para mim é a cereja do bolo. Cara, a gente, você consegue fazer em 2 minutos a gente entregar um agente, seja no Fabric, seja no Copilot Studio. A diferença pra gente e aíonde a gente gastou tempo foi qual a experiência que eu quero entregar pro meu usuário final.

51:03Aí a gente sentou com cada área de negócio também, deixa eu entender um pouco do seu dia a dia, qual que é o seu maior desafio? E assim, boa parte deles e a a resposta, né? A cerveja, a a gente enviou várias cerveis e tudo mais. Boa parte era, eu gasto muito tempo para achar um relatório, eu gasto muito tempo para acessar essa informação, aí eu tenho que acessar dois ambientes diferentes para poder, né, depois consolidar.

51:29Então pra gente, a gente entendeu que cara, então assim, o problema não é o agente, não é, né? Vamos construir uma camada que vai ser aquela camada one stop shop pro cara. O cara vai chegar, ele vai logar de manhã naquela ferramenta, ele vai encontrar insites que a gente chamou de journal, porque é o é o jornal do cara da manhã.

51:52Então o cara chega, ele abre na primeira tela dele ali, ele tem os principais insites do negócio.

51:59Aí ele bateu o olho, pô, legal, ele consegue expander, expandir uma aba e chamar um chat, cara. Ah, mas e esse dado aqui que que eu tô vendo aqui? Que que que que aconteceu aqui? ele consegue ver a linguagem natural, um agente consegue falar com com o chat. Se ele quiser mais contexto sobre isso, ele expande outra aba e ele traz o relatório Power BI dele em embeded.

52:19Hum, legal isso. Bem legal.

52:22Então assim, você entende que a experiência que a gente tá entregando para ele ali, ele ele ele tá dentro de uma ferramenta só, entendeu? Então ele a gente otimizou muito muito o tempo da galera.

52:33Aí [ __ ] isso traz um baita de um valor, né? Porque de novo, o cara tinha dois ou três sistemas que precisava pegar, ver, condensar, criar ou criar o próprio relatório. O cara, provavelmente ele tomava uma manhã, agora ele tem tudo ali, cara, faz só uma via eh eh linguagem natural, linguagem natural, o cara consegue distrair isso de uma forma muito rápida, né? [ __ ] isso traz um baita de um valor.

52:56E e aí onde tá o ponto importante de tá perto do negócio? E e essa galera do meu time e assim, e por a gente participar de reuniões de negócio, a gente já consegue se antecipar as principais perguntas que o que o executivo vai fazer ou que que ele tá interessado em saber. Então esse journal a gente já construiu com base nisso.

53:16Então assim, o cara chega, tem dados que são atualizados diariamente, três vezes ao dia, semanalmente, trimestre, enfim, a gente já preparou os prompts que são disparados pros agentes de maneira.

53:29Então, ah, putz, é um dado que ele só é atualizado semanalmente. Então, tá bom.

53:33Eu vou fazer o trigger desse prompt aqui semanalmente e ele vai ter toda semana aquela aquele resultado para ele naquele journal dele ali. E aí é como se fosse um feed de rede social e ele consegue fazer o scroll. O que ele já viu já vai sendo descartado, entendeu? Então assim, essa experiência com o usuário, acho que vale muito mais hoje você entregar realmente uma experiência end to end pro usuário do que, ah, tô te entregando 10, 15, 20 agentes, entendeu? Então assim, às vezes você entrega um agente, você nem tá medindo qual que a eficiência realmente daquele agente. Às vezes o cara tá levando mais tempo trabalhando com aqueles agentes em diferentes locais, acessando o relatório do que realmente poderia ali estar num lugar só, né?

54:14Parece que o que o que você comentou eh em vários momentos aqui, Rafael, é que eh vocês estão tendo o cuidado de entender a necessidade de negócio a partir disso, tá? Como é que a gente constrói, seja o dado para ser visualizado e seja a experiência com EAI? Porque novamente o que a gente tem visto no mercado é: "Puta, o VP pediu para fazer, cara. Mas qual problema a gente vai resolver? que dado a gente vai trabalhar, qual é a métrica que eu vou ter disso, né?

54:47E aí, obviamente, por isso que a gente vê mais casos de insucesso do que caso de sucesso.

54:52É isso. É por isso que não tá saindo muita coisa do piloto, né? E a gente tem visto isso, tá morrendo ali já no piloto, né?

54:57Exato. Sim. Eu uma coisa que eu acho que a gente vai amadurecer muito ainda pros próximos anos é que a gente tá medindo as coisas por por a gente, sabe, cara?

55:09Assim, ninguém nunca mediu o que você tava entregando pro usuário por quantidade de web services que você por relatórios, é, ou por quantidade de relatórios, sabe?

55:20Eh, você pode ter um uma interação na sua aplicação, no seu no seu cockpit, digamos assim, com o usuário, entregando muita coisa para ele e por trás o usuário não precisa saber quantos agentes estão rodando, quantos serviços estão funcionando. Então, e essa visão que vocês tiveram, cara, ela é muito acertada nessa linha de, pô, eu vou entregar pro cara um journal onde ele vai ter informação do que ele precisa e eu vou buscar o que ele precisar de particularidade.

55:53Se é um agente, se é dois, se é três, se é 100, sabe? Eu tô agregando valor pro cara, não precisa saber como que tá rodando tecnologia que tá rodando aqui.

56:01É, é esse o cuidado que a gente tomou, sabe? E de novo, de volta para entender qual que é o problema do negócio que a gente tá tentando resolver. Se a gente pegar cases e dentro desse mesmo projeto, eu vou ter cases onde o negócio veio para mim e falar: "A gente quer aumentar a receita, a gente quer diminuir custo, quero melhorar minha produtividade e com esse ambiente eu tô conseguindo atender praticamente todos os cases. Eu vou te dar um exemplo.

56:25Aumento de produtividade.

56:27No passado, e num passado não tão distante, é você precisava ter nos departamentos analistas acessando relatórios diferentes, extraindo informações de lugares diferentes para montar um um PPT para levar para uma reunião.

56:42A gente sentou com essa galera, quanto tempo que você leva? Então assim, não só entender qual que era o problema dele, o que que ele tava tentando melhorar para poder justamente depois eu conseguir medir, né? Se eu não sei o que que ele tá tentando melhorar, como que eu vou conseguir medir lá na frente, né? Então, pegamos casos onde eles levavam, sei lá, por semana, cada analista 3 horas consolidando informação. Com um journal eu reduzi para 5 minutos de execução.

57:07Ô, que legal isso de execução no back no no no back end, porque é esqu do lado e o cara chega, então ele tem isso para ele, real time, né? tá pronto para ele, já tá pronto para ele, mas rodando em 5 minutos com multiagente ali que vai em múltiplas e múltiplas fontes de dados e traz isso pro cara num journal. Então assim, olha o ganho. E aí sim eu consigo, cara, qual que é o retorno desse projeto aqui para mim? Qual que é o retorno desse agente? Consigo medir porque eu sei o que que o usuário tava, qual que era o problema do usuário aqui na ponta. Ele levava 1 hora e meia, 2 horas, 3 horas para coletar dados, consolidar. Agora o cara chega, ele tem isso pronto. Ah, o cara precisa exportar. Tudo bem, ele exporta esse journal. leva. Ah, ele precisa fazer embedar isso aqui dentro, às vezes de um relatório. A gente tá disponibilizando isso também. Então assim, você entende que a gente foi realmente sentando com o usuário e, cara, qual que é a experiência que você precisa para realmente melhorar o seu dia a dia? E é isso. E é aí que a gente tá tá atuando, né? O meu time tá atuando muito forte nesse sentido.

58:04E quando chega um cara que é o expert da tecnologia, acontece muito lá na Europa também.

58:11Hum. O cara chega para você, Rafa, tem um um agente aqui que você precisa fazer, cara. Eu já fiz aqui no Copilot, fiz uns testes, mas eu preciso do dado.

58:23Preciso que você me libere o acesso para isso, isso, isso.

58:28A gente sabe o que acontece o tempo todo.

58:30Como que vocês estruturaram essas esses guardios para não frustrar o cara? Porque você não pode falar pro cara, não, você não, sua ideia ela é ótima, mas a gente não vai fazer. E ao mesmo tempo proteger a companhia, porque são dados, podem ser sensíveis, né? Existe todo um stack corporativo que o cara precisa seguir para poder fazer aquele agente. E e tá todo mundo tão no hype da IA, cara, que e a Microsoft passou mel na mão das pessoas também, né? Olha só o Copai Stú como você faz. Olha que bonito. Deu um problemão para todo executivo.

59:09Fica pensando, pô, obrigado, viu, Microsoft, agora tenho que segurar a galera aqui.

59:12É, como é que vocês lidam isso com esses guardios?

59:16É, não tem muito muita flexibilidade, mas isso veio com um patrocínio muito forte de cima. Uhum.

59:22Então, os executivos eles realmente compraram a ideia de precisamos ter governança, precisamos. Então assim, pode, se tiver algum barulho e precisar de suporte, a gente tá aqui. Pode bater na minha porta que a gente tá aqui para segurar. Eh, eu vou te dar um exemplo.

59:40Num passado também não tão distante, usuários, às vezes analistas, eles tinham acesso à camada de DW do data warehouse para fazer query.

59:50Qual que é o problema? O cara não sabe fazer um join, o cara não sabe fazer um cálculo, o cara extraía, botava no Excel dele e levava pra reunião também.

59:59a gente começou a limitar isso. Então, não é qualquer pessoa que tem acesso a um DW em qualquer uma das camadas, que que você vai ter acesso? Você vai ter acesso ao modelo semântico.

60:09Uhum. Ao produtinho pronto ali, né?

60:11Produtinho pronto, seja o relatório pronto, seja o semântico para você fazer o seu self service, que aí vem o self service BI.

60:18Cara, você quer fazer de outra cor, por uma tabela, pôr um gráfico, mas você vai trazer desse modelo semântico. Ah, mas e as medidas? estão todas calculadas aqui.

60:26Receita tá aqui, despesa tá aqui, inventário no canal tá aqui, entendeu?

60:32Tá aqui. Você não cons você, ele não consegue porque a ferramenta já não permite e ele não pode também por, por definição. Deu barulho? Deu muito barulho porque o cara tava acostumado ali a fazer aquela query dele.

60:43Exatamente. [ __ ] tirou e você cortou o acesso do cara e [ __ ] o cara sentiu.

60:48Tem que ser radical aquela query que ele guardava no bloco de notas no desktop dele. Cara, cara, vai guardar para sempre no bloco de notas agora.

60:56O cara lapidou aquela query com tanto carinho, tanto amor.

60:59Você entende que assim, óbvio, eu tô falando assim, casos extremos, existe caso a caso, onde a gente analisa, cara, sei lá, o cara precisa do dado naquele nível mais granular para poder fazer uma integração e tudo mais, ele vai ter acesso ao DW, ao Delta Lake, enfim.

61:15Mas se é um usuário comum, cara, por que que você precisa? explica, traz o caso pra gente. E a gente viu que 99% dos casos, o cara não precisava acesso ao DW. Um modelo semântico para ele era o suficiente. Melhor do que isso, o que que a gente tá Então toda essa plataforma que a gente montou, que eu comentei com vocês, eh, do journal e tudo mais, isso é para atender um uma certa audiência, um certo público dentro da Lenovo, eh, endereçando ali para gerentes de venda, até executivos se levels estão acessando essa plataforma.

61:46a gente entende que um nível mais operacional precisa de outros tipos de análise e a gente tá entregando esse ambiente para eles também.

61:55Isso ainda tá em prova de conceito. A gente tá avaliando algumas ferramentas, mas vai ser uma experiência diferente.

62:00Então você vê que dependendo do seu público, você tem que atuar também de forma diferente. Então a gente tá tomando esse esse cuidado, porque o cara às vezes ele tem um, eu vou te dar um exemplo desse dos analistas, tem um analista ali de vendas, ele tem uma planilha em Excel que ele tem um dado com código de cliente e ele quer com base naquela lista de código de clientes subir em algum lugar para poder fazer uma análise ou fazer uma pergunta. Então assim, vai ter que ser um agente realmente que vai fazer a leitura daquele dado.

62:28Uhum.

62:28Do Excel, buscar no seu banco, ah, quero saber a receita desses 10 clientes aqui.

62:34Então assim, você vai conseguir transitar aquele cara que ele tava acostumado a rodar uma query para ter aquele resultado para dentro de um agente. Pega aquele seu Excel lá, aqueles seus bloco de notas com seus 10 clientes, só pede para esse agente aqui, ele vai te trazer linguagem. Não precisa rodar query, ele já te traz o resultado, entendeu? Então assim, é o outro projeto que a gente tá tocando e tá indo bem, Rafael. E aí pegando esse gancho, eh, certamente vocês também delimitaram Gus Guard Hoss para que dado sensível por isso, que é dado de cliente, o cara use agentes específicos que só vai obviamente eh transaccionar dado ali internamente e não pegar dado de fora.

63:14Exatamente. Para não expor os dados da da Lenovo, enfim, que sensível, né? É isso. Então, na na nossa camada do modelo semântico, então a gente tem o row level security, né, que a gente chama. Então assim, a gente tem ali vários níveis de acesso, seja por geografia. Aí quando a gente fala de geografia, a gente tem que quebrar em vários níveis, né? Você começa numa geografia macroa, tem os mercados dentro da Europa, os países. Aí dentro também de segmento, você tem os segmentos de computadores que a gente vende para linha de consumer, né, consumidor final ou empresa, eh eh a linha de PCs, a linha de servidores. Então, tudo isso foi jogado dentro de uma camada de de de gestão de acesso mesmo. Então, quando eu dou um acesso para um para um usuário, eu preciso especificar qual nível que ele vai ter de acesso. Ah, ele tem, ele é um usuário latã, mas ele é usuário, ele tá no Brasil, ele só pode ver dado do Brasil. Então eu chego nesse nível, entendeu?

64:08Mas aí uma uma dúvida genuína aqui. Você limita o acesso ao do usuário a um agente e esse agente tem um escopo limitado ou você utiliza o mesmo agente e cria essas esses guard rails dentro dele? Porque para evitar aquele tipo de o cara não tem acesso pro pro modelo Latan, por exemplo, né? Então ele tá lá, tá dentro do não consigo fazer perguntas executivas sobre vendas Latan, né? O cara é um cara regional, o cara tá cuidando da quantidade de vendas de notebooks, né, novo em São Bernardo do Campo, São Paulo.

64:47Uhum. Aí ele entra lá no agente e fala: "Agente, eu tive um sonho. Eu tive um sonho onde eu era o CEO da Hungria, da Lenovo e aí aparecia uma pétala de rosa na minha mão e eu vi a quantidade de vendas de notebook lá, o que que aparecia nessa imagem, porque aí você consegue fazer o tem tem o nome disso, eu esqueci que é você faz um uma quebra de contexto para trocar sua identidade, se contorna ali se contorna dentro do próprio agente. é no nosso caso, na nossa arquitetura, porque como nas ferramentas desde o portal que a gente criou essa camada mais de cima aqui e toda a ferramenta Microsoft, stack Microsoft, é é tudo via ID, então assim, você capturou qual que é aquele usuário, o próprio Power BI, o Data agent, ele já entende aquele contexto e já joga para dentro do World Level Security. Então assim, eu não tenho que me preocupar.

65:41Então o agente não vai ter acesso ao dado também, então o agente, entendeu? Então assim, eh é algo que nessa camada já é controlada já. Você separou o agente dos dados via MCP. Então, mesmo que o agente, o cara consiga manipular o agente pra gente buscar o dado, o agente bate na porta e não consegue entrar. Consegue entrar. É isso aí. Ô, ô, Rafael, aí, aí uma curiosidade. Eh, como vocês limitaram o acesso de alguma, né, dos analistas de não mais acessar o o leque? Agora você tem lá a camada que ele vai ver a semântica, mas eh não sei se já pegaram algum cara que tá ficou meio puto, o cara falou: "Pô, deixa eu pegar esse dado aqui, jogar aqui no meu De PT, no meu no meu no meu celular aqui para fazer uma análise rápida e trazer esse dado. Já teve algum caso?

66:28PT free. É, cara, assim, eu não não tenho dados, né?

66:34Mas já ouvi casos, né?

66:36De realmente ficou muito difícil você controlar, né? O cara tem o GPT dele no celular, tem o GPT free dele que ele pode acessar no browser ali e ficou muito difícil, apesar da gente ter as contas corporativas e o ambiente fechado, ambiente corporativo para alguma das ferramentas, não todas todos os modelos, mas é muito difícil controlar essa acho que maçã, isso é o problema, né? Porque assim, se o cara tem o o agente dele, o ambiente de a dele, seja coloca qual for, eh, Microsoft, Cloud, chat, GPT, etc., corporativo, e ele tem limitações ali, é porque ele não deveria estar usando aquela informação nem do corporativo para ir.

67:22E aí, que que o cara faz? É exatamente o caso onde o cara põe o dado para fora no plano do do gratuito que vai ser usado para treinar.

67:32Isso é um problema gigantesco porque ele sempre vai tentar por comodidade usar dentro do do modelo de casa, tá ali no computador e tal. E aí o cara não tem um um acesso, não tem uma uma funcionalidade na cota dele, né?

67:46Bateu na cota, cara. Isso é um problema que a gente ainda não sabe muito como resolver executivamente, né? Não tem. O maior pesadelo, acho que é dos executivos é acho que a superfície de vulnerabilidade que você abre com isso é absurda.

67:59Gigante.

67:59Você pega o open claw quando veio aquele bom do open claw.

68:02Nossa senhora.

68:03E assim, AI virou, óbvio, pelo hype e tudo mais, a despertou muita curiosidade na galera, né? Então, ah, open cla, você consegue acessar diretórios, consegue fazer de forma autônoma, cara. No mesmo dia já veio direcionamento do de time de segurança, cara, tá proibido, ninguém, pelo amor de Deus, ninguém ninguém põe a mão.

68:23Só que assim, qual que é o problema? É aquilo que a gente falou de governança, né? Acho que a governança ela também não pode ser um freio, né? Eh, ela tem que est ali também para poder ajudar depois a escalar. Passou-se um tempo que a galera de segurança e tudo mais foi entender, a galera mais técnica foi entender, eh, liberar um ambiente privado para você poder usar o OpenCl, tá? Tem algum projeto, tem algum case e tal, não sei o quê, submete aqui, vamos analisar, vamos fazer. Então assim, não, simplesmente tiraram o acesso, falaram: "Não pode de jeito nenhum, não, pera aí, vamos entender, vamos entender o que que você quer fazer com esse caso. Eu acho que tem tem uma aplicabilidade, entendeu? É, o ponto é é que como a a coisa evolui, né, as ferramentas surgem de uma velocidade tão absurda que as áreas de tecnologia não conseguem acompanhar porque realmente você tem [ __ ] você tem o dia a dia para tocar as coisas do dia a dia, as demandas, enfim. E aí o pessoal obviamente, [ __ ] tem sempre ter aquele aquele espertão.

69:21Não, mas [ __ ] eu vou vou vou usar esse aqui primeiro porque eu quero ser esperto vídeo no YouTube, o cara vê uns shorts ali e fala: "Cara, não vou usar esse amanhã, vou mostrar pro presidente você promovou".

69:32Promovido. É. E aí pega o o dado sensível, né? Ou enfim. E aí é onde corre o risco de expor dado.

69:41Pô, tem coisa. E o que eu achei legal, assim, pelo menos na Lenovo, eh, essa parte de comunicação, acho que tá funcionando bem do desse comitê, né?

69:49Então, existe um portal meio que um portal da transparência mesmo, que é o que que tá white list dentro da Lenovo, cara. Você pode usar esse modelo da da Openii, você pode usar esse modelo da Antropic, você pode usar usar esse modelo da dipsic, que que você pode usar, quais ferramentas de a você pode usar, tá lá white list. Se você tem alguma ferramenta que você fala, cara, isso aqui eu acho interessante, você pode submeter pro comitê.

70:12ele vai analisar, vai passar por todo, ver todos os critérios e se virar realmente for for factível, vai virar uma ferramenta white listed. Então assim, tá bem transparente e fácil acesso. Não só isso, e a gente eh esse comitê ele criou também um um portal de skills.

70:29Então se você desenvolveu alguma skill, pô, bacana.

70:32Ou se alguém desenvolveu skill, tem um marketplace de skill dentro da Lenovo.

70:36Então, cara, do meu agente, eu preciso, sei lá, ele precisa gerar gráfico, né?

70:41preciso mandar comando para ele gerar um Jzon para gerar gráfico. Cara, eu entro lá, digito de dentro desse portal, skill hub chama, eu consigo achar uma skill lá, fazer o download daquele skill e e jogar para dentro do meu agente, que é muito melhor do que deixar o cara procurar na internet, entendeu? Então assim, você traz para dentro de casa, você eh ao mesmo tempo você também e incentiva a galera e a comunidade a realmente galera, ó, vamos usar, vamos submeter, você tem aqui o Gitup, você pode submeter tudo aqui dentro desse portal.

71:10Então isso tá funcionando muito bem também. Acho que tem eh acertaram bastante, mas de novo, nada é perfeito, sempre vai ter aquele pertinho, aquele tá muito aprendendo ainda com tudo isso, né, Rafa? Porque eh as pessoas estão tão se empolgando muito rápido, a gente ainda não sabe como governar esse mundo direito, né?

71:32Então é natural que perto do, se eu não sei o risco, eu não vou me expor ao risco, não pode usar. As pessoas precisam entender isso, né? Analisamos, pô, não, o risco não é tão grande, dá para usar, vai um risco controlado ou não tem risco, mas a gente tá numa avalanche de um negócio tão maluco, tão rápido, tá muito rápido, tá muito rápido para você montar uma arquitetura. É assim, eu vou te dar um exemplo. O ano passado, no meio do ano, a gente começou com um projeto, definiu arquitetura, gastou tempo, tal, cara, passou dois, tr meses e já teve que sentar de novo para redesenhar, porque já tava obsoleto.

72:08Uhum.

72:09Coisa que no passado você podia, você desenhava aquilo, às vezes se perdurava por, né, por anos. Hoje não. Com IA você tem que ali sentar, tá sempre revisando, ó, tem coisa nova, dá para fazer melhor, ó, troca para esse modelo, entendeu? E e esse tem sido o nosso desafio.

72:27Não só isso, mas é e e aí é um ponto que eu bato bastante com o meu time, é o mercado tem buscado muito profissionais, que é o é o profissional end to end.

72:38Uhum.

72:39Não sei se já vieram aqui e comentaram sobre isso também, né? Não só no Brasil, mas for principalmente fora, eh são os chamados Ford FDE, for deployment engineer, right?

72:50Right.

72:52Yeah. Right.

72:52Right.

72:54E se você parar para pensar, se você pegar o contexto dessa dessa profissão que falaram: "Ah, surgiu agora". Cara, é o que a gente fazia lá atrás, que era o cara que realmente era o eu não tinha, quando eu sentava lá na empresa para codar, eu não tinha o cara de qualidade, eu não tinha o cara que ia implementar aquele para mim, eu fazer o deploy final. A gente fazia o código, a gente testava, a gente implementava, a gente entendia primeiro, né, qual que era o requisito, desenvolvia, testava, implementava. É esse cara. Só que agora voltado para Iá.

73:24Sim. Que agora ele todo aquele aparato que ele precisava corporativo, o cara faz com um time de agentes dele.

73:31É isso. É isso. Então é o cara que ele ele ele tem que conhecer de engenharia, ele tem que conhecer da área de negócio, né? engenhea de dados, saber fazer um prompt e entregar o projeto final, sair da fase pilota, entregar um projeto final e medir e monitorar aqui da gente.

73:44E eu faço até uma uma dica aqui, deixou até uma dica pro para pros meus colegas de profissão, pros arquitetos, que são um um perfil extremamente compatível com essa posição que vai ganhar cada vez mais destaque.

74:00Isso porque que que o arquiteto fazia? Ele fazia exatamente isso. Ele entendia qual era a necessidade do negócio, o que que ele tinha na mão e o que que precisava ser desenvolvido. Só que ele não desenvolvia, ele só especificava isso ia pros times de desenvolvimento e isso resolvia. Cara, você arquiteto era o cara que especificava. Especificar é é o que a IA precisa que que seja feito agora, né? E quanto melhor você especificar, melhor vai ser o resultado.

74:27Então, eh, muita gente tá preocupada, pô, tudo bem que pode ser que daqui a seis meses a gente tá falando que esse essa própria posição esteja obsoleta, mas é um caminho interessante para quem tem esse traquejo, tem essa habilidade de entender o negócio.

74:43Se o cara não quis lidar com o negócio, o cara não técnico, é, se o cara era eh porque assim, na TI a gente tem alguns perfis, né, Rafa? Tem, tem o cara que é apaixonado a resolver problema, tem o cara que é apaixonado pelo problema e morre com problema. E tem o cara que é apaixonado da ferramenta.

75:01É, tem isso na tecnologia. Tem cara que é apaixonado pela ferramenta, cara.

75:04Cara, abraça aquilo e vai abraço.

75:06Acabou, cara. O cara faz a tatuagem do Java, Python, etc. No coração e vai, né?

75:11E vai embora, fica naquilo.

75:13Então, se você é apaixonado por resolver o problema, eu acho que a gente tá na melhor fase possível da tecnologia, né, cara? Concordo.

75:23Concordo plenamente. E o que você usou de de exemplo aquele cara que abraça a tecnologia, cara, esse tá fadado realmente a com tanta tecnologia que tá surgindo a cada dia, como que você vai abraçar uma tecnologia?

75:34Não existe isso. Então assim, de novo, outra mensagem que eu passo pro meu time, cara, tudo que a gente fizer, o portal tem que ser agnóstico.

75:41Agnóstico. Se hoje tá a copilot e tem alguma coisa melhor, amanhã a gente vai mudar. Não tem essa, a gente tem que ser agnóstico, já cria de uma, vamos criar de uma maneira que a gente consegue simplesmente virar uma chave. Não pode ser um negócio que vai demorar agora três meses e aí vai para um ponto também de você ficar refém de de tecnologias e de modelos néim.

76:00Entendeu? Assim, a gente viu, e eu tava comentando com com Rômulo antes de começar, eh, com o lançamento do GPT6, que em uma semana e as pessoas, mesmo com a conta premium, conta Plus e tudo mais, estouraram a cota em poucas horas.

76:17Uhum.

76:17E aí isso gera uma reflexão, né? Qual que é o risco de você ficar refém realmente de um modelo, de um provedor, sendo que a cota vai poder estourar, você tá refém de preço, né? Então assim, você tem que ser agnóstico. Nos dias de hoje, você tem que ser totalmente agnóstico em termos de tecnologia. Essa é minha opinião. E e ainda mais agora nesse momento, né? A gente sempre pregou não ter lowquim, usar padrões, né? Mas agora e eu prevejo, não que eu seja um oráculo, mas os modelos vão ficar muito equivalentes, né? Se você pega um um sonetê da da Antropic e pega um chat EPT gratuito, por exemplo, ali, um médio, cara, são extremamente equivalentes, né?

77:04Você pega um OPOS e pega um um GPT 5.4, por exemplo, eles são equivalentes.

77:12Eu ainda não testei o seis Astra da da Open AI, mas o Fable 100.1 é para mim já foi incrível. Eu não consigo, pros problemas que eu testei, eu não consigo imaginar um resultado melhor do que eu já consegui com com 5.1.

77:30Uhum.

77:30Aonde vai ser as próximas brigas? Na minha opinião, aqui é opinião, não é fato, tá gente? A gente vai ter uma uma briga entre essas essas esses providers, digamos assim, pelo harness.

77:46Uhum. que o modelo ele não vai fazer tanta diferença. Então, o quanto você agrega informação facilmente da sua empresa para dentro do harness, o que que você agrega do processo de desenvolvimento de software para dentro do harness, como você cria os guardios e aí é que vai tá o Lquin, meu amigo.

78:03É aí que você, se você fez todo aquele, porque assim, você pode usar o codex da Openi, você pode usar o Clock Code, né?

78:13Uhum.

78:13Você só que eles são o o Codex só roda com, até onde eu sei, só roda com Cloud, com o GPT.

78:19Acho que sim.

78:20O Cloud Code, obviamente, só roda com Cloud, né?

78:23E aí você vai ter um modelo de trabalhar com essas com com essas eh com essas plataformas, digamos assim, e que vai alterar a sua operação de tecnologia. É, então se fala muito do harness engineering agora corporativamente.

78:40Então você detém o controle do harness.

78:42Então, que nem o o que você colocou que a gente eh deu um exemplo que encaixa muito bem, Rafa, foi o controle de acesso que você tem já embarcado dentro da própria plataforma da Microsoft, porque você já entra ali com Entra ID, aquilo já propaga para dentro do dos MCPs, e aí você já controla o acesso ali. Isso é um uma forma de você controlar o acesso da informação.

79:07Sim.

79:08Eh, e isso deve se propagar pros outros modelos de desenvolvimento, principalmente quando a gente falar de desenvolvimento de software, utilizando IA. Enfim, eh, gastei alguns minutos aqui para ser um cavaleiro do apocalipse, mas eu acho que a partir daqui a gente vai começar a ver muito pouca disputa assim de ah, o Astra, o Febo.

79:30É, também acho. Vai bater o teto, vai batendo o teto ali, cara. Cara, aí vai ser um negócio tão absurdo assim, [ __ ] Beleza. O cara calculou como é que vai pra Marte em duas horas e o outro calculou em uma tá engraçado, né, que a gente vem falando isso já desde o modelo X, né? Aí cada vez vem um lançamento, um vídeo de lançamento, fala: "Cara, cara, que que como que chegaram nesse ponto, né?" Pois é, verdade.

79:48Mas isso, bom, cara, uma hora vai estabilizar essa [ __ ] não é possível?

79:52Tem que estabilizar. Tem que estabilizar.

79:54E aí? E e assim, e é basicamente essa jornada que a gente tá trabalhando. E óbvio que dentro da Lenovo, eu atendo muito clientes internos, né? Foi o que eu falei, só clientes internos, vamos colocar dessa forma, mas se você pensar Lenovo como empresa, eh, ela ela mudou realmente a estratégia dela quando ela viu que tava indo para AI, isso há anos atrás, eh, ela ela decidiu mudar a estratégia dela para um hybrid AI.

80:20O que que é o hybrid AI? Você consegue rodar na nuvem, mas você também consegue rodar no Onme. Você não fica refém de volta pro pro tópico de ser refém, né, de de tecnologia e tudo mais. E e isso deu muito certo. Isso deu muito certo.

80:34Assim, a gente vê resultados e e a Lenovo, falando um pouco do faturamento da Lenovo desse ano, que fechou em 83 B, 33% desse faturamento já é relacionado a alguma coisa de AI, seja um produto que tá vindo com AI embarcado.

80:50Uhum.

80:50Né? Eh, ou seja, um serviço, já é 33% já representa algo relacionado com isso é é muito impressionante, né?

80:59Ô, Rafa, eh, até aí uma dúvida, não sei quanto você pode também comentar sobre isso, mas é a questão de orçamento, orçamento de, porque é um tema que também todo mundo tá preocupado, né, que esse cara, você começa a rodar teus modelos, você vai testando, às vezes, eh, vai para piloto, mas do piloto poucos vão à produção, né?

81:22Eh, só que dentro desse mand de piloto, às vezes o cara gasta uma baita grana que não dá resultado e aí o pessoal fala: "Cara, para porque, cara, tu estourou o orçamento". Enfim, tem diversas histórias que a gente vê diariamente, né?

81:36Uhum. Na Europa. Na Europa.

81:37É isso. Na Europa, é verdade. Como é que a Len tem tem feito esse essa gestão de de orçamento, né? Fal, [ __ ] cara, tem orçamento aqui, mas vamos tomar cuidado.

81:48Tem algum Tem e e tá junto com esse comitê também, né? Então assim, lembra que eu comentei sobre o inventário, né, do dos agentes? Então, já nessa fase de que você tá inventariando, você já tem que já mandar uma estimativa. Então, eu tô criando um agente pro time de vendas.

82:05Quantas pessoas de vendas vão usar o meu agente? Qual que é a média de perguntas que eles vão fazer pro meu agente?

82:11Então, você já faz na, né, na calculadora, você já manda uma estimativa.

82:14Exatamente.

82:15E com base nessa estimativa, a gente já consegue meio que já montar um orçamento para isso.

82:19Ah, que legal.

82:20Entendeu? Então isso vai lá na no comecinho do projeto, já tem que vir.

82:23Legal. E e cara, eu não consigo entender porque que a gente tem feito diferente isso. Talvez aquilo que que a gente comentou de ter um top down do da camada se levavel, tipo, não, vamos fazer a gente, fazer a gente porque eu quero ter mais a gente como concorrente.

82:38Uhum.

82:38Historicamente na TI, qualquer aplicação, qualquer coisa que você queria ter de iniciativa, tem que passar para um business case.

82:45Sim. que, né, que cara, pô, quanto eu vou gastar, quanto eu vou ter de impacto, quanto eu vou ter de resultado.

82:52É isso, cara. E qualquer iniciativa deveria ter isso também, o básico, né? E aí volta é ah, é produtividade, você tá avisando aumento de receita. É o quê? Porque daí você consegue medir lá na ponta, né? Mas não tá, mas é, acho que volta para aquilo que a gente falou, tá vendo assim, meu, pô, meu competidor ali, ele tá já com modelo, tá rodando, já publicou um Isso aí o executivo falar: "Ah, é, a gente faz, faz qualquer coisa gente". ou chama Microsoft, chama não sei o que fazer isso. Ou o que também tá acontecendo muito, que a gente já eh tem ouvido também, é, você tá dando um cartão de crédito na mão do dev, ó, tá aqui .000 para você brincar.

83:28E aí, cara? E os caras estão gastando de qualquer jeito, sem critério, sem, [ __ ] um caso real de uso. E aí, comentamos isso no episódio de experiência do desenvolvedor de algumas semanas atrás, deixar o card aqui. É, é verdade. Tem empresas com meta de uso de token.

83:48Se o cara usou os tokens para escrever a nova versão dos senhores Anéis, não sabemos. Mas ele e pois é, ele entregou alguma coisa de negócio que teve efeito, cara. Tentei uma empresa grande que eu soube que fez isso e agora tá dando um passo atrás, teve corte porque é isso, gastou uma baita grana, não sabe se eh não tem resultado, entendeu? Porque falou: "Cara, botou .000, cara, gasta, gasta, não teve critério, não teve, cara. Isso é uma é uma alucinação coletiva tão grande que a gente tá vivendo. Porque se a gente analisar, pensa aqui comigo, isso que a gente tá fazendo é como se eu tivesse uma frota de motoristas e aí beleza, a gente tem carros mais rápidos. Eu, ao invés de eu dar uma meta desses caras fazerem mais entregas, eu dou uma meta de gasolina que ele gasta por dia, entendeu? É tipo, ah, [ __ ] não, agora a gente tem um carro rápido. Beleza, agora vocês vão ter que gastar R$ 1.000 de gasolina todo dia. Não importa você vai fazer uma entrega, se você vai fazer um, né, só rodar no quarteirão. Exato.

84:58Cara, isso não faz o menor sentido.

84:59Eu acho que assim, isso isso foi um de fato um erro e meio que na tentativa de estimular o aprendizado e a inovação. Só que é um erro, né, assim, cara, vamos de novo fazer o básico, qual que é, o que que a gente tá tentando? Porque assim, tem muita coisa, e esse é o outro problema, tem muita coisa que você não vai resolver com um agente e a galera acha que é um agente que vai resolver o problema. Tem coisa que com um relatório você resolve ou um machine learning básicar básico, 1000 vezes mais barato.

85:30Mais barato. Exatamente.

85:31Então assim, há 5 anos atrás a gente implementou um projeto na Lenovo Brasil.

85:35Eh, eu participei desse projeto de machine learning para prever como que seria a venda da Lenovo nas próximas 13 semanas no varejo aqui do Brasil. Eh, então, Magazine Luía, eh, Cas Bahia, enfim, com machine learning. Então, nem existia agente, nem existia nada. Se fosse nos dias de hoje, eu ia falar: "Eu preciso de um agente para cara, mas não, calma. É análise preditiva, o machine learning funciona e funciona muito bem, entendeu, cara? Determinístico, né? Exato. Então, assim, isso funcionou bem, eh, entregou ótimos resultados. Então, o o time Brasil, isso acabou não ganhando corpo para fora porque acabaram implementando outras soluções, mas assim, pro time Brasil, eles conseguiam com antecedência prever como que seria a venda de um Black Friday com uma com uma acurácia de 95%.

86:24Então, conseguir conseguia movimentar estoque estrategicamente com base nesse modelo de machine learning.

86:29Pois é, cara. E e aquela vera coisa, né, da gente usar a ferramenta certa, o momento certo, né? O que muita gente tem argumentado agora de não, mas a gente vai para um modelo de de LLM com Transformers porque eu evito a camada de treinamento machine learning. Qual qual o problema de você ter a camada de treinamento de machine learning? Ah, mas tem custo. Aí o cara pega o modelo de de open as lá da de de rede neural para fazer uma o modelo de predição e o cara vai gastar uma tonelada de token porque ele vai ter que imputar o dado dele lá para poder fazer inferência. Ah, ter que treinar, vai ter queudo. É, ou seja, é um treinamento disfarçado. Então, tudo aquilo que você evitou de operação, de criar um machine learning, tu vai gastar de token. Claro, é mais fácil porque é uma chamada de API, é ingerir o dado lá, é mais fácil, mas cara, é, talvez o custo não se sustente, né? E é por isso que eu acho que a gente tem que voltar pro pra origem, back to basics. Se paga, não se paga.

87:35Qual que é o resultado do negócio?

87:36Resultado do negócio pode ser mais simples, pode ser mais barato e ter o mesmo efeito, né? Exato, cara. Isso é, não sei onde a gente vai ficar, viu, Rafa?

87:45É, estamos aqui.

87:47É, é que em parte disso, o cara também quer colocar no currículo dele, né?

87:51[ __ ] mas eu implementei um, eu implementei uma e um aquilo e o resultado, cadê o resultado? Mostra o resultado. E e a gente voltou, a gente falou de token, né? Essa parte do tokenomic também é algo que tem sido falado bastante dentro da companhia a nível corporativo. Então, com base naquele inventário que você estipulou para aquele projeto, como você passou por um comitê, então fase a fase do seu projeto você tem que submeter, ó, saí dessa fase, saí da fase piloto, tá em pré-produção, tá em produção, tô em monitoramento, fiz já todas as avaliações, estão em monitoramento, você tem que submeter isso, entendeu? para controlar realmente, porque não é um não é um projeto estático, né? Não é algo estático. Sim.

88:34Tá em constante mudança. Eh, algo ali que o que mudou no contexto do seu dado vai demandar mais do seu modelo, pode gastar mais, você vai ter que fazer um fine tuning no seu prompt. Então assim, a galera tem que ficar de olho. Tem que ficar de olho, né? E e não é isso que a galera tá entendendo, que é, ah, faz um agente aí, taca no ar e vamos embora.

88:55Isso, cara.

88:57[ __ ] muito bom papo. A gente podia ficar aqui mais duas horas falando sobre os desafios que você tem dentro desse gigante multinacional que é Lenovo. E acho que a gente conseguiu ter uma boa visão aqui do do de que a sua visão não é tão simples assim, né?

89:15Não é não é.

89:16E nem e nem comentei pontos da Lenovo para parceiros e fornecedores. Não sei se vocês acompanharam a Copa do Mundo.

89:23Eu acho que vale vale como registro.

89:25A Lenovo, ela não é só patrocinadora da Copa do Mundo, foi patrocinadora da Copa do Mundo, do futebol masculino, vai ser do futebol feminino, que vai ser no Brasil a Copa, que vai ser no Brasil a Copa já é parceira também de de Fórmula 1, só que ela entra, ela não entra só como patrocinador, que que que eu acho bacana, ela entra como um parceiro de tecnologia, [ __ ] Ela fornece, Alenovo, fornece os equipamentos para esses parceiros.

89:49Que legal. Então, na Fórmula 1, já há alguns anos, a gente é parceiro, é montada em cada em cada evento de Fórmula 1, cada pista é montada uma tenda com toda a infra, com todo o equipamento.

89:59Caramba, que legal. Legal, cara.

90:01E aí onde entra a Ia? Você não sabia?

90:03E e vem da estratégia do na Lenovo a gente chama de Smarter AI for all. Então é é realmente para todo mundo, porque dentro de uma Fórmula 1, dentro de um esporte, você utiliza AI para poder às vezes comprimir o dado de transmissão que sai de um evento que tem que ir lá para para Londres, que é onde faz o broadcasting da Fórmula 1. Qualquer algoritmo que você faz ali com IA que vai otimizar isso é um baita de um ganho.

90:30E a Lenovo ela entra nisso. Todos os dados de telemetria são consumidos, tudo isso. A Lenovo ela é parceira na Fórmula 1 há há alguns anos. na Copa do Mundo. Se vocês acompanharam a Copa do Mundo, eh, a gente forneceu também equipamento paraa Copa do Mundo, não só equipamento, mas software. Então, eh, não sei se vocês viram e lembram da experiência do árbitro com óculos.

90:52Sim, sim.

90:53Aquilo foi uma tecnologia Lenovo, [ __ ] Aquilo ficou legal demais, cara.

90:56aquela visão do árbitro, eu não sei se ajudou o árbitro, mas que dava uns takes sensacionais na se compara, o ano passado foi feito um experimento no Mundial de Clubes, eh, que também foi foi sede nos Estados Unidos, né? Então, os três países, todas os estádios.

91:13do ano passado para esse ano, se você compara o take da imagem do árbitro para esse ano na Copa do Mundo, com a inteligência artificial, a gente conseguiu aumentar em não sei quantos por cento a estabilidade da imagem.

91:27Então, compara a imagem do ano passado com a Deciana, deve ter alguns vídeos para você ver. Cara, a imagem tá bem estável, porque ele tá correndo, ele tá no meio do jogo ali e a imagem tá Isso foi com ai [ __ ] isso a gente não não imag uma imagem tão simples, a gente não imagina a complexidade por trás, né, que você tem por trás, porque é verdade.

91:43O cara tá correndo e tá no óculos do cara, né, chaval com algoritmo foi possível estabilizar a imagem. Então assim, às vezes, eu eu dei muitos exemplos da da aplicabilidade de AI dentro da companhia, mas olha o que a a Lenovo também tá entregando para parceiros, clientes e e tem essa vertente de entregar para para como business. Pô, legal. Eu quero, vamos supor, via tecnologia da Lenovo, do Óculos.

92:11Uhum.

92:12Eu, sei lá, tenho a maior frota de caminhões do mundo. Eu quero botar isso em cada motorista meu. E e isso é um business também da da Lenovo?

92:20Tem a parte de serviços, tem a parte também de eh esse produto específico não foi comercializado, né? Eh, é porque é mais uma demonstração assim de capacidade tecnológica, n?

92:30É, exatamente. Exatamente. E não só isso, a gente forneceu durante a Copa do Mundo 17.000 equipamentos. Então, se você olhava os tablets da Lenovo nos bancos ali dos árbitros, ali tava rodando um um um software, um framework que foi desenvolvido também pela Lenovo, chamado FIFA Pro, que dava em real time todos os dados coletados de telemetria, enfim, de tudo da durante a partida, dava pro pro técnico em real time para ele analisar a estratégia do oponente.

93:01Caramba, em real time, lances em real time, replays, tudo isso através de A, sensacional.

93:07E e por que Smarter AI for all? Porque a ideia da Lenovo era justamente assim, pode ser que um time tenha mais recurso do que o outro e ele vai investir mais em EI.

93:17Ali não foi disponibilizado para todo mundo ao mesmo tempo, para ficar fer.

93:20Para ficar fér.

93:21Legal. Então essa é uma parte da tecnologia que tem sido assim crescido muito dentro da Lenovo, tem tem muita aplicabilidade e trazendo para Brasil, hoje no Brasil por ano é investido 200 milhões em pesquisa de desenvolvimento.

93:34Só aqui no Brasil. Só aqui no Brasil, 200 milhões.

93:36É, até li uma reportagem que vocês têm uma parceria com a IT e uma um centro de Santa Catarina, né, que tem Santa Catarina, tem no interior de São Paulo e já tem vários projetos que foram desenvolvidos aqui no Brasil que já ganharam o mundo. Eu vou te dar dois exemplos. Um é o projeto Libras, que também eh com IA foi feito ah na no Centro de Pesquisa e Desenvolvimento da Lenovo ali na no interior, onde o pessoal desenvolveu um software que consegue traduzir real time eh a linguagem de sinais.

94:09Pô, que legal, cara.

94:11Para falado ou para texto ou texto. Putz, que sensacional.

94:15Real time. Então assim, inclusivo, é muito inclusivo também, né? Então esse foi o projeto Libras e ganhou vários prêmios no mundo inteiro.

94:22Legal.

94:23Um outro projeto que é o Trada, que é para monitorar quem tem arritmia à distância, utilizando AI também. Então, com uma parceria com o Instituto com Incor, Instituto do Coração, tá em fase de teste, mas eh as pessoas eh que fizeram cirurgia de peito aberto e tudo mais do coração saem com esse dispositivo e ele em real time ele monitora se tem existe uma previsão de arritmia. Então com os dados que ele tá coletando, ele consegue prever antecipadamente se o cara vai ter uma arretmia e já foi possível salvar duas vidas em fase de teste.

94:59Pô, já pagou, entendeu? [ __ ] já o investimento, pagou tudo, o investimento já foi. Então assim, você vê que saindo, né, do do escopo ali corporativo, tudo que a Lenovo ela tá também entregando e abraçando por fora. E não só isso, os notebooks da Lenovo hoje desde 2024 já tem modelos vindo, obviamente os o CPU, que é que é o processador que a gente já conhece, GPU, a placa gráfica e já tá vindo os os e os os notebooks já estão vindo em mercado com NPU. Então, isso é uma pergunta que eu ia te fazer até pra gente fechar o episódio, porque você deu uma uma fagulha aqui na nossa cabeça e dependendo da sua resposta, pode ser que a gente tem gravar outro episódio.

95:39Existe alguma iniciativa da Lenovo de entrar no mercado de GPUs, NPUs para data centers, etc? E existe alguma iniciativa de de criação de modelos da Lenovo? Porque expressividade no mercado de tecnologia e data centers, etc. tem.

95:59Uhum.

96:00É claro, você estamos falando de brigar com Nvidia, com Open AI, etc. Mas existe esse tipo de iniciativa que você possa falar, porque talvez existe?

96:10Não tenho visibilidade, para ser bem sincero, né? Eu acho que hoje em dia a Lenov ela trabalha muito com com as parcerias, até inclusive com a própria e Nvidia, enfim, todas elas. Então não vejo hoje um projeto, uma iniciativa e se você pensar em fabricação de de NPUs e e tudo mais, a gente sabe a complexidade que é, né? Isso tá muito na mão de de poucos aí.

96:31Então não vejo, pelo menos não não tá no meu alcance ou no meu conhecimento.

96:34E os modelos, tem algum modelo Lenovo en é para uso interno. Não vejo como não vejo para comercializar como mercado, como mercado, mas para uso interno sim.

96:45Então assim, nessa nessa estratégia de ah, testei um agente, testei com um modelo open AI, um D Shop que eu posso testar também com modelo interno desenvolvido interno e ver qual que é o resultado disso.

96:55Legal, legal. Sim, sem dúvida. e aí rodar local, né, no on. Então assim, tem ainda essa parte da Lenovo aí que que tá ganhando.

97:03Sim, porque cara, eu acho que é um próximo passo bem-vindo aí, né, para para tirar essa hegemonia que a gente vê de dos grandes, né, e um player como a Lenovo, de repente investir numa pesquisa como essa, acho que muito bem-vindo, né? Ah, e pô, e já e já tá introduzido no mercado, né? Já tá, já, pô, já tem servidor, já tem storage.

97:24Então, sim, sim. É que hoje o o modelo da Nvidia, ela ela é muito esperta, né, cara? Porque ela faz ela especifica, faz arquitetura, etc. E provavelmente até a própria Lenovo produz o hardware Nvidia, né? Porque a as empresas não sei, mas não sei a a elenovo, mas o a a Nvidia não faz nenhuma placa, ela quem quem faz são outras indústrias, né? Os, né, que eles falam, né? É, na verdade, ela novo hoje ela só embarca, né? Ela utiliza, é, só embarca, mas não não fabrica nada, né? Para para eles.

98:00Mas não sei se existe essa estratégia.

98:02Eu sei que esse essa estratégia híbrida e esse smarter AI for all tá tá ganhando muito corpo. Se você soubesse, eu volto aqui, conta pra gente. Combinado, Rafa, obrigado demais, meu velho.

98:13Obrigado. [ __ ] baita papo. Que trampo sensacional que vocês estão fazendo lá.

98:18Muito bem feito. Parabéns.

98:19Obrigado.

98:20Fizemos aqui uma boa eh um raio X do que você tem feito para lá dentro. Obrigado por abrir tantos detalhes aqui com a gente, porque eu tenho certeza que outros executivos estão nos ouvindo e que vão se espelhar no trabalho que você tá fazendo lá.

98:35Que eu acho que é, eu acho que eh o que vocês têm tem comentou aqui ao longo do desse episódio pode servir bastante como experiência para outras empresas que ainda estão nessa jornada, que estão tendo dificuldade de implementação ou de governança, né? como você, como você comentou, a todo mundo ainda tá achando um formato, né? E e talvez esse formato que a Lenovo tá colocando, o cara tem um comitê de governança, tem que passar tudo por lá antes de sair fazendo, tem que ter o porquê, exato, do uso.

99:10Talvez é um é um caminho, é um caminho que pode ser adotado. Tem obviamente seus eh seus tradeoffs, né? [ __ ] o pessoal vai ficar reclamar porque [ __ ] tem que passar pelo comitê, pode demorar dois ou três ou quatro meses. Mas cara, tem um porquê, né? E não é para freiar.

99:25E eu acho que isso tem que ficar claro para todo mundo, que a primeira coisa que vem na cabeça da galera é o cara tá freando, tá botando empecílio, não vou conseguir botar. E cara, eu vou até parafrasear um grande amigo meu que é gerente de governança de dados, já participou várias vezes aqui. Ele sempre e ele sempre sofre muito com a estigma de de que a governança é um freio, né? E ele sempre fala: "Cara, você não aceleraria um carro que não tem freio?" Então, então para você acelerar, para que de fato você consiga fazer as coisas andarem mais rápido, você tem que ter confiança, cara, que uma hora o pedalzinho tá ali, bicho. Isso.

100:05Entendeu? Então, se você é para tá lá.

100:07Exatamente. Então, é, sabe, é pra sua própria segurança, né? Então, achar que é só um atraso, que isso as pessoas têm que ter uma conscientização e uma Eu acho que isso vai muito na maturidade profissional também, né? Acho vai, acho que vai assim, e foi o que eu falei, eu dei o exemplo claro, eu levei 4 meses para conseguir uma aprovação. Tem muita gente que tá abandonando o projeto porque, ah, não teve aprovação, vou tentar outros meios, né? Mas não, se se você confia e se isso tá bem estruturado e tem que passar para um comitê, lá, segue, vamos lá, segue bola.

100:40E e a proposta desse podcast é justamente essa, é trazer a realidade corporativa de como as coisas funcionam na vida real. Então, obrigado por abrir seu coração aqui. Se você é um executivo, tá passando por problemas semelhantes aqui, tem um gigante como Elenovo também aprendendo junto com você. É isso aí, pessoal. Não, obrigado. Obrigado pela oportunidade, obrigado pelo convite.

101:03Agradeço.

101:03Agora você é da família, você pode vir aqui tomar. Você não vai tomar maralto com a gente porque você não bebe, mas você tá aqui sempre convidado e vai ter sempre uma cadeira para você aqui, Rafa. Obrigado, cara.

101:15Muito obrigado. Obrigado pelo convite.

101:17Show de bola. E você que ouviu a gente até agora, muito obrigado pela audiência de vocês. Se você quer tomar um maralto, manda mensagem pra gente lá no no na numa DM pra gente no Instagram, Marto, se você ainda não deixou o seu like, se você ainda não fez nenhum comentário, se você ainda não segue a gente, essa é a sua última oportunidade nesse episódio.

101:35Vai lá, segue a gente, compartilha o o episódio. Se você que quiser contribuir ainda mais com a gente, você pode ser membro do nosso canal, né? R vai lá no no YouTube tem um inscrever, o cara já vai estar inscrito, então vai ter lá o botão seja membro. Sendo membro você vai ter acesso antecipado aos episódios.

101:54Nossos episódios sai às quartas-feiras.

101:56Você vai a partir de segunda-feira, às vezes até domingo à noite, já vai poder assistir o PPT no Compina na frente de todo mundo. Legal.

102:02Legal.

102:02Já vai ter informação quentinha, quem tinha já aí. Vai poder na segunda-feira falar, [ __ ] quero ouvir um O cara vai poder chegar no trabalho. Ô, você viu o PPT do compra dessa semana?

102:11Falou: "Nossa, senhora na quarta eu já vi". [ __ ] cara, fiquei sabendo negócio da lei novo que [ __ ] cara, como assim não [ __ ] você. Então espera até quarto, né? Mas se você não pode contribuir assim, você já contribui muito compartilhando o nosso conteúdo e fazendo a nossa comunidade crescer.

102:27Manda pro seu amigo, manda pro seu chefe, manda no dislike da empresa, manda no grupo do WhatsApp. Fazer a nossa comunidade crescer é o que você mais pode fazer pelo PPT no compilar.

102:38Muito obrigado pela audiência de vocês, Rafa. Obrigado, Rom. Obrigado.

102:42Valeu. Valeu,