# De semanas para menos de um dia por painel, numa consultora de investimentos | Tog Lab

> A Tog Lab substituiu a ferramenta de BI por uma aplicação web própria e instalou o AI-Accelerated, o modelo de desenvolvimento com IA da Tog Lab, no ambiente do cliente. A área de negócio passou a pedir painéis em linguagem natural, a aprovar o plano antes da execução e a entregar melhorias revistas

URL: https://www.toglab.co/pt-pt/projeto-bi-investimentos.html

[Português do Brasil](https://www.toglab.co/pt-br/projeto-bi-investimentos.html.md) · [English](https://www.toglab.co/en/projeto-bi-investimentos.html.md) · [Español](https://www.toglab.co/es/projeto-bi-investimentos.html.md) · [Italiano](https://www.toglab.co/it/projeto-bi-investimentos.html.md)

[Projetos](https://www.toglab.co/pt-pt/projetos.html) BI com agentes

FinanceiroDesenvolvimento com IAService as a Software

# De semanas para menos de um dia por painel, numa consultora de investimentos

A Tog Lab substituiu a ferramenta de BI por uma aplicação web própria e instalou o AI-Accelerated, o modelo de desenvolvimento com IA da Tog Lab, no ambiente do cliente. A área de negócio passou a pedir painéis em linguagem natural, a aprovar o plano antes da execução e a entregar melhorias revistas por um profissional da Tog Lab.

Ecrã ilustrativo, com dados fictícios.

Indicadores preliminares de julho de 2026, medidos face ao processo anterior do próprio cliente, com uma equipa pequena e a migração em curso. Domínio bem definido e dados já organizados: em sistemas legados, o ganho tende a ser menor.

## O desafio

O cliente publicava indicadores para consultores e gestores numa ferramenta de BI de mercado. As bases de dados e as regras de negócio já funcionavam bem. O problema estava no percurso: cada novo painel dependia de uma pessoa técnica, de várias rondas de validação manual e de mais uma licença por cada utilizador.

Os pedidos chegavam em folhas de cálculo, esboços e protótipos que mostravam a intenção, mas raramente as regras de cálculo, as exceções e os critérios de aceitação.

## Como um pedido se torna um painel

Seis passos para cada pedido. Os agentes fazem a triagem, o plano e a execução. Duas pessoas aprovam: quem fez o pedido aprova o plano e um profissional da Tog Lab aprova a entrega.

Quem executa

Aprovação

Trabalho de agentesTrabalho e aprovação de pessoas

Os percursos passaram a ser comandos simples para quem faz o pedido: /nova-feature, /melhoria, /analisa-bug, /corrigir-bug e /deploy.

## A IA trabalha apenas com a estrutura dos dados

Os agentes leem esquemas, contratos de API e regras de negócio para planear e construir. As consultas passam por uma camada no servidor que decide o que cada perfil pode ver, e as credenciais nunca chegam ao modelo.

Tudo corre no ambiente do cliente, com a chave do modelo de IA do próprio cliente.

## Doze dias, do início à produção

Cronologia de julho de 2026.

### Antes e depois

PontoAntesCom IA

Uma pessoa da área de negócio, sem formação técnica, recebeu uma formação introdutória, correu o projeto no próprio computador, validou as alterações e abriu Pull Requests sem ajuda. Os primeiros não precisaram de correção e surgiram visualizações que não existiam na ferramenta antiga.

## A sua operação depende de uma ferramenta de BI?

Uma fila de pedidos de painéis, licenças que crescem a cada novo utilizador e regras de negócio guardadas em folhas de cálculo são sinais de que este modelo lhe serve.

[Fale connosco](https://www.toglab.co/pt-pt/contato.html) [Próximo caso: IDS Social](https://www.toglab.co/pt-pt/projeto-ids-social.html)

## Mais conteúdo desta página

- 3 dias úteis — para o desenvolvimento com IA entrar em produção no ambiente do cliente
- Menos de 1 dia — por painel complexo. Antes, semanas
- 5 de 13 — painéis migrados na primeira semana
- Zero — licenças por novo utilizador

- Trabalho constantemente refeito — Requisitos implícitos e interpretações diferentes geravam rondas sucessivas de ajustes no painel ou na base de dados.
- Validação no fim — O cliente só via o painel depois de concluído, quando corrigir custa mais.
- Licenças a limitar o acesso — Levar um painel a mais pessoas significava comprar e gerir novas licenças.
- Conhecimento concentrado — A ferramenta e as bases dependiam de poucas pessoas técnicas.

- Pedido — Quem faz o pedido, na área de negócio — Sem aprovação nesta etapa — A pessoa descreve o que precisa em linguagem natural, tal como o explicaria a um colega: o indicador, o recorte, o objetivo e quem o vai usar.
- Triagem — Orquestrador de agentes — Sem aprovação nesta etapa — O orquestrador classifica o pedido (painel novo, melhoria ou correção), verifica se os dados já existem e faz as perguntas em falta antes de avançar.
- Plano — Agente de planejamento — Segue para a aprovação de quem pediu — Os agentes preparam o plano de execução: origem dos dados, regras de cálculo, permissões por perfil, ficheiros que vão mudar e testes que vão provar que funciona.
- Aprovação do plano — Quem pediu — Aprovação registada antes de qualquer código — Quem pediu lê o plano e aprova, ajusta ou recusa. Nada é implementado antes dessa aceitação e o registo fica no histórico do pedido.
- Execução — Agentes de código, testes e revisão — Testes e verificações automáticas — Agentes especializados implementam, testam e reveem em paralelo, dentro das permissões de cada um. Build, segurança e regressões são verificados antes da entrega.
- Validação e entrega — Quem pediu e um profissional da Tog Lab — Revisão técnica antes da produção — Quem fez o pedido valida o painel no próprio computador e o comando /deploy abre o Pull Request. Um profissional da Tog Lab revê o código e só então a alteração chega à produção.

- Experiência web — Painéis interativos, com interface por perfil e acesso sem licença por utilizador. — Chakra UI
- Camada no servidor — A autenticação e o acesso por função decidem o que cada utilizador vê. — Acesso por função — BFF interno — Credenciais apenas no servidor
- Integrações e dados — As bases de dados e as regras existentes tornaram-se matéria-prima, sem migração de dados. — APIs de indicadores — Contratos Swagger via MCP — Bases consolidadas
- Harness de IA — O que envolve os agentes: contexto, limites, verificações e pontos de aprovação. — Documentação de contexto — Agentes e skills — Regras e comandos — Testes e pontos de aprovação

- Início
- Produção pronta
- Primeira autonomia
- Primeiras entregas
- Fase atual

- Semanas para painéis complexos — Menos de um dia nos casos medidos
- Manual e no fim, depois de implementar — Plano aprovado antes, validação local e Pull Request
- Dependência total de quem desenvolve — A área de negócio pede e melhora painéis em linguagem natural
- Condicionado a uma licença por utilizador — Aplicação web com acesso por função
- Disperso por pessoas, folhas de cálculo e fórmulas — Documentado e usado pelo harness