Durante os últimos três anos, a indústria de inteligência artificial perseguiu essencialmente o mesmo objetivo: fazer máquinas dominarem a linguagem humana. Bilhões de dólares foram investidos nos chamados Large Language Models (LLMs), arquiteturas treinadas para compreender e produzir texto, como ChatGPT, Gemini e Claude. O resultado é conhecido. Esses sistemas transformaram a IA em um produto de massa, capaz de escrever relatórios, responder perguntas e conversar com fluidez quase humana.
A NeoSpace acredita que a próxima fronteira da inteligência artificial está em outro lugar. Em vez de desenvolver um modelo voltado para linguagem, a startup criou o que chama de Large Data Model (LDM), uma arquitetura desenhada para interpretar grandes volumes de dados corporativos – transações financeiras, históricos de consumo, registros operacionais e informações industriais que os LLMs tradicionalmente têm dificuldade para processar.
Bancos, seguradoras, varejistas e operadoras de telecomunicações acumulam há décadas montanhas de informações sobre seus clientes. Cada compra realizada, cada parcela paga, cada clique em um aplicativo, cada interação com um produto deixa rastros digitais. O problema é que os modelos que conquistaram o mundo foram treinados para compreender palavras, não para interpretar essa massa fragmentada de transações, tabelas e séries históricas.
É justamente nessa lacuna que a brasileira NeoSpace decidiu apostar. A startup fundada por Felipe Almeida, Bruno Pierobon, Gustavo Debs e Thiago Teixeira, apareceu em março entre as empresas destacadas no palco principal do GTC 2026, principal conferência da Nvidia. O reconhecimento chamou atenção não apenas porque veio da companhia que se tornou símbolo da corrida global pela inteligência artificial, mas porque a NeoSpace está tentando resolver um problema diferente daquele perseguido pela maior parte da indústria. “Os modelos que usamos no dia a dia foram desenvolvidos para processar essencialmente texto. Quando precisam lidar com diferentes tipos de dados ao mesmo tempo, eles não conseguem fazer isso de forma eficiente”, afirmou Almeida em entrevista ao Forbes Cast.
A observação pode parecer técnica, mas ajuda a explicar uma das principais limitações dos chamados grandes modelos de linguagem. O ChatGPT pode escrever um relatório sobre um banco. O que ele não consegue fazer, sozinho, é compreender milhões de transações financeiras e identificar, com precisão, quais clientes estão prestes a abandonar a instituição, contratar um novo produto ou se tornar inadimplentes.
Foi justamente esse problema que Almeida encontrou após mais de uma década trabalhando com grandes corporações por meio da Zup, empresa criada em 2011 e vendida ao Itaú em 2020. A transformação digital havia produzido um efeito colateral inesperado: as empresas finalmente passaram a coletar dados em escala, mas continuavam sem conseguir transformá-los em decisões melhores. “Todas estavam sentadas numa pilha de dados que tem muito valor, mas todas reclamavam que não conseguiam extrair a inteligência desse cliente para ser mais preditivo nas suas operações”, diz.
Da linguagem para os dados
Uma compra de cartão de crédito, por exemplo, não é apenas uma operação financeira. Ela contém dezenas de atributos simultâneos: horário, valor, local da compra, forma de pagamento, parcelamento, categoria do estabelecimento e histórico de consumo do cliente. Multiplique essa riqueza de informações por dezenas de milhões de usuários durante vários anos e surge um volume de dados que escapa às ferramentas tradicionais de análise.
É aí que a empresa afirma encontrar seu diferencial. Segundo Almeida, o modelo consegue detectar mudanças comportamentais antes mesmo que elas se tornem visíveis para a companhia. Um cliente que costumava pagar tudo à vista e passa a parcelar despesas recorrentes, por exemplo, pode estar sinalizando uma mudança de perfil financeiro. “O modelo começa a analisar essas alterações e entender que existe alguma coisa mudando no comportamento daquele cliente”, afirma.
A aplicação mais óbvia está em bancos e seguradoras, mas a ambição é mais ampla. Empresas de telecomunicações utilizam a tecnologia para prever quais consumidores estão próximos de migrar para concorrentes. Companhias aéreas podem otimizar rotas e consumo de combustível. Grupos de petróleo e gás podem reduzir custos de exploração ao identificar áreas com maior probabilidade de sucesso antes mesmo da perfuração.
Em alguns casos, afirma Almeida, os ganhos de performance variam entre 8% e 10%. Em outros, chegam a 30%. Os números não foram auditados independentemente, mas ajudam a explicar por que grandes corporações começaram a prestar atenção na empresa.
O Itaú apostou duas vezes
A relação entre a NeoSpace e o Itaú ajuda a explicar por que a startup despertou atenção tão rapidamente em um mercado inundado por promessas de inteligência artificial. Antes de liderar sua primeira rodada de investimento, o banco já conhecia os fundadores. O banco foi um dos clientes da Zup. A solução gerou tanto ganho operacional que o Itaú adquiriu, em 2020, a empresa por cerca de R$ 575 milhões.
Com a Zup e a jornada da transformação digital que ocorreu na última década, as empresas passaram a coletar mais informações do que nunca e, ao mesmo tempo, continuaram tomando decisões com ferramentas projetadas para uma era de escassez de dados. A capacidade de armazenar informação avançou muito mais rapidamente do que a capacidade de interpretá-la. “Todas as grandes empresas estavam sentadas sobre uma pilha de dados extremamente valiosa, mas não conseguiam extrair inteligência suficiente para serem mais preditivas”, afirma Almeida.
O Itaú não foi apenas um investidor disposto a financiar essa hipótese. Foi também um dos primeiros laboratórios para testá-la. A rodada de US$ 18 milhões liderada pelo banco – dos quais US$ 15 milhões vieram diretamente da instituição – teve menos características de uma aposta financeira tradicional e mais de uma validação industrial. Em um mercado onde inúmeras startups prometem revolucionar a inteligência artificial corporativa, poucas conseguem convencer uma das maiores instituições financeiras da América Latina a utilizar a tecnologia antes mesmo de investir nela.
Por que as GPUs estão na Austrália e não no Brasil
A NeoSpace afirma ter montado uma base de 1.200 GPUs B200, uma das gerações mais avançadas de chips da Nvidia disponíveis comercialmente. Segundo Almeida, a empresa foi uma das primeiras do mundo a conseguir acesso a essas unidades em escala. Nenhuma delas, porém, está no Brasil.
A escolha da Austrália combinou dois fatores. O primeiro foi econômico: a carga tributária incidente sobre GPUs importadas pode elevar o custo final do hardware em até 40%, tornando a operação pouco competitiva. O segundo foi tecnológico. Sydney abrigava um dos poucos data centers do mundo capazes de suportar a nova geração de chips da Nvidia por meio de sistemas de liquid cooling (resfriamento líquido), tecnologia necessária para dissipar o calor gerado por equipamentos que operam em alta intensidade computacional. “Foi um dos primeiros lugares no mundo onde conseguimos ter acesso a essas GPUs”, afirma Almeida.
Em uma indústria na qual cada projeto exige centenas ou milhares de chips de alto desempenho, uma diferença dessa magnitude altera completamente a economia da operação. Foi por isso que a NeoSpace decidiu instalar sua infraestrutura em Sydney, um dos primeiros locais onde conseguiu acesso às GPUs mais recentes da Nvidia em condições economicamente viáveis.
O caso expõe um gargalo pouco discutido na corrida da inteligência artificial. Grande parte do debate gira em torno de modelos, algoritmos e regulação. Mas antes de tudo isso existe uma questão mais básica: acesso ao hardware. Sem GPUs, não há treinamento de modelos. Em outras palavras, a disputa pela inteligência artificial não está apenas nos laboratórios. Ela também passa pela política tributária.
O teste americano
Ser citado pela Nvidia ajuda a abrir portas, mas o próximo desafio da NeoSpace não é tecnológico, é comercial. Os maiores bancos, seguradoras, varejistas e operadoras de telecomunicações do mundo estão concentrados justamente nos mercados que a companhia pretende atacar: Estados Unidos primeiro.
A companhia já conversa com potenciais clientes internacionais e pretende financiar essa expansão por meio de uma nova rodada de investimento com fundos de growth e venture capital. Parte desses recursos será destinada à formação de equipes comerciais e técnicas locais. “Não dá para operar um negócio desse aqui do Brasil fazendo uma ponte aérea com Miami. Você tem que estar lá”, diz Almeida.
O mercado global de tecnologia ainda tende a associar inovação de fronteira aos Estados Unidos, à China e, em menor medida, a alguns polos europeus e israelenses. O Brasil raramente aparece nesse grupo. “Quando eles olham para o Brasil, a reação inicial é: como assim vocês construíram algo que não existe aqui?”, afirma.
A observação ajuda a explicar por que a empresa pretende se posicionar menos como uma startup brasileira e mais como uma companhia global. Almeida cita Israel como referência. Ao longo das últimas décadas, empresas israelenses aprenderam a operar com uma lógica simples: o mercado doméstico é pequeno demais para sustentar ambições globais. Como consequência, muitas delas já nascem voltadas para clientes internacionais, estabelecendo presença nos Estados Unidos muito antes de atingirem escala em casa. A NeoSpace pretende seguir caminho semelhante.
Uma janela estreita
A urgência dessa expansão tem outra explicação. A NeoSpace acredita ter chegado cedo a uma categoria que ainda desperta pouco interesse dos grandes laboratórios de IA. Enquanto a maior parte da indústria concentra recursos em modelos generativos e agentes conversacionais, a startup aposta que o próximo ciclo de valor estará em sistemas capazes de compreender dados corporativos e transformá-los em decisões operacionais.
A tese parece simples. Mas envolve um mercado potencialmente gigantesco. Se os grandes modelos de linguagem mudaram a forma como pessoas produzem conteúdo, modelos especializados em dados podem alterar a maneira como empresas precificam produtos, concedem crédito, combatem fraudes, retêm clientes e planejam investimentos. Em outras palavras: menos produtividade individual e mais tomada de decisão corporativa.
É justamente essa oportunidade que a NeoSpace tenta capturar antes que competidores maiores decidam entrar no mesmo espaço. “Hoje não existe ninguém fazendo exatamente o que fazemos. Mas daqui a pouco tempo vai existir”, afirma Almeida.
Por isso, a corrida atual é para conquistar clientes, acumular casos de uso e criar relacionamentos antes que o mercado se torne congestionado. Em tecnologia, a inovação raramente garante liderança permanente. O que costuma sobreviver é a combinação entre tecnologia, distribuição e escala. A aposta da NeoSpace é que, quando os grandes concorrentes finalmente chegarem, ela já estará sentada dentro das empresas que pretende atender.
Assista ao episódio completo no YouTube da Forbes Brasil:
*BrandVoice é de responsabilidade exclusiva dos autores.
