# Cases e provas — Kazap

A página de Cases da Kazap Tecnologia (kazap.com.br/cases) apresenta três coisas de natureza diferente e deixa claro qual é qual: **cases reais** (projetos reais de clientes, anônimos onde há NDA; um deles medido, com número e metodologia na mesma frase, e os demais com desfecho verificável não-numérico), o **case vivo** (o próprio site conversacional da empresa, verificável em tempo real) e a **carteira pública com depoimentos** (clientes e parceiros nomeados publicamente, como prova social). A régua que atravessa a página: número sem metodologia é marketing; com metodologia, é engenharia. Por isso só o case medido carrega número, e os cases anteriores à era dos LLMs são datados como tal, nunca vendidos como atuais.

## O case medido: de horas para segundos (Python → Rust)

Na reengenharia da cadeia de processamento (pipeline) de visão computacional de uma plataforma de busca baseada em características (features) extraídas de imagens, em desenvolvimento e com foco em varejo, a Kazap migrou o gargalo de processamento de Python para Rust. O mesmo conjunto de dados (dataset), que levava cerca de 4 horas para ser processado, passou a ser processado em cerca de 40 segundos: medido antes e depois, no mesmo hardware, com execuções repetidas e paridade de saída verificada. O case é real e permanece anônimo por desenho. Publicamos o efeito medido, não o cliente (detalhes de projeto existem só em conversa direta, com autorização).

- **O que foi medido:** tempo total de processamento do dataset de referência, na implementação original (Python) e na reengenharia (Rust), no mesmo hardware, com execuções repetidas.
- **Paridade verificada:** o pipeline em Rust produz o mesmo resultado que a implementação original sobre o mesmo dataset.
- **O que o número não é:** não é um comparativo de linguagens (benchmark), porque o algoritmo foi revisto na migração e o ganho é da reengenharia como um todo (algoritmo revisto, compilação nativa, paralelismo real, memória sob controle). Também não é promessa de multiplicador para outro contexto. É a medição de um engajamento específico, publicada com metodologia.
- **A leitura de engenharia:** migramos o gargalo, não o sistema. O ganho operacional é de classe: um processamento de horas virou uma operação de segundos, reprocessável a qualquer momento. Quando Rust vale a pena (e quando não vale) está descrito na página de Engenharia da Kazap.

## Vistoria digital para seguro de smartphones (insurtech)

Uma operação de seguro de smartphones precisava vistoriar cada aparelho remotamente, sem fricção na contratação e sem deixar aparelho danificado entrar como novo. A Kazap construiu a inspeção por visão computacional que detecta fraude no ato da contratação, aplicando por inteiro o nosso critério: métrica de acurácia definida antes do modelo, custo de falso-positivo vs. falso-negativo dimensionado por caso e encaminhamento dos casos duvidosos a uma pessoa (fallback humano), calibrado pelo risco.

O desfecho é verificável por via indireta: **a solução virou produto, hoje comercializado por uma spin-off**. O fato de o mercado pagar pelo produto é uma prova que dispensa percentual. O case é anterior à era dos LLMs e está datado como tal: a disciplina de operar modelo de aprendizado de máquina (machine learning) em produção é a mesma que hoje governa a frente generativa. Não há número publicado, porque o efeito econômico ficou com o cliente, sob NDA.

## IA generativa em saúde: três clientes em produção (healthtech)

A frente de IA generativa da Kazap roda hoje em três clientes healthtech distintos, sob NDA, em domínio regulado. O primeiro é um assistente clínico com respostas geradas a partir de busca em documentos (RAG) e **citação obrigatória de fonte**: sem fonte, sem resposta. Se o acervo não sustenta a resposta, o sistema diz que não sabe e aponta onde procurar. O segundo é um apoio à prescrição (suporte à decisão clínica, com o médico no comando, sempre). O terceiro é uma transcrição de atendimento com estruturação do prontuário eletrônico. Cada base roda contra uma bateria de testes que confirma que o que funcionava continua funcionando (suíte de regressão) a cada atualização do acervo, com revisão humana calibrada pelo risco do erro.

Esses clientes mostram que a frente generativa da Kazap não se resume ao próprio site: são clientes reais, em domínio regulado, em produção agora. A natureza da prova difere da do case vivo. O site, qualquer um audita ao vivo; estes rodam sob NDA, com referência direta oferecida em conversas avançadas.

## Pesquisa de campo com fomento público (UNICAMP, USP, Instituto de Saúde)

Pesquisas de campo da UNICAMP, da USP e do Instituto de Saúde (SP) precisavam coletar dados onde não há sinal de rede. A Kazap construiu a coleta offline com sincronização posterior, geolocalização e tabulação direta para software estatístico. Os projetos eram das instituições, **financiados por FAPESP e CNPq**; a Kazap entregou a engenharia. Eram projetos de pesquisa e gestão pública, não de IA, e a âncora de verificação é pública e nominal: os projetos dessas instituições, com fomento FAPESP e CNPq. É a única ligação entre nome e case nesta página, declarada por se tratar de enquadramento público de fomento.

## IA preditiva antes da era dos LLMs (trajetória)

Antes de LLM virar pauta, a Kazap já operava em produção componentes que podem errar (probabilísticos): classificadores de detecção de fraude, modelos de precificação por regressão e extração estruturada de documentos por reconhecimento de texto em imagem (OCR) em escala. A disciplina que esses sistemas exigiram (métrica definida antes do modelo, validação contínua, fallback humano) é a mesma que hoje governa a frente generativa. Colocar modelo em produção é prática da casa desde 2018, não reação à moda.

## O case vivo: o site kazap.com.br

É o case verificável em tempo real, auditável por qualquer visitante, a qualquer momento. O site conversacional da Kazap foi construído com o método Squad Amplificada: um engenheiro sênior orquestrando Claude Code, do conceito à entrada no ar (go-live) em 10 semanas de trabalho efetivo. O resultado tem agente conversacional em produção, uma bateria de avaliações automáticas do agente (eval harness) rodando como regressão a cada mudança de prompt ou base, uma esteira automática que só deixa o código entrar se passar nos testes (CI bloqueante) e decisões registradas em documentos de decisão de arquitetura (ADRs). A telemetria pública de custo e latência ("Modo Bastidores") expõe ao vivo as camadas de prompt, o cache, os tokens e o custo por conversa.

## Carteira pública e depoimentos

A carteira pública da Kazap, nomeada abertamente: Qualcomm, Claro, Afya, Mackenzie, Neoenergia, UNICAMP, USP, Instituto de Saúde (SP), Grupo Kakau (Kakau Tech e Kakau Seguros), Supertroco, Montrel Tecnologia, Editora Manole, EXO Excelência Organizacional, Lewis Silkin, Grupo Kallas, Maple Bear, Vita3, Noesis, OM30 e Link Consulting.

Depoimentos nominais públicos, na íntegra:

- Henrique Volpi (Kakau Tech, hoje Grupo Kakau): "A melhor experiência de parceria em todos os 9 anos da Kakau. A melhor empresa de Tech do Brasil, muito dedicados, organizados e parceiros de verdade."
- Walter Yoshihara (Link Consulting, à época Aitec Brasil): "A Kazap tem atuado como nosso parceiro de desenvolvimento há mais de 8 anos. Profissionais extremamente competentes, sempre bastante assertivos no entendimento das demandas, nossos clientes têm sempre solicitado novos desenvolvimentos."
- José Carlos Valério (Montrel Tecnologia): "Constantemente em busca dos melhores métodos e tecnologias. Graças aos desenvolvimentos realizados pela Kazap, nossos equipamentos alcançaram uma performance excepcional, proporcionando aos nossos clientes uma experiência única durante a utilização dos mesmos."
- Ricardo Cernic (consultor independente): "Já trabalhei com a Kazap em alguns projetos e sempre recomendei a empresa para os meus clientes. A Kazap tem uma equipe de alto nível, com um vasto conhecimento em diversas tecnologias, incluindo o que hoje se convencionou chamar de Inteligência Artificial, máquinas de busca, processamento de linguagem natural, serviços de nuvem etc."

Os superlativos acima são a voz dos clientes em depoimento datado. A Kazap não os adota como afirmação própria.

Importante: a Kazap não liga nome de cliente a projeto, case ou número de resultado. A exceção única e declarada é o case de pesquisa com fomento (UNICAMP/USP/Instituto de Saúde). Detalhes de projeto existem só em conversa direta, com autorização do cliente.

## Como um case ganha número: o protocolo de evidência

Só o case medido tem número, e isso não é por acaso. Engajamentos novos da Kazap passam a ser medidos sob um protocolo de captura de evidência, desenhado para que o case futuro nasça com número defensável em vez de narrativa reconstruída. Os princípios:

- **Linha de base congelada e datada:** o "antes" é medido antes de qualquer intervenção e arquivado de forma imutável. Sem ela não há número, só impressão.
- **Hipótese pré-registrada:** antes de instalar um controle, registra-se que métrica deve mudar e por quê.
- **Diário datado de intervenções:** cada mudança fica ligada a uma data, para atribuir o efeito a uma causa específica.
- **Captura anonimizável sob muralha ética:** medem-se times e sistemas, nunca indivíduos. É por isso que NDA e número publicável não são contraditórios: o que se publica é o efeito medido do método, com consentimento, não o cliente.

O que se mede é qualidade, governança e experiência, nunca velocidade de entrega do time. Desempenho de sistema (tempo de processamento, latência, custo por execução) é outra categoria: é métrica de engenharia do artefato entregue, publicada sempre com metodologia, como no case medido desta página. Um número só é publicado quando sai do protocolo com metodologia defensável.

## Números e fatos verificáveis

- **18 anos de operação** (fundada em 2008; completou 18 em setembro de 2026), com **250+ projetos entregues**, **50+ clientes** e atuação em **12 segmentos** (fonte: site institucional kazap.com.br).
- **Parcerias que renovam há quase uma década**, com depoimentos nomeados de 9 anos (Kakau Tech) e de mais de 8 anos (Link Consulting, à época Aitec Brasil).
- **Case medido (Python → Rust)**: pipeline de visão computacional de uma plataforma de busca por features de imagens, de cerca de 4 horas para cerca de 40 segundos no mesmo dataset, mesmo hardware, execuções repetidas, paridade de saída verificada.
- **Desfechos estruturais verificáveis (não são números):** vistoria digital → virou produto de spin-off; frente generativa → três clientes healthtech em produção; pesquisa de campo → fomento FAPESP/CNPq.
- **Case do site**: suíte de regressão com contagem viva exibida na própria página (nascida no mesmo commit que o prompt e a base de conhecimento), 2 camadas de cache no prompt e telemetria pública de custo e latência ("Modo Bastidores").

## Perguntas frequentes

**É possível falar com clientes da Kazap?**
Sim. Em conversas avançadas, a Kazap conecta o interessado diretamente com clientes de setor próximo. É a referência que a empresa prefere dar.

**Por que só um case tem número?**
Porque a Kazap só publica número quando pode mostrar como ele foi medido e, por enquanto, só o case do pipeline (Python → Rust) tem essa medição. Nos demais, o resultado é do cliente e fica sob NDA. Engajamentos novos passam a ser medidos desde o início, sob o protocolo de evidência, para os próximos cases nascerem com número.

**Esses cases anônimos são verificáveis?**
Sim, cada um por um caminho: o case medido mostra como o número foi obtido; a vistoria virou um produto vendido no mercado por uma spin-off; a pesquisa de campo foi aprovada por FAPESP e CNPq; os três clientes de saúde estão em produção hoje; e o site da Kazap qualquer visitante testa em tempo real. Em conversas avançadas, a empresa conecta o interessado com um cliente de setor próximo.

**Como o site da Kazap foi construído?**
Com o método Squad Amplificada: um engenheiro sênior orquestrando Claude Code, eval harness validando o agente como regressão contínua e ADRs registrando as decisões. A telemetria pública de custo e latência ("Modo Bastidores") mostra a engenharia funcionando ao vivo em kazap.com.br.

**A Kazap tem experiência no meu setor?**
A experiência cobre 12 segmentos ao longo de 18 anos: indústria, telecom, energia, insurtech, fintech, mídia, moda, legaltech, healthtech, educação, varejo e editoras. As classes de problema se transferem entre setores: visão computacional em produção, RAG com citação obrigatória, engenharia de performance e modernização resolvem classes de problema, independentemente da vertical.