Fabio Cozman, Bruno Sanches e Daniel Avancini — o estado e os caminhos da IA brasileira
"A IA pode, com limites, melhorar condições de vida e produtividade no Brasil." (Fabio Cozman, Jornal da USP)
O essencial em 30 segundos
A IA brasileira não é uma coisa só. Ela existe em três planos que raramente conversam, e o futuro do país nesse jogo depende de fazê-los conversar. Há a academia, que produz pensamento, gente formada e a moldura ética e regulatória — personificada aqui por Fabio Cozman, da USP, um dos maiores nomes acadêmicos de IA do país. Há a indústria aplicada, onde a IA vira chão de fábrica, diagnóstico e processo produtivo — território do ecossistema SENAI CIMATEC e de pesquisadores como Bruno Sanches, que trabalham na fronteira entre pesquisa e manufatura. E há a aplicação de dados no mercado, onde a IA só vale o que os dados por baixo dela valem — terreno de Daniel Avancini, cofundador da Indicium, que construiu um negócio inteiro em torno da ideia de que dados bem geridos são o pré-requisito de qualquer IA séria.
A tese deste ensaio: o Brasil tem talento e instituições suficientes para ser fonte de gente, parceria e tecnologia de verdade — desde que se entenda que academia, indústria e aplicação são elos de uma mesma corrente, não silos. Para quem opera um portfólio brasileiro de energia, mobilidade e software, esse ecossistema não é assunto distante; é o pool de talento e o repertório de parceria que viabilizam IA em produção com rigor.
Quem são
Fabio Cozman. Fábio Gagliardi Cozman é professor titular da Escola Politécnica da USP, no Departamento de Engenharia Mecatrônica, ligado à instituição desde 1990 e professor titular desde 2007. Formou-se em Engenharia Elétrica pela USP (1989), fez mestrado na USP (1991), doutorado na Carnegie Mellon University (1997) e livre-docência na USP (2003). É diretor do C4AI — o Centro de Inteligência Artificial USP/IBM/FAPESP. Sua pesquisa de longa data está em raciocínio probabilístico e linguagens para modelagem probabilística sobre domínios estruturados e relacionais; mais recentemente, é uma das vozes centrais em ética, política e estratégia de IA no Brasil, tendo se envolvido com a Estratégia Brasileira de Inteligência Artificial. Organizou, com Guilherme Ary Plonski e Hugo Neri, o e-book Inteligência Artificial: Avanços e Tendências, reunindo pesquisadores brasileiros sobre o estado da arte da IA.
Bruno Sanches. Aqui a honestidade intelectual exige cautela: as fontes públicas individuais sobre Bruno Sanches são escassas e há mais de uma pessoa com nome parecido na base de pesquisadores (FAPESP, USP, CIMATEC). O que é verificável e relevante é o contexto em que esse nome aparece: o da IA aplicada à indústria no eixo SENAI CIMATEC / USP. O SENAI CIMATEC sedia um dos Centros de Pesquisas Aplicadas em Inteligência Artificial (CPA-IA) voltados ao desenvolvimento da Indústria 4.0 no Brasil, em parceria com a rede ISI e com instituições como o CeMEAI/ICMC-USP. É um polo que faz IA aplicada real — por exemplo, desenvolveu, com tecnologia NVIDIA, um algoritmo de deep learning para detectar pneumonias associadas à COVID-19. Em vez de inventar cargos ou biografia, vou tratar Bruno Sanches como representante desse plano: o do engenheiro-pesquisador que coloca IA no chão da manufatura e da saúde brasileira. A contribuição verificável é a do ecossistema; o nome ancora esse plano sem que eu fabrique dados sobre a pessoa.
Daniel Avancini. Daniel Avancini é cofundador e Chief Data Officer da Indicium, consultoria de dados e IA que nasceu em Florianópolis, Santa Catarina, e hoje tem presença nos EUA e na América Latina. Tem formação em economia e especializou-se em construir stacks modernos de analytics e soluções avançadas de dados. A Indicium é referência no chamado modern data stack — ajuda empresas a adotar ferramentas como o dbt há cerca de sete anos — e tem uma marca de origem peculiar: em vez de só contratar gente experiente, apostou em formar do zero, criando um pipeline de talento que levou centenas de profissionais brasileiros do zero ao avançado. Avancini é uma voz pública frequente sobre o que muda (e o que não muda) com a chegada da IA generativa para quem vive de dados.
A grande contribuição
A contribuição conjunta desses três planos é mostrar que IA no Brasil é uma cadeia, e cada elo resolve um problema que os outros não resolvem.
Cozman e a academia entregam o que o mercado sozinho não entrega: pensamento de longo prazo, formação de gente, e a moldura ética e regulatória. A pesquisa em raciocínio probabilístico que ele cultivou por décadas é exatamente o tipo de fundamento que não dá retorno trimestral mas sustenta tudo o que vem depois. E a liderança dele no C4AI e na estratégia nacional dá ao país uma voz própria — em vez de só importar regulação e prática prontas.
O ecossistema de IA aplicada à indústria — CIMATEC, CeMEAI, pesquisadores como Sanches — entrega a tradução para o chão de fábrica. É onde a IA deixa de ser paper e vira detecção de defeito, manutenção preditiva, diagnóstico. É o elo que prova que a IA brasileira não é só discurso de universidade nem hype de startup: é processo produtivo.
Avancini e a Indicium entregam o elo silencioso e decisivo: os dados. Toda IA, por mais sofisticada, é refém da qualidade do dado embaixo. A grande contribuição prática de Avancini foi industrializar essa verdade no Brasil — construir uma empresa em torno do modern data stack e, mais importante, formar talento brasileiro em escala para operá-lo. Sem esse elo, academia e indústria não chegam ao mercado.
Juntos, os três desenham o caminho: pensamento e gente (academia) → aplicação setorial (indústria) → fundação de dados e entrega (mercado). É essa corrente, e não nenhum elo isolado, que define o futuro da IA brasileira.
As ideias-chave
1. IA útil tem limites, e nomear os limites é parte do trabalho (Cozman)
A frase de Cozman — a IA pode, com limites, melhorar a vida e a produtividade — é deliberadamente sóbria. Ele insiste que o trabalho sério inclui "garantir que o computador tome uma decisão de forma clara, interpretável e transparente" e "garantir que um sistema artificial não tomará decisões que são discriminatórias". Isso é o oposto do hype: é tratar IA como tecnologia poderosa e falível, que precisa de transparência, controle de viés e proteção de privacidade.
Para o portfólio: um agente que sugere ações a gestores ou um modelo que decide pricing precisa ser interpretável e auditável. "A IA recomendou" não é justificativa aceitável diante de um cliente B2B ou de um regulador. Cozman dá a linguagem para exigir isso.
2. IA aplicada à indústria é onde o Brasil tem vantagem concreta (eixo CIMATEC/Sanches)
O plano da indústria mostra que o diferencial brasileiro pode estar menos em treinar o maior modelo e mais em aplicar IA a problemas industriais reais — manufatura, energia, saúde — onde temos escala, dados próprios e necessidade. O CPA-IA do CIMATEC existe exatamente para puxar IA para a Indústria 4.0. O caso do algoritmo de deep learning para COVID, com infraestrutura NVIDIA, é prova de conceito de que dá para fazer IA aplicada de ponta em solo nacional.
Para o portfólio de energia e mobilidade: a manutenção preditiva de eletropostos, a detecção de anomalia em operação de postos, a otimização logística — tudo isso é IA industrial aplicada, exatamente o tipo de problema que esse ecossistema sabe atacar e onde há gente formada para contratar e parceiros para colaborar.
3. Sem dados bons, não há IA — só confiança mal colocada (Avancini)
Avancini é direto: "Without data, companies are essentially testing their products and services blindly." E sobre a era da IA: "AI has incentivized companies around the world to value data in their business models even more now than before" — mas "the core need for companies to have good quality data and the tools to manage and harness their data remains the same." Ou seja, a IA generativa não aboliu o trabalho de dados; tornou-o mais urgente.
No portfólio, isso é a base de qualquer agente de IA no SaaS B2B: antes de qualquer modelo, é preciso a fundação de dados — pipelines confiáveis, dados limpos, governança. O modern data stack não é luxo de empresa grande; é o pré-requisito para a IA não mentir com confiança.
4. Formar talento é estratégia, não custo (Avancini / academia)
Há um fio comum entre Cozman e Avancini: ambos investem em formar gente. A USP/C4AI forma pesquisadores; a Indicium formou centenas de profissionais de dados partindo do zero, em vez de disputar os poucos seniores do mercado. Essa é talvez a lição mais transferível para um operador: num país com escassez de talento sênior em IA, quem constrói pipeline de formação interna ganha vantagem composta.
Para o SaaS B2B: o caminho mais sustentável de equipe de IA pode não ser caçar seniores raros, e sim recrutar dos polos brasileiros (USP, CIMATEC, egressos da Indicium) e formar internamente — exatamente o playbook que a Indicium provou funcionar.
5. O Brasil precisa de voz própria, não só de importação (Cozman / estratégia nacional)
Cozman aponta a Estratégia Brasileira de IA como "um documento substancial" que aborda indústria, saúde e legislação — mas também é franco sobre o calcanhar de aquiles: "O documento foi lançado, mas ainda não tem investimentos específicos, valores específicos, datas bem definidas". A lição é dupla: o Brasil já tem pensamento e plano; falta execução e recurso. É um país que sabe o que fazer e precisa fazer.
Em suas palavras
"A IA pode, com limites, melhorar condições de vida e produtividade no Brasil." (Fabio Cozman, Jornal da USP)
"Garantir que o computador tome uma decisão de forma clara, interpretável e transparente." (Fabio Cozman, sobre os princípios da estratégia de IA, Jornal da USP)
"O documento foi lançado, mas ainda não tem investimentos específicos, valores específicos, datas bem definidas." (Fabio Cozman, sobre a Estratégia Brasileira de IA, Jornal da USP)
"Without data, companies are essentially testing their products and services blindly and run the risk of repeating the same errors." (Daniel Avancini, Center for Data Innovation)
"AI has incentivized companies around the world to value data in their business models even more now than before." (Daniel Avancini, Center for Data Innovation)
"Adopting a data-driven culture is crucial for organizations to make fewer mistakes and achieve their goals more efficiently." (Daniel Avancini, Center for Data Innovation)
Limites e críticas
A fragmentação é real. A própria estrutura deste ensaio — três planos que "raramente conversam" — é a crítica. A academia brasileira produz gente que muitas vezes emigra; a indústria aplicada vive de editais e parcerias institucionais; o mercado de dados puxa talento para fora ou para multinacionais. A corrente existe no papel mais do que na prática, e fechar esses elos é trabalho político e econômico, não técnico.
O gargalo é execução e capital, não ideias. A franqueza de Cozman sobre a estratégia sem "valores específicos, datas bem definidas" vale para o ecossistema todo. O Brasil tem pensamento de primeira linha e escassez crônica de capital de risco, infraestrutura de compute e continuidade de política pública. Sem isso, talento formado vira exportação.
Sobre Bruno Sanches, transparência total. Como avisei, as fontes individuais públicas são escassas e ambíguas. Não atribuí a ele cargos, falas ou feitos específicos que eu não pudesse verificar. Tratei-o como ancoragem de um plano — o da IA industrial aplicada no eixo CIMATEC/USP — cuja existência e relevância são verificáveis. Quem precisar de biografia precisa fará bem em consultar diretamente os perfis institucionais; este ensaio não preenche essa lacuna com invenção.
Risco de otimismo nacionalista. É tentador, escrevendo do Brasil, superestimar o ecossistema. A verdade equilibrada: temos ilhas de excelência (USP/C4AI, CIMATEC, Indicium) num oceano de subinvestimento. A vantagem é real mas frágil, e depende de escolhas que ainda não foram feitas.
Como aplicar no seu dia a dia
1. Trate dados como fundação, à la Avancini. Antes de qualquer agente de IA num negócio, a casa dos dados precisa estar em ordem: pipelines confiáveis, governança, qualidade. O modern data stack (dbt e afins) que a Indicium popularizou no Brasil é o ponto de partida técnico — IA sobre dados ruins é passivo, não ativo.
2. Recrute e forme nos polos brasileiros. O ecossistema (USP, CIMATEC, egressos Indicium) é pool de talento e fonte de parceria para qualquer iniciativa de IA. O playbook de formar do zero, provado pela Indicium, é o mais realista num mercado de escassez de seniores.
3. Exija interpretabilidade, à la Cozman. Todo modelo que decide pricing ou todo agente que sugere ação carrega o ônus de ser transparente, auditável e livre de viés — não por idealismo, mas porque é o que cliente B2B e regulador vão cobrar. Cozman dá a moldura ética para projetar isso desde o início.
4. Mire IA aplicada, não IA de vitrine, à la CIMATEC. A vantagem competitiva está em problemas industriais concretos — manutenção preditiva de equipamentos, detecção de anomalia em operação, otimização logística — exatamente o terreno da IA aplicada brasileira. Busque parceria com centros de pesquisa aplicada em vez de tentar reinventar tudo internamente.
5. Pense o Brasil como fonte de parceria, não só de mão de obra barata. A leitura estratégica: este ecossistema é parceiro de P&D em potencial. Aproximar-se de C4AI/CIMATEC para projetos aplicados pode dar acesso a talento, método e credibilidade que uma operação privada não constrói sozinha.
Para ir além
Comece por: o e-book gratuito Inteligência Artificial: Avanços e Tendências (org. Fabio Cozman, Guilherme Ary Plonski, Hugo Neri — IEA-USP/C4AI), panorama multidisciplinar do estado da IA no Brasil.
Depois: a Estratégia Brasileira de Inteligência Artificial e a cobertura do Jornal da USP sobre as falas de Cozman — para entender a moldura ética e regulatória nacional; e os materiais públicos da Indicium sobre modern data stack e dbt, para a camada de dados.
Avançado: as publicações de Cozman em raciocínio probabilístico (sites.poli.usp.br/p/fabio.cozman) e os projetos de IA aplicada à indústria do CPA-IA / SENAI CIMATEC — onde a fronteira de pesquisa encosta na manufatura brasileira real.
Conexões no vault
- IA e Tecnologia — área-mãe deste estudo
- chip-huyen — o rigor de engenharia de IA em produção que dá forma técnica ao que Avancini prega sobre dados e ao que Cozman exige sobre confiabilidade
- Temas-ponte: modern data stack, governança de dados, IA aplicada à indústria, ética e interpretabilidade de IA, talento de IA no Brasil para o SaaS B2B do portfólio