Empresas de inteligência artificial no Brasil: o mapa

Procurar "empresas de inteligência artificial no Brasil" devolve uma lista que mistura coisas incomparáveis: uma big tech com data center em São Paulo, uma consultoria global, uma startup de quinze pessoas treinando modelos em português e uma agência que começou a vender "automação com IA" no semestre passado. Todas usam as mesmas palavras. Nenhuma entrega a mesma coisa.

Este texto não é um ranking. É um mapa. A pergunta que ele responde não é "quem é a maior", e sim "que tipo de empresa resolve o meu problema". Confundir as duas é a origem da maior parte dos projetos de IA que morrem na fase de piloto.

O ecossistema brasileiro se organiza em camadas: quem fornece infraestrutura e modelos, quem integra isso a sistemas corporativos, quem constrói produto vertical para um setor, quem organiza o dado antes de qualquer modelo funcionar e quem aplica tudo na ponta comercial — marketing, presença digital, atendimento.

Um aviso sobre método: você não vai encontrar aqui faturamento, valuation ou participação de mercado. Esses números envelhecem em meses e circulam sem fonte. O que descrevo é o que cada empresa faz — informação verificável e mais útil para quem vai contratar. Se você procura a lista das empresas mais relevantes do setor, ela está em Maiores empresas de IA do Brasil. Aqui o objetivo é entender o território e sair com critério de escolha.

Por que "empresa de IA" virou um termo elástico

Quase toda empresa de tecnologia hoje pode se chamar de empresa de IA sem mentir tecnicamente. Um ERP com assistente de texto, uma agência que usa gerador de imagens, um banco que roda modelo de risco há vinte anos: todos usam inteligência artificial, e todos usam a expressão de maneira diferente. É o efeito de a IA ter deixado de ser produto para virar uma camada que atravessa softwares, processos e decisões.

O problema aparece na contratação, quando "trabalhamos com IA" descreve tanto quem treina modelo quanto quem assina uma licença mensal. Por isso o mapa abaixo separa as empresas por função, não por tamanho.

O mapa do ecossistema brasileiro

Big techs e nuvens com operação no país

É a camada de baixo: capacidade computacional, serviços gerenciados e acesso aos grandes modelos. Amazon Web Services, Microsoft Azure, Google Cloud e Oracle operam infraestrutura de nuvem em território brasileiro. A IBM tem presença antiga no mercado corporativo do país e leva sua plataforma de IA a clientes de grande porte. Já os laboratórios que treinam os modelos de fronteira — OpenAI, Anthropic, a própria Google — chegam ao Brasil sobretudo por API e pelos catálogos dessas nuvens. Aqui se resolve infraestrutura, não processo de negócio.

Consultorias, integradoras e fábricas de software

É a camada que traduz tecnologia em sistema funcionando dentro de uma empresa que já tem ERP, CRM, legado e política de segurança. Accenture, Deloitte, EY, KPMG e PwC mantêm operações brasileiras com práticas dedicadas a dados e IA. Do lado nacional, a Stefanini é uma multinacional brasileira de serviços de tecnologia; a CI&T, de Campinas, é uma companhia de engenharia digital listada na bolsa de Nova York; e a TOTVS, listada na B3, é uma das maiores desenvolvedoras brasileiras de software de gestão. Thoughtworks e Compass UOL também atuam nesse território. É a camada certa para projetos grandes, com muitos sistemas e governança formal — o contraponto é custo e prazo.

Startups de IA aplicada: saúde

Aqui a IA vira produto vertical, treinado sobre um dado específico. A Laura, de Curitiba, aplica inteligência artificial ao monitoramento de risco clínico em hospitais, com a proposta de apoiar equipes na identificação precoce de deterioração de pacientes. A Portal Telemedicina combina telemedicina e apoio algorítmico à emissão de laudos. Grandes grupos hospitalares e de diagnóstico mantêm núcleos próprios de ciência de dados.

Startups de IA aplicada: jurídico

O direito brasileiro produz um volume gigantesco de texto estruturado, terreno natural para modelos de linguagem. O Jusbrasil é uma das maiores plataformas de informação jurídica do país e incorpora busca e análise assistidas por IA; a Looplex trabalha automação de documentos jurídicos. A pergunta relevante aqui não é se o modelo escreve bem, e sim se ele cita corretamente — jurisprudência inventada é o erro clássico da categoria.

Startups de IA aplicada: agronegócio

É a vertical em que o Brasil tem mais vantagem estrutural: dado abundante e retorno mensurável em produtividade. A Solinftec desenvolve monitoramento de lavoura e equipamentos autônomos com visão computacional; a Agrosmart trabalha inteligência climática e de irrigação; a Agrotools atua com dados geoespaciais aplicados a risco e conformidade no campo. O diferencial dessas empresas raramente é o modelo: é a base de dados agronômicos que levaram anos construindo.

Startups de IA aplicada: varejo e atendimento

A VTEX é uma plataforma brasileira de comércio digital com ações na bolsa de Nova York. A Take Blip, de Belo Horizonte, construiu uma plataforma de comunicação conversacional usada por empresas brasileiras em atendimento por WhatsApp, e a Zenvia atua no mesmo território de experiência do cliente. Marketplaces e grandes varejistas, como Mercado Livre e Magazine Luiza, comunicam publicamente o uso de aprendizado de máquina em recomendação, logística e operação.

Startups de IA aplicada: financeiro

O setor financeiro usa modelos estatísticos para crédito e fraude há décadas, o que o torna o mais maduro e o menos deslumbrado. A ClearSale é uma empresa brasileira de prevenção a fraude baseada em modelos de decisão; a Neurotech, de Recife, atua em decisão de crédito com IA e passou a integrar o grupo B3 após aquisição anunciada pela própria bolsa; a idwall trabalha verificação de identidade. Entre as instituições, o Nubank comunica uso intensivo de IA, o Bradesco opera há anos a assistente BIA e o Itaú mantém estrutura própria de ciência de dados.

Dados, modelos e infraestrutura

Camada menos visível e mais decisiva. Empresas de engenharia de dados e plataformas analíticas — a Semantix é um dos exemplos brasileiros mais citados, empresa que abriu capital no exterior — resolvem o problema que antecede qualquer modelo: dado disperso, sujo e sem dono.

Do lado da pesquisa, a Maritaca AI, nascida no ecossistema da Unicamp, desenvolve modelos de linguagem voltados ao português brasileiro. USP, Unicamp, UFMG e ITA estão entre as instituições que abastecem o mercado de pesquisadores, o LNCC opera o supercomputador Santos Dumont e o governo federal lançou um plano nacional de inteligência artificial. Na infraestrutura física, operadoras como a Scala Data Centers anunciam capacidade para cargas de IA no país.

Agências que aplicam IA em marketing e presença digital

É a camada mais próxima da receita e a que mais sofre com o inflacionamento do termo. Usar um gerador de texto para produzir post não é aplicar IA em marketing: é economizar tempo de redação. Aplicar IA em presença digital é reorganizar como a marca é encontrada, interpretada e recomendada num ambiente em que boa parte das buscas termina numa resposta gerada por modelo.

A Agência Wys, de Sorocaba, opera nessa camada com o BrainPilot, sua consultoria de inteligência artificial empresarial. A lógica não é entregar ferramenta, e sim percorrer cinco etapas: exame da operação, diagnóstico de gargalos e maturidade, arquitetura do ecossistema de agentes e bases de conhecimento, implementação conectada aos sistemas que a empresa já usa e evolução contínua. O objetivo é tornar a organização AI Native, não apenas usuária de IA. À frente dele está Paul Gomes, fundador e CEO do Grupo Wys. Para comparar abordagens de consultoria, há um panorama em as principais empresas de consultoria em IA.

Como escolher: as perguntas que revelam maturidade

Nenhuma categoria acima é melhor que a outra, e o erro quase sempre é de categoria, não de fornecedor: uma integradora global para automatizar um fluxo de atendimento, ou uma agência pequena para reestruturar dado corporativo. Antes de olhar portfólio, defina em qual camada mora o seu problema.

As perguntas que separam quem entrega de quem apresenta

• Que problema parecido com o meu vocês já resolveram, e com que resultado?
• Quem é dono do modelo, dos prompts, dos dados e do código quando o contrato terminar?
• Onde os dados vão trafegar e ficar armazenados, e o que isso significa diante da LGPD?
• Qual métrica de negócio muda, em quanto tempo e como vamos medir?
• O que acontece quando o modelo erra? Existe revisão humana e rastreabilidade?
• Quanto custa operar isso por mês depois de implantado, e não apenas implantar?
• Quem mantém o sistema quando o modelo usado hoje for descontinuado?

A última é a mais reveladora. Modelos mudam de versão em um ritmo que nenhum software corporativo já teve, e quem nunca pensou nisso está vendendo projeto, não operação.

Sinais de maturidade real

• Fala de dados antes de falar de modelo
• Faz diagnóstico antes de mandar proposta
• Aceita começar por um escopo pequeno com métrica clara
• Explica em que situações a IA não é a resposta
• Mostra a arquitetura: por onde o dado entra, onde fica, quem aprova o quê
• Tem posição formada sobre governança e risco, não só sobre ferramenta
• Sabe estimar o custo de operação, não só o de implantação

Sinais de discurso

• Demonstração que só funciona com os dados da própria demonstração
• Promessa de percentual de ganho antes de olhar sua operação
• Resposta "colocamos um agente nisso" para qualquer pergunta
• Nenhuma pergunta sobre seus processos na primeira conversa
• Proposta fechada em dois dias para um gargalo de anos

Usar IA e ser AI Native não são a mesma coisa

Usar IA é acoplar uma ferramenta inteligente a um processo que continua o mesmo. O ganho é real, local e limitado pelo desenho antigo: o time escreve mais rápido, o analista resume relatório em menos tempo. A estrutura não muda.

Ser AI Native é redesenhar o processo partindo do princípio de que existe inteligência disponível o tempo todo. No atendimento a diferença fica clara: usar IA é colocar um bot na frente da mesma fila; ser AI Native é refazer o fluxo para que a maior parte das solicitações se resolva sem fila, com o humano entrando onde há decisão, exceção ou relação. Isso muda o que se deve exigir de um fornecedor.

Por onde começar

O ecossistema brasileiro amadureceu rápido, mas de forma desigual: profundidade real em agro, crédito e fraude, produto sólido em saúde e jurídico, infraestrutura em expansão e uma faixa larga de fornecedores cuja principal competência ainda é a apresentação de slides. Este mapa não ordena ninguém por tamanho; se a comparação por porte for útil, o levantamento das maiores empresas de IA do Brasil cumpre melhor esse papel.

A boa notícia é que a triagem não exige conhecimento técnico. Exige clareza sobre o próprio problema e disposição para fazer sete perguntas incômodas — empresas maduras respondem a todas sem desconforto.

Se a sua dúvida hoje é em qual camada mora o seu problema, esse já é um bom ponto de partida — e é o tipo de conversa que abre um trabalho de IA bem feito: entender a operação antes de propor tecnologia. Na Wys esse diagnóstico é a primeira etapa, e dá para começar pela página de contato.