No Nu DS & MLE Meetup #6, realizado pelo Nu M\u00e9xico, tivemos a oportunidade de ouvir Mois\u00e9s Rojo, f\u00edsico e cientista de dados com mais de 12 anos de experi\u00eancia. Sua trajet\u00f3ria no Nu passa por diferentes marcos: ele foi respons\u00e1vel pelos primeiros modelos de cr\u00e9dito no M\u00e9xico, liderou a constru\u00e7\u00e3o da infraestrutura global de aprendizado de m\u00e1quina para aumento de linhas e hoje dirige a \u00e1rea de Ci\u00eancia de Dados em Cobran\u00e7a a n\u00edvel global. <\/p>\n\n\n\n
Antes de chegar ao Nu, atuou como diretor de inova\u00e7\u00e3o em ci\u00eancia de dados na Kantar e tamb\u00e9m colaborou com ve\u00edculos de imprensa em projetos de jornalismo de dados. No encontro, Mois\u00e9s compartilhou uma vis\u00e3o que vai al\u00e9m da t\u00e9cnica e mergulha em algo mais profundo: a cultura de dados e intelig\u00eancia artificial que sustenta o Nubank. <\/p>\n\n\n\n
Mais do que algoritmos e modelos, \u00e9 essa filosofia que cria vantagem competitiva, permitindo que a empresa simplifique a vida de milh\u00f5es de clientes de forma radicalmente diferente.<\/p>\n\n\n\n
A tese central do Nubank \u00e9 clara: tecnologia gera efici\u00eancia, e essa efici\u00eancia retorna para os clientes na forma de produtos melhores e pre\u00e7os mais justos. Mas, dentro do campo da ci\u00eancia de dados, a tecnologia se traduz em sistemas de decis\u00e3o. Cada escolha feita ao longo da jornada do cliente, desde a an\u00e1lise inicial para conceder um cart\u00e3o at\u00e9 a defini\u00e7\u00e3o de estrat\u00e9gias de cobran\u00e7a, \u00e9 apoiada por modelos de machine learning.<\/p>\n\n\n\n
Esses modelos atuam de maneira invis\u00edvel, mas decisiva. Ao solicitar um cart\u00e3o, por exemplo, \u00e9 a intelig\u00eancia artificial que estima o risco de cr\u00e9dito, define limites e aprova a proposta em segundos, sem a necessidade de burocracia ou interven\u00e7\u00e3o humana. A mesma l\u00f3gica vale para a detec\u00e7\u00e3o de fraudes, garantindo seguran\u00e7a logo no primeiro contato com o cliente.<\/p>\n\n\n\n
Uma vez ativado, esse relacionamento evolui com o suporte de dados. Perguntas enviadas pelo aplicativo s\u00e3o respondidas com rapidez gra\u00e7as ao uso de processamento de linguagem natural. Se for necess\u00e1rio falar com uma pessoa, o sistema direciona automaticamente ao atendente mais adequado. A mesma intelig\u00eancia que aprova cr\u00e9dito ou identifica fraudes tamb\u00e9m personaliza o atendimento.<\/p>\n\n\n\n
E \u00e0 medida que o cliente amadurece no uso do cart\u00e3o, os modelos continuam atuando: eles analisam padr\u00f5es de uso, calculam a probabilidade de inadimpl\u00eancia e ajudam a definir quando e como aumentar o limite de cr\u00e9dito. At\u00e9 mesmo a cobran\u00e7a se torna uma experi\u00eancia menos traum\u00e1tica, com estrat\u00e9gias adaptadas \u00e0 realidade de cada pessoa. Essa mesma filosofia \u00e9 aplicada a outros produtos, como empr\u00e9stimos pessoais. Em todas as etapas, a tecnologia est\u00e1 ali para reduzir a complexidade e devolver tempo ao cliente.<\/p>\n\n\n\n
Para que tudo isso seja poss\u00edvel, existe uma engrenagem invis\u00edvel, sustentada por equipes multidisciplinares e uma plataforma de dados robusta.<\/p>\n\n\n\n
Engenheiros de dados transformam bilh\u00f5es de eventos em conjuntos acion\u00e1veis de informa\u00e7\u00e3o. Engenheiros de machine learning garantem que modelos sejam escal\u00e1veis e possam ser aplicados em larga escala. Cientistas de dados desenvolvem predi\u00e7\u00f5es a partir desses conjuntos, enquanto analistas de neg\u00f3cio traduzem predi\u00e7\u00f5es em impacto financeiro concreto.<\/p>\n\n\n\n
Esse modelo, baseado em squads multidisciplinares que s\u00e3o donos de ponta a ponta de suas solu\u00e7\u00f5es, elimina barreiras tradicionais entre \u00e1reas. N\u00e3o h\u00e1 um time de tecnologia isolado e distante: todos trabalham juntos para transformar dados em produtos que fazem diferen\u00e7a real na vida dos clientes.<\/p>\n\n\n\n
Se a tecnologia oferece a base, \u00e9 a cultura que molda a forma como constru\u00edmos e operamos esse ecossistema. Mois\u00e9s falou uma frase que resume bem esse esp\u00edrito: \u201ca cultura \u00e9 o que fazemos quando ningu\u00e9m est\u00e1 olhando\u201d.<\/p>\n\n\n\n
No Nubank, nossas escolhas arquiteturais em dados refletem diretamente nossos valores. Em vez de centralizar tudo em um \u00fanico time, optamos por um modelo de Data Mesh, em que cada equipe \u00e9 dona de seus dom\u00ednios e tem autonomia para construir e remodelar. Essa descentraliza\u00e7\u00e3o aumenta a responsabilidade, mas tamb\u00e9m potencializa a inova\u00e7\u00e3o, pois d\u00e1 a cada squad liberdade para ajustar e evoluir seus pr\u00f3prios produtos de dados.<\/p>\n\n\n\n
Autonomia, por\u00e9m, n\u00e3o \u00e9 sin\u00f4nimo de desordem. Ao mesmo tempo em que estimulamos a independ\u00eancia, constru\u00edmos cat\u00e1logos e padr\u00f5es de governan\u00e7a que permitem compartilhar features, dados e boas pr\u00e1ticas entre times. Dessa forma, cada contribui\u00e7\u00e3o fortalece n\u00e3o apenas um produto, mas todo o ecossistema, criando um efeito de interesse composto que multiplica valor para o neg\u00f3cio.<\/p>\n\n\n\n
Outro pilar \u00e9 a efici\u00eancia inteligente. Em vez de limitar recursos, preferimos dar visibilidade e responsabilidade sobre custos. Acreditamos que quem est\u00e1 mais pr\u00f3ximo do problema \u00e9 quem tem melhores condi\u00e7\u00f5es de decidir. Isso significa confiar que cada nubanker vai buscar efici\u00eancia com intelig\u00eancia, sabendo equilibrar economia com impacto.<\/p>\n\n\n\n
A combina\u00e7\u00e3o de tecnologia robusta com cultura forte gera impacto em uma escala impressionante: s\u00e3o mais de 100 modelos de machine learning em produ\u00e7\u00e3o apenas no \u00faltimo ano, mais de 30 petabytes de dados processados, 1 bilh\u00e3o de eventos ingeridos mensalmente e uma rede de 200 cientistas de dados que trabalham globalmente. Tudo isso para apoiar mais de 122 milh\u00f5es de clientes.<\/p>\n\n\n\n
Esses n\u00fameros n\u00e3o s\u00e3o apenas m\u00e9tricas t\u00e9cnicas: representam decis\u00f5es automatizadas que evitam burocracia, reduzem a ansiedade financeira e permitem que pessoas usem melhor seu tempo e seu dinheiro.<\/p>\n\n\n\n
Ao encerrar sua fala, Mois\u00e9s refor\u00e7ou que a tecnologia \u00e9 a alavanca que permite escalar o impacto do Nubank. Mas \u00e9 a cultura, expressa nos valores, nas escolhas de arquitetura e na forma como confiamos nas equipes, que transforma essa tecnologia em uma verdadeira vantagem competitiva.<\/p>\n\n\n\n
O que diferencia o Nubank n\u00e3o \u00e9 apenas a ado\u00e7\u00e3o de machine learning ou de intelig\u00eancia artificial, mas a maneira como valores, pessoas e plataformas se combinam para criar produtos financeiros radicalmente diferentes. Produtos que simplificam a vida dos nossos clientes e tornam a rela\u00e7\u00e3o com o dinheiro mais justa e transparente.<\/p>\n\n\n\n
No fim das contas, \u00e9 isso que nos move: usar dados e intelig\u00eancia artificial n\u00e3o como fim em si mesmos, mas como instrumentos de transforma\u00e7\u00e3o para milh\u00f5es de pessoas.<\/p>\n\n\n\n