Há mais de quatro anos, ao iniciar sua trajetória em um dos maiores bancos multilaterais de desenvolvimento do mundo, Guilherme Cunha Lima não imaginava que construiria uma carreira capaz de romper com os caminhos profissionais tradicionais.
Formado em Ciências Políticas e com mestrado em Administração Pública, Guilherme atuou em áreas analíticas e diretamente conectadas à produção de conhecimento da instituição. A mudança de rumo aconteceu em um contexto em que o avanço da inteligência artificial passou a exigir que grandes organizações revisassem seus métodos de pesquisa, confiabilidade e eficiência.
“A maioria das pessoas que hoje trabalham com IA vêm de carreiras técnicas. Eu percorri o caminho oposto”, revela ele. Sem formação formal em programação e com contato apenas pontual com linguagens de código na universidade, ele ingressou no campo tecnológico a partir de uma demanda concreta do próprio banco.
Como pensou na criação do sistema com IA para pesquisas
A equipe identificou que, apesar do avanço dos modelos de linguagem generativa, ferramentas comerciais como o ChatGPT não atendiam aos critérios institucionais por falta de transparência, rastreabilidade, rigor metodológico e confiança (pilares fundamentais para uma organização reconhecida globalmente por seu padrão de qualidade em pesquisa).
Diante desse cenário, Guilherme assumiu, há pouco mais de um ano, o desafio de investigar como a inteligência artificial poderia acelerar processos de pesquisa sem comprometer a integridade técnica das análises. O que começou como um experimento se transformou em um dos projetos mais inovadores da instituição: a criação de um pipeline de IA capaz de produzir estudos complexos com confiabilidade superior às ferramentas comerciais mais avançadas do mercado.
O sistema desenvolvido por Guilherme tem como base a arquitetura RAG (Retrieval Augmented Generation), amplamente utilizada na área de IA. O diferencial, porém, foi ir além do padrão, incorporando dois módulos inéditos, desenvolvidos do zero, voltados à auditoria e à correção automática das citações e afirmações geradas pelo modelo.
Na prática, o sistema consegue analisar centenas de documentos originais, produzir pesquisas robustas utilizáveis pelos especialistas do banco e ainda checar, classificar e corrigir cada citação, comparando-a com a fonte original para eliminar imprecisões e alucinações comuns em modelos generativos.
Diferenças dessa IA para outras do mercado
A principal inovação desses módulos adicionais está na capacidade de autoauditoria do modelo, assegurando total fidelidade ao conteúdo original. Os resultados são expressivos. Em testes comparativos com as ferramentas Deep Research (ChatGPT) e Elicit, o pipeline de Guilherme apresentou resultados corretos em mais de 90% dos casos, superando significativamente os dois sistemas, que ficaram na faixa de 70% e 80%, respectivamente.
Em menos de um ano, além de liderar o desenvolvimento do projeto, Guilherme alcançou fluência em programação, utilizando modelos de IA como um meio de aprendizado acelerado. Hoje, sua rotina envolve escrever e revisar código com naturalidade, liderando o pipeline de IA mais confiável já implementado em um dos maiores bancos de desenvolvimento do mundo.
A versão final do projeto, que será apresentada ao banco após mais de um ano de trabalho contínuo, simboliza uma combinação rara entre capacidade analítica, rigor metodológico e adaptação rápida a tecnologias emergentes.
“Consegui unir minha formação em políticas públicas com profundo conhecimento sobre regulação e produção de evidências ao universo da IA, criando um produto que interessa não apenas a bancos multilaterais, mas também a setores altamente regulados, como biofarmacêuticas, energia e empresas sujeitas a compliance federal rigoroso”, acredita ele.
Seus planos profissionais incluem ainda a criação de uma versão personalizada do pipeline para o setor privado, com foco em regulatory intelligence, permitindo que empresas interpretem documentos regulatórios complexos com mais precisão, agilidade e transparência.
