Por meio da IA
IA como ferramenta.
As plataformas, sistemas e softwares sobre os quais tudo o mais se apoia. Trabalho diretamente com eles — configuração, prompting, avaliação, implementação. A camada que torna todo o resto possível.
Construir. Medir. Publicar.
IA em produção é mais difícil do que IA em laboratório. Eu documento a diferença.
Apuna. Notas de campo.
Lidero a implementação de IA numa organização de serviço industrial — agentes de formação por voz, avaliadores LLM, conformidade com o AI Act num ambiente sindicalizado. As questões que isso levanta são as perguntas de pesquisa de um Dr.-Ing. em planeamento. Este site é o lugar onde os métodos e os fracassos aterram entretanto.
Ver no GitHub →Tese de campo
A maioria dos projectos de IA que encontrei no serviço industrial ficou presa na prova de conceito. Isto é o que aprendi sobre os que não ficaram.
O piloto correu. A produção nunca chegou. A diferença é quase sempre a mesma — e não é o algoritmo.
O padrão
O que vejo antes de um projecto ficar preso
- —Projetos de IA presos na prova de conceito — que nunca chegam à produção.
- —Plataformas caras compradas com boa fé — sem suporte, sem SLA quando o primeiro problema real aparece.
- —Dados de máquinas por OPC-UA, Modbus, MQTT que ninguém traduz em decisões.
- —Grandes consultoras que enviam uma equipa de conta — e ninguém com sensibilidade para o chão de fábrica.
- —Sem equipa de IA interna — e sem apetite para o próximo lock-in de fornecedor.
- —Ferramentas que brilham na demonstração e falham no primeiro turno de produção.
O método
O que realmente funciona
A mesma pessoa planeia e constrói.
A abordagem
Sensores a decisões — em produção
Começo pelos dados do sensor. Ligo, traduzo, torno-os acionáveis. Construo sistemas que assumem trabalho operacional real — no chão de fábrica, não apenas num piloto.
O compromisso
Mantido depois da entrega
Continuo envolvido depois da entrega. Não como serviço gerido — como um sistema documentado, open source, que possuis e podes correr. Estou disponível quando o caso de fronteira aparece.
Porque importa
O que o padrão ensina
- ›A mesma pessoa planeia e constrói. Sem passagem entre a pessoa que entende o sistema e a pessoa que o mantém.
- ›Engenharia mecânica, não apenas Python. Traduzo entre o modelo e o chão de fábrica — nos dois sentidos.
- ›A tua infraestrutura, sem lock-in. Neutro quanto ao fornecedor, corre nos teus próprios sistemas. Sem caixa preta — os teus dados e a tua propriedade intelectual ficam contigo.Cada alteração registada e aprovada por um humano.
- ›Evidência de campo antes de decisões de arquitectura. Corro a primeira integração contra dados de produção reais antes de me comprometer com um design. As restrições só aparecem quando o sistema real está na sala.
Uma conversa. Um problema concreto. Uma avaliação honesta.
apuna.dev · Alemanha
Whitepaper
Read the whitepaper / as PDFAI you can audit and run yourself — how I build it.
01 — Como eu trabalho
Como eu trabalho — e onde paro.
IA não é o meu argumento de venda. É a minha forma de trabalhar. Uso-a como infraestrutura, como parceira de raciocínio, pelo que ela torna possível — e sei exatamente onde ela precisa parar.
Com IA
IA como parceira.
Um humano e uma IA raciocinando juntos em direção a um resultado que nenhum dos dois alcançaria sozinho. Fico no circuito. Não delego.
Por causa da IA
IA como porta de entrada.
Trabalho que simplesmente não existia há dois anos — novas perguntas, novos papéis, novos tipos de velocidade. Tento perceber quando é exatamente isso que está a acontecer.
Apesar da IA
IA como limite.
Algumas coisas permanecem humanas. Não por regra, mas porque eu escolho isso cada vez. Sou deliberado sobre onde a IA não pertence.
Registo o que encontro — inclusive o que não funcionou.
07 — A equipa
Como trabalho
Trabalho sozinho — com uma equipa de IA para pensar, conceber e testar. Sem rede de freelancers, sem equipa comercial, sem investidores. O que encontram neste site vem de um único profissional, revisto e aprovado antes de ser publicado.
OS MEUS AGENTES IA
E a equipa IA com que trabalho
São personas de IA — não membros humanos da equipa. Cada resultado que produzem é revisto e aprovado por uma pessoa antes de ser publicado.
A Presidente é a constante — continuidade e visão de longo prazo; a equipa operacional redige, concebe, constrói e testa, com um conselheiro que alarga o círculo. Sou eu que tomo cada decisão.
Equipa central
Consultores
02 — Método
Quatro etapas, sempre nessa ordem — porque a sequência é onde o raciocínio vive.
Análise de Processos
Começo onde o trabalho de facto acontece — com as pessoas que o sustentam. Antes de qualquer ferramenta ser escolhida, mapeio o atrito, rastreio os atalhos e encontro a mudança que desbloqueia dez outras.
Saiba mais
Captura de Conhecimento
A maior parte do que pessoas experientes sabem não está registrada em lugar algum. Eu a trago à tona, estruturo e torno recuperável — para que o próximo técnico às 2h da manhã tenha a resposta que o anterior levou vinte anos para conquistar.
Saiba mais
Automação
Etapas repetitivas que não precisam de uma decisão humana são removidas do caminho das pessoas. Automatizo o que deve ser automatizado e deixo o julgamento onde ele pertence.
Saiba mais
Integração de IA
A IA entra por último, quando o processo já está limpo e o conhecimento já está estruturado. O resultado é um sistema que amplia a capacidade — não um que substitui as pessoas que o construíram.
Saiba mais
Devlog
Métodos e fracassos são documentados conforme acontecem.
Mantenho um registo contínuo do que estou a trabalhar — qual foi a abordagem, o que não funcionou, o que faria diferente. Não são retrospectivas polidas. São notas escritas perto do trabalho, enquanto os detalhes ainda doem.
Ler o devlogAtualizado conforme o trabalho avança
03 — Aberto por padrão
Tudo o que construo é aberto. Tudo o que aprendo é publicado.
O código é Apache-2.0. Os métodos são documentados. Os fracassos aparecem ao lado dos sucessos. Não é política — é o que mantém a pesquisa honesta.
Apache-2.0
Tudo o que construo para este trabalho é licenciado como Apache-2.0. Leia, faça fork, corra, construa em cima. Sem amarras, sem dependência progressiva, sem núcleo fechado escondido.
Métodos, não só resultados
Publico a abordagem junto com o resultado. Um achado sem método é só uma anedota. O devlog e as publicações de pesquisa mostram o raciocínio, não apenas a conclusão.
Fracassos documentados
O que não funciona é tão importante quanto o que funciona — às vezes mais. Registo os fracassos para que um colega que leia isto daqui a um ano não precise de repetir os mesmos erros.
O conhecimento fica aberto
Nada do que aprendo neste trabalho desaparece por detrás de um relatório pago ou de um contrato de consultoria. Se é útil para outros, pertence ao espaço aberto. Esse é o sentido de fazer isto publicamente.
05 — Como penso sobre responsabilidade
As regras pelas quais trabalho. Nenhuma ambiguidade sobre quem decide.
Pensei cuidadosamente sobre onde o output da IA termina e onde o julgamento humano começa. Não são isenções de responsabilidade. São os princípios pelos quais realmente projeto.
Uma pessoa decide — sempre
Todo o resultado com que trabalho chega eventualmente a um ponto de decisão humano. Projeto para isso. A IA ajuda; não decide. Este é um princípio que mantenho antes de ser uma exigência.
A responsabilidade segue o design
O AI Act europeu traça uma linha clara entre quem constrói um sistema de IA e quem o implanta. Levo essa linha a sério — não como obrigação de conformidade, mas como problema de design. É a questão de investigação em torno da qual estou a planear um projeto de doutoramento.
“Carrego o design. A decisão é tua.”
06 — Sobre mim
Quem sou.
Formação em engenharia, prática de campo
M.Sc. Wirtschaftsingenieurwesen (engenharia e gestão), TH Mannheim, 2015. Lidero a implementação de IA numa organização de serviço industrial — agentes de formação por voz, avaliadores LLM, conformidade com o AI Act num ambiente sindicalizado. As restrições deste setor são o meu contexto de trabalho diário — não um briefing lido na véspera.
Investigação em planeamento
Estou a preparar um Dr.-Ing. na Hochschule Heilbronn e na TH Mannheim, com início previsto para o terceiro trimestre de 2026. A questão de investigação: como se concebem sistemas de formação baseados em LLM, e como funciona de facto a adoção tecnológica no serviço industrial. Design Science Research combinado com métodos mistos.
Por que publico
As questões com que me deparo todas as semanas não são só minhas. Profissionais em posições semelhantes carregam os mesmos problemas — e poucas das respostas estão escritas algures de forma útil. Este site é a minha forma de contribuir para mudar isso. O código está sob a licença Apache-2.0. Usem-no.
O que estou a construirEm desenvolvimento
Ferramentas pequenas. Decisões reais. Documentadas aqui.
Um registo contínuo de ferramentas pequenas e focadas que construo para testar ideias e documentar publicamente. Não são projectos para clientes — é a minha própria investigação, feita em aberto. Ver o estudo de caso.
- 01
Encontrar a decisão que vale a pena tomar
Começo pela pergunta — qual é a decisão que este dado torna possível tomar melhor.
- 02
Obter os dados
Encontro a fonte, verifico o que é de facto recuperável e documento o que falta.
- 03
Construir pequeno
Uma ferramenta focada, para uma decisão. Nada que não seja necessário.
- 04
Documentar
A abordagem, os fracassos e as razões ficam publicados — para que a próxima pessoa não precise repetir o caminho.
Primeira ferramenta
Commodity Intelligence
Identifica automaticamente as cinco commodities mais relevantes para a tua compra direta, ponderadas pelo valor agregado, e depois rastreia mercados à vista e futuros para que possas definir o momento de comprar e fazer hedge com evidências — não com intuição.
Suporte à decisão para times de compras — não é assessoria financeira.
Try the toolSegunda ferramenta
Guia de Configuração de Componentes
Nomeia um componente e opcionalmente fornece a URL de uma página de produto. Buscamos a documentação, resolvemos a variante exata e fundamentamos cada afirmação de fiação, configuração e código no que foi efetivamente encontrado — com recusas explícitas onde a documentação está em falta.
Experimental · modelos gratuitos · verifique no datasheet do fabricante antes de conectar.
Try the toolTerceira ferramenta
Cuidado com as Plantas do Escritório
Um registo de rega consciente do clima e da estação para as minhas próprias plantas de escritório — uma pequena aplicação ao vivo e focada, construída sobre o núcleo aberto, pública para leitura. Uma ferramenta de decisão única — o mesmo tipo que construo para qualquer problema que valha a pena resolver.
Demo ao vivo · pública para leitura; escrita é para o time.
View the appQuarta ferramenta
Sandbox de Plantas
Uma planta virtual sem consequências para cuidar. Regue, ajuste a luz, regue demais, veja recuperar — todo o estado é efémero. Construída para demonstrar o princípio do sandbox: um clique errado não custa nada.
Pública · sem autenticação · reinicia ao recarregar — um lugar seguro para explorar.
Try the toolComo será lançado
Três níveis, abertos em sequência — conforme o time e as habilidades crescem.
Não prometemos um nível antes de conseguirmos sustentá-lo. Cada um abre conforme crescemos para ele.
- Primeiro01
Community
Corre tu mesmo — o núcleo open source, as tuas próprias chaves e domínio. O código não retém nada.
- Depois02
Devlog
Acompanha as decisões de construção — o que foi construído, como, e o que mudei. Publicado conforme o trabalho avança.
- Por fim03
Direto
Se trabalhares em algo semelhante, contacta directamente. Não é suporte gerido — é uma conversa entre pessoas que trabalham em problemas parecidos.
08 — Contacto
Diz olá.
Se trabalhas em algo semelhante — IA em produção, avaliação de LLM, o regulamento de IA numa organização real — gostava de saber o que andas a fazer. Respondo.
Estou a investigar para o meu doutoramento como a integração de IA funciona de facto em equipas industriais — diz isso abaixo e priorizo a resposta.hello@apuna.dev
Resposta típica em até um dia útil