O Instituto de Ciência e Tecnologia Itaú (ICTi) acaba de ter mais dois pedidos de patente publicados pelo INPI, ampliando as pesquisas desenvolvidas em Inteligência Artificial e processamento de linguagem natural (NLP).

Os documentos descrevem soluções voltadas à categorização e classificação inteligente de dados textuais, utilizando arquiteturas baseadas em similaridade semântica, representações vetoriais e mecanismos de inferência hierárquica para otimizar eficiência operacional, precisão e custo computacional.

O documento “Métricas de categorização semântica para categorizar novas interações e mídia de armazenamento legível por computador” descreve um método para categorizar novas interações a partir da comparação com interações categorizadas semanticamente. A proposta utiliza representações vetoriais e métricas de similaridade semântica para determinar relações de proximidade entre os conteúdos analisados.

O método funciona por meio da obtenção de vetores associados às interações processadas, fluxo conhecido como embedding. Esses vetores são comparados com representações relacionadas a interações categorizadas semanticamente e, a partir dessa comparação, são calculadas métricas para categorizar corretamente a nova interação.

Na prática, a solução utiliza interações previamente categorizadas semanticamente como referência para categorização de novos conteúdos armazenados, tornando desnecessária a montagem de busca por palavra-chave.

Já o pedido “Método de classificação hierárquica de dados e sistema” descreve uma arquitetura em cascata desenvolvida para classificar dados textuais a partir de diferentes níveis de inferência, combinando modelos com distintos níveis de custo computacional, latência e precisão.

A solução foi criada para otimizar processos de classificação em aplicações que envolvem grandes volumes de dados, permitindo equilibrar eficiência operacional, controle de orçamento e qualidade das respostas geradas pelos modelos.

O sistema funciona de forma sequencial, por isto o nome de hierárquico. Inicialmente, os dados passam por um mecanismo de cache semântico, responsável por verificar similaridade com classificações realizadas anteriormente. Quando há correspondência suficiente, a resposta é retornada sem necessidade de acionamento de modelos de linguagem de maior custo computacional.

Caso contrário, a solicitação é encaminhada progressivamente para diferentes agentes de classificação denominados Estudante, Monitor e Professor, organizados de acordo com níveis crescentes de capacidade de inferência.

Por que esses documentos de pedidos de patentes se destacam?

Os diferenciais estão na aplicação de métricas de similaridade semântica para categorização de novas interações e na combinação entre arquitetura hierárquica, cache semântico e controle dinâmico de orçamento por requisição.

As soluções contemplam:

• Obtenção de representações vetoriais associadas às interações processadas;
• Comparação entre novas interações e interações categorizadas semanticamente;
• Cálculo de métricas de similaridade semântica;
• Determinação da categorização com base na proximidade entre os vetores analisados;
• Um mecanismo de cache semântico capaz de reutilizar classificações anteriores e evitar processamento redundante;
• Uma arquitetura em cascata com diferentes agentes de classificação, acionados conforme parâmetros de confiança e orçamento;
• Controle configurável de limiares de confiança, latência e custo computacional;
• Registro contínuo das interações realizadas para ajuste automático e otimização progressiva do sistema.

Na prática, as soluções permitem utilizar relações semânticas entre interações como elemento central dos processos de categorização e classificação, reduzindo processamento redundante e direcionando modelos mais robustos apenas para situações de maior complexidade semântica.

Segundo os testes descritos no documento, a arquitetura foi aplicada à classificação de transações de Open Finance, reduzindo o custo médio por requisição em mais de 70% e economizando tokens em até 80%, mantendo alto nível de precisão.

Impacto para o futuro da IA

Com essas iniciativas, o ICTi e o Itaú avançam no desenvolvimento de estruturas de IA voltadas à eficiência operacional, escalabilidade e uso otimizado de recursos computacionais.

As soluções também contribuem para aplicações que demandam processamento contínuo de dados textuais, permitindo adaptar níveis de inferência, categorização e classificação de acordo com diferentes contextos, níveis de confiança e limites de orçamento.

Pedidos de patente com publicação registrada no INPI sob os números 102025024277-0 (Método de classificação hierárquica) e 102025024277-0  (categorizador semântico) e disponíveis para consulta pública na base oficial do INPI.