SOBRE A EMPRESA
Construída por quem operou, não só por quem construiu.
A Escala Nove nasceu da observação de que a maioria dos problemas em ambientes de ML não está nos modelos — está na infraestrutura que os mantém rodando.
← Página InicialComo a Escala Nove chegou aqui
A empresa surgiu em Florianópolis em 2022, quando dois engenheiros que haviam trabalhado em times de dados de diferentes setores perceberam um padrão recorrente: as equipes sabiam treinar bons modelos, mas enfrentavam dificuldade para mantê-los em produção de forma previsível. Os problemas não eram novos — eram incidentes sem runbook, modelos que não podiam ser reproduzidos a partir do código-fonte, custos de cloud sem atribuição clara por carga de trabalho.
A decisão foi trabalhar especificamente nesse espaço: não em treinamento de modelos, não em ciência de dados, mas na camada de operação que torna o trabalho dos times de ML sustentável em produção real. Esse foco estreito permitiu desenvolver abordagens práticas para os problemas que aparecem depois que o notebook funciona.
Hoje a Escala Nove atende times de plataforma e dados em empresas brasileiras que precisam estruturar ou revisar a infraestrutura de operação de modelos — sem criar dependência de ferramentas ou fornecedores externos à conta do próprio cliente.
MISSÃO
Tornar operável em produção o que hoje funciona apenas em ambiente controlado — com infraestrutura rastreável, documentação que o time consegue usar e rollback tão planejado quanto o deploy.
PRINCÍPIOS DE TRABALHO
- Escopo definido antes do início — sem expansão silenciosa de escopo durante o engajamento.
- Entregável concreto — o cliente opera o resultado sem depender da nossa presença contínua.
- Infraestrutura na conta do cliente — sem recursos em ambientes externos após o encerramento.
- Confidencialidade por padrão — acordo de sigilo antes de qualquer acesso ao ambiente.
Quem faz o trabalho
Um time pequeno com foco deliberado — sem generalistas que fazem tudo e especialistas que somem depois da entrega.
Rafael Menezes
Engenharia de Plataforma
Responsável pela arquitetura de registry, pipelines de treino e configuração de serving. Trabalhou anteriormente com infraestrutura de ML em fintechs e varejo digital.
Camila Assunção
Observabilidade e Operações
Lidera configuração de monitoramento de drift, alertas e runbooks. Experiência anterior em SRE com foco em serviços de predição em produção.
Thiago Fonseca
Arquitetura e Auditoria
Conduz auditorias de ambiente e sessões de arquitetura. Foco em decisões de serving, feature storage e estrutura de ambientes para times de dados em crescimento.
Como garantimos a qualidade do trabalho
Cada engajamento segue protocolos internos que existem para que o entregável funcione depois que saímos — não apenas no dia da demonstração.
Acesso com Escopo Mínimo
Credenciais de acesso criadas com permissões estritamente necessárias para o escopo do engajamento, documentadas e revogadas ao encerramento.
Infrastructure-as-Code
Toda a infraestrutura criada é entregue como código versionado, revisável e aplicável pelo time do cliente sem presença da Escala Nove.
Documentação com Padrão de Runbook
Runbooks escritos com passos numerados, condições de escalada e referências cruzadas — padrão que o time de on-call consegue seguir sem conhecer o histórico do projeto.
Confidencialidade por Contrato
Acordo de confidencialidade assinado antes de qualquer acesso a código, dados ou arquitetura do cliente. Sem exceções para avaliações iniciais.
Rollback como Requisito de Projeto
O caminho de rollback é especificado e testado durante o projeto, não adicionado como item opcional ao final. Faz parte do escopo acordado.
Rastreamento de Custo por Carga
Configuração de tags e alertas de custo por modelo e carga de trabalho — para que o time saiba quanto cada workload custa antes que a fatura chegue.
MLOps não é ferramenta — é disciplina operacional
Há uma tendência de resolver problemas de operação de modelos com adoção de plataformas. A ferramenta muda, o problema fica. O que determina se um ambiente de ML funciona em produção não é qual plataforma está instalada — é se existe processo claro para deploy, monitoramento, resposta a incidentes e controle de custo.
A Escala Nove trabalha com os provedores e ferramentas que o cliente já usa. Não somos parceiros de plataforma de nenhum fornecedor e não temos incentivo para recomendar troca de stack. O objetivo é tornar o ambiente existente operável — ou, quando há projeto novo, escolher componentes que o time consegue manter.
Atuamos com times de plataforma de dados em empresas brasileiras de diferentes setores — varejo, serviços financeiros, saúde, logística — que chegaram a um ponto onde precisam de estrutura de produção, não de mais experimentação. O perfil do cliente não é o tamanho da empresa, mas a maturidade da decisão: já existe modelo funcionando, e o problema agora é operar com previsibilidade.
Quer entender se faz sentido trabalhar juntos?
Uma conversa de 30 minutos sobre o estado atual do ambiente já costuma deixar claro qual seria o ponto de entrada mais útil.
Iniciar Conversa