Para áreas sem sondagem, sem ensaio e sem campanha própria. A plataforma cruza o acervo geocientífico público do Brasil e transforma dado disperso em uma tese exploratória defensável, com fonte e nível de confiança em cada conclusão.
O Nexial ValuePath avalia o que os dados de um projeto sustentam, sejam eles poucos ou muitos. A GeoIntelligence AI trabalha antes disso: quando a área ainda não tem dado próprio e a pergunta é se vale a pena investir em gerá-lo.
Onde vale a pena olhar, e com que grau de confiança?
O que esses dados sustentam, e o que falta para a próxima decisão?
Requerimento ou alvará em mãos, sem dado próprio para atrair parceiro ou capital.
Com a GeoIntelligence AI: uma tese rastreável sobre o potencial da área e um programa enxuto para gerar a primeira evidência.
Muitas áreas candidatas e orçamento de campo para poucas.
Com a GeoIntelligence AI: leitura do entorno antes do primeiro real gasto em sondagem.
Áreas chegam sem dado, e sem dado não há como compará-las.
Com a GeoIntelligence AI: a mesma análise aplicada a cada área, com o nível de confiança sempre explícito.
A triagem de múltiplas áreas e carteiras faz parte das próximas etapas do roteiro de desenvolvimento.
O Brasil tem um dos maiores acervos geocientíficos públicos do mundo: décadas de mapeamento, geofísica, geoquímica e cadastro minerário, fragmentados em portais e formatos diferentes.
Processos minerários: quem detém o quê, onde e para qual substância.
Mais de 30 mil documentos e milhões de registros de geologia, geofísica e geoquímica.
Geologia e cartografia sistemática em escala regional.
Relatórios técnicos e recursos das empresas que exploram no Brasil.
A substância-alvo é um parâmetro de cada área. O pipeline é o mesmo; mudam os modelos de depósito, os indicadores geoquímicos e as camadas priorizadas.
Terras raras, lítio e outros insumos da transição energética. Foco do caso-piloto.
Leitura do entorno, da geologia e da geoquímica aplicada aos modelos de depósito auríferos.
A mesma lógica de analogia, com os modelos e indicadores próprios dos sistemas cupríferos.
Qualquer bem mineral com acervo público e modelo geológico de referência.
Definir a substância-alvo deixa cada análise objetiva: a plataforma prioriza os documentos e as camadas certos, em vez de tratar todas as commodities por igual.
Ative as camadas e veja o que cada fonte acrescenta. Repare no que não muda: sem sondagem ou ensaio na poligonal, o conteúdo da área continua desconhecido, por mais forte que seja a analogia.
Não há sondagem nem ensaio público na poligonal.
Ilustração construída a partir da estrutura do caso-piloto, com área anonimizada e geometrias fictícias. Quantidades conforme o caso-piloto; posições ilustrativas.
documentos únicos mapeados no acervo do SGB, em 9 buscas temáticas
PDFs baixados e indexados, com busca por texto completo
processos minerários num raio de 50 km cruzados com a geologia
processos mineralizados sobre a mesma suíte granítica da área
Em superfície, saprolito caulinizado sobre leucogranito: o hospedeiro do modelo de terras raras em argila iônica. Um projeto vizinho, de empresa listada em bolsa, tem recurso declarado nesse modelo, sobre as mesmas rochas.
Não há sondagem nem ensaio público na poligonal. Os números do vizinho são dele, não da área-piloto, e a plataforma não os transfere.
Programa mínimo de baixo custo para converter potencial em dado · caso-piloto
O programa varia conforme a substância e o modelo de depósito. Quando o primeiro dado chega, o Nexial ValuePath passa a avaliar o que ele sustenta.
Duas formas de leitura, sempre separadas. O que é medido sobre a área é dado; o que vem dos vizinhos é analogia, com o grau de confiança e as lacunas declarados.
Geologia, radiometria, geoquímica e mapas de favorabilidade passam por cima da área. A plataforma lê o valor dentro da poligonal e compara com os vizinhos mineralizados. É dado medido, não conjectura.
Quando a área compartilha rocha, estrutura e contexto com vizinhos mineralizados, ela é classificada como prospectiva, sempre com o grau de confiança e as lacunas explicitados.
Ler e sintetizar centenas de documentos, extrair o que torna os vizinhos férteis e cruzar as camadas. Cada leitura termina numa matriz de confiança e numa lista do que falta.
Governança · seis princípios inegociáveis
Todo dado carrega de onde veio e quando foi coletado.
Os dados de fonte nunca são editados; o que é derivado fica separado.
Nunca se mistura o que o documento diz com o que é inferido.
Linguagem honesta sobre o nível de confiança.
Nada de burlar autenticação, licenciamento ou barreiras técnicas.
O resultado de um vizinho não vira o resultado da área-alvo.
Afirmamos mesmo contexto geológico, nunca mesmo teor. A credibilidade é um recurso de engenharia da plataforma.
Em vez de garimpar portais e PDFs, o usuário abre uma área e vê o que existe no entorno, o que isso sugere para a área-alvo e com que grau de confiança.
ANM, SGB, IBGE e divulgações de empresas listadas.
Extrai e indexa o texto dos documentos, processa a geografia (poligonais, vizinhança, geologia) e produz perfis de analogia.
JSON, GeoJSON e relatórios em PDF, gerados a partir do banco.
Mapa interativo, acervo pesquisável e cockpit de inteligência com os números, a tese e o nível de confiança da área.
As fontes alimentam um banco de dados único; o motor gera os arquivos que a vitrine apenas consome. A unidade repetível é a área de interesse: a mesma análise roda em qualquer poligonal nova.
O que cada leitura de área entrega
O que torna os vizinhos férteis e o quanto a área-alvo compartilha esse contexto.
Cada afirmação com fonte, data e tipo: medido sobre a área ou inferido por analogia.
Leitura consolidada do potencial do modelo, em linguagem que separa potencial de promessa.
O grau de confiança de cada conclusão e a lista explícita do que falta.
As atividades de menor custo que convertem o potencial em primeiro dado.
GeoJSON e cockpit da área, prontos para a equipe técnica e para conversas com parceiros.
A GeoIntelligence AI está em desenvolvimento. A base e a organização estão prontas, o caso-piloto está sendo aprofundado, e generalizar o molde para qualquer área nova é o que abre o projeto maior.
Webapp, piloto no mapa e acervo do SGB.
Banco único, dicionário de dados e substância-alvo do piloto.
Indexação, evidências, analogia e cockpit.
O mesmo pipeline rodando em novas áreas.
Triagem de áreas, portfólio e múltiplas substâncias.
Cada afirmação rastreável à fonte; fato e interpretação nunca se confundem.
Estimar o alvo pelo entorno, sem inventar teor.
Minerais críticos, ouro, cobre e outras, com a análise ajustada ao modelo geológico de cada uma.
A área de interesse funciona como molde para qualquer nova poligonal.
Sondagem, ensaios e relatório de pessoa competente vêm depois. A plataforma é a camada de inteligência e priorização anterior.
Entrega potencial, com nível de confiança.
Parte ainda está só em PDF ou indisponível; a plataforma registra as lacunas em vez de contorná-las.
Se a sua dúvida não estiver aqui, fale com a equipe.
O ValuePath avalia o que os dados de um projeto sustentam, sejam eles poucos ou muitos. A GeoIntelligence AI atua antes, quando a área não tem dado próprio, e usa o acervo público para dizer onde vale a pena olhar. As duas se complementam: o programa mínimo gera o primeiro dado, e o ValuePath passa a avaliá-lo.
Não. Entrega potencial com nível de confiança. Potencial, recurso e viabilidade são coisas diferentes, e teor só existe onde foi medido. Os números de projetos vizinhos nunca são atribuídos à área-alvo.
Para qualquer bem mineral com acervo público e modelo geológico de referência. O caso-piloto teve foco em terras raras e lítio; ouro, cobre e outras substâncias usam o mesmo pipeline com modelos e indicadores próprios.
Está em desenvolvimento. Base e organização estão concluídas, o caso-piloto está sendo aprofundado e a generalização para novas áreas é a próxima etapa. Se você tem uma área que se encaixa, fale conosco.
O acervo público brasileiro (ANM, SGB e IBGE) e as divulgações de empresas listadas em bolsa. Nenhuma autenticação, licença ou barreira técnica é contornada. Onde o dado não está disponível, a lacuna é registrada.
Uma camada de inteligência e priorização antes do campo, com o rigor que separa potencial de promessa.
Número do processo na ANM ou a poligonal de interesse.
Ela orienta os modelos de depósito e as camadas priorizadas.
Avaliamos juntos como a área pode ser lida na fase atual da plataforma.
