Estudo WeCogno · novembro de 2026

Quando um foundation model melhora seus modelos de negócio?

O Nubank e a Revolut já publicaram seus foundation models de transações, e a Stripe anunciou um para pagamentos. Comparamos essas representações do histórico com o boosting e com arquiteturas híbridas para entender onde aparece ganho e onde a complexidade adicional não se justifica.

Os principais números, em ganho de AUC sobre variáveis + boosting

São cinco bases. Em quatro, as 23 abordagens rodam no mesmo protocolo, com um score por cliente: a MBD, base pública de um banco (10,7 milhões de transações de 54 mil clientes pessoa jurídica), uma base sintética de cartão e duas carteiras de clientes. A quinta é fraude em cartão na base pública da IBM (24,4 milhões de transações), com um score por transação e o Cortex, foundation model comercial da NeoSpace, como referência externa. Explore os resultados, os intervalos de confiança e os limites de cada teste.

Arquitetura WeCogno · MBD, contratação +0,027

Temporal Booster · Ensemble: boosting com transições temporais combinado com um foundation model ajustado no alvo, com todos os 22.000 rótulos. IC 95% +0,019 a +0,035. Equivale a +5,4 pontos de Gini. Média de 5 seeds (repetições do treino com inicializações diferentes).

Foundation model com fine-tuning · implementação nossa +0,025

Versão nossa, em escala pequena, da receita do Nubank (nuFormer), com pré-treino e fine-tuning junto das variáveis. MBD, contratação. IC 95% +0,013 a +0,038. Sem o pré-treino, a mesma rede fica em −0,011. Contra o Ensemble, nas mesmas seeds e com todos os rótulos, não detectamos diferença conclusiva (esta rede menos o Ensemble: −0,002, IC −0,008 a +0,004); com 1.000 e 4.000 rótulos, o Ensemble ficou à frente, com IC acima de zero.

FM de agregados + autoencoder −0,007

Na MBD (contratação, todos os rótulos), o embedding de reconstrução piorou o modelo (IC −0,011 a −0,003).

Temporal Booster · Ensemble, em todos os recortes 30 de 36

Recortes (base, alvo e quantidade de rótulos, nas quatro bases) com o IC 95% acima de zero. Nesses mesmos 36 recortes, a posição média é 3,0 entre 19 e 23 abordagens; a rede ajustada sozinha fica em 8,7, com IC acima de zero em 14, e o Residual em 7,6, em 21.

Ver a posição de cada método nas bases reais

Em duas carteiras de clientes, sem o nome das empresas

Cliente A · atraso de pagamento +0,008

Temporal Booster · Ensemble, todos os rótulos, recorte só com eventos. IC 95% +0,002 a +0,014. O ganho foi significativo nas três quantidades de rótulos testadas.

Cliente B · cancelamento em 6 meses +0,018

Temporal Booster · Residual, todos os rótulos, recorte só com eventos. IC 95% +0,009 a +0,026. O ganho foi significativo nas três quantidades de rótulos, só com eventos e com as variáveis do modelo atual do cliente; com essas variáveis, foi a única abordagem assim.

Cliente B · 1.000 rótulos +0,015

Temporal Booster · Residual, com poucos rótulos, recorte só com eventos. IC 95% +0,007 a +0,023.

Cliente A · com o cadastro da loja +0,007

Temporal Booster · Ensemble, todos os rótulos, com o cadastro do ponto de venda no baseline e em todos os métodos. IC 95% +0,001 a +0,012. Foi o único método com IC acima de zero nas três quantidades de rótulos.

O que você encontra no estudo

O texto serve a quem decide e a quem modela. Todos os números vêm dos mesmos arquivos de resultado, e o intervalo de confiança aparece ao lado de cada um.

Prefere o resumo do tutorial? Percurso técnico, em 12 telas · ~25 min

Leia o estudo completo, sem sair desta página

As telas do estudo, com figuras e demos interativas. Comece pelo percurso executivo ou pelo tutorial, ou escolha um tema.

Como citar este estudo

WeCogno (2026). Foundation models para dados transacionais: quando um foundation model melhora seus modelos de negócio? Estudo técnico, versão de 10/11/2026.

Base bancária: MBD-mini (Sber AI Lab, CC BY 4.0). Fraude em cartão: IBM TabFormer, sintética. Base sintética de cartão gerada pela WeCogno. Dados exportados em 10/11/2026.

Diagnóstico da sua base

Quanto um foundation model rende na sua base?

Podemos rodar o mesmo protocolo nos seus dados, dentro do seu ambiente, comparando o seu modelo atual com o foundation model e com a arquitetura WeCogno.

Avaliar minha base

Prefere e-mail? comercial@wecogno.ai, já com o roteiro de informações do diagnóstico.

Vamos explorar o potencial dos seus dados?

Cada organização possui desafios únicos. A WeCogno combina ciência de dados, inteligência artificial e entendimento de negócio para construir soluções alinhadas aos objetivos de cada operação.

Entre em contato

Preencha o formulário ou fale diretamente conosco.

comercial@wecogno.ai
Brasil
Seg–Sex, 9h–18h