Os agentes de IA da Navan estão usando o Nemotron 3.5 Super VL, da NVIDIA, em produção, depois que a empresa de software para viagens corporativas ajustou e implantou o modelo em três semanas após receber acesso antecipado. Em um comunicado de 16 de outubro de 2026, a Navan informou que o modelo estava atendendo às interações com clientes a um custo reduzido.
Principais conclusões
- A implantação foi concluída; não se trata de um teste planejado do modelo da NVIDIA.
- A Navan relatou melhor desempenho em tarefas de viagem nas próprias avaliações, mas não quantificou a economia de custos em produção.
- A hospedagem própria permite à Navan personalizar e substituir modelos, mantendo o controle da implantação.
Índice
- Agentes de IA da Navan vão além de responder a perguntas
- Testes internos comparam qualidade e eficiência das respostas
- A hospedagem própria preserva a flexibilidade na escolha de modelos
- Conclusão
Agentes de IA da Navan vão além de responder a perguntas
O comunicado técnico da Navan descreve um sistema concebido para realizar tarefas de viagem, e não apenas gerar respostas em uma conversa. Um voo cancelado pode exigir a busca de disponibilidade em tempo real, a explicação de alternativas, a verificação das políticas da empresa e a coordenação de alterações em reservas de hotéis ou carros.
Em seu relato sobre a implantação do Nemotron em produção, a Navan afirmou ter adaptado um modelo com base na experiência combinada de cinco agentes: um orquestrador e agentes especializados em hotéis, voos, carros e trens. Cada agente mantém a responsabilidade por suas próprias ferramentas e decisões, enquanto compartilha informações ao longo da viagem.
Com esse desenho, a conclusão das tarefas é o teste prático da integração. Uma resposta rápida não basta se o sistema não conseguir usar corretamente as ferramentas de reserva ou respeitar as restrições do viajante.
| Item | Detalhes |
|---|---|
| Capacidade do modelo | Cerca de 120 bilhões de parâmetros, com aproximadamente 12 bilhões ativados por etapa. |
| Método de ajuste fino | Ajuste fino com LoRA usando a biblioteca aberta NVIDIA NeMo AutoModel. |
| Informações do treinamento final | Aproximadamente 10 milhões de tokens. |
| Validação | Quase 2.000 testes de validação no conjunto de treinamento final. |
Testes internos comparam qualidade e eficiência das respostas
A Navan usou o Qwen 3.8-27B, sua referência atual de produção com hospedagem própria, como principal parâmetro de comparação. A empresa testou os modelos com os mesmos comandos, ferramentas, cenários de viagem e sistema de pontuação.
O modelo Nemotron ajustado superou ou empatou com os modelos concorrentes em seis de sete métricas na avaliação da Navan. A empresa destacou o uso de ferramentas, a conclusão de tarefas, a fundamentação em informações reais e a qualidade das conversas como pontos fortes.
Esses são resultados de testes relatados pela empresa, e não conclusões de desempenho verificadas de forma independente. A avaliação se concentrou em tarefas de viagem baseadas em texto, embora o modelo também aceite outros tipos de entrada. A Navan afirmou que o modelo implantado reduziu os custos, mas não divulgou uma porcentagem de economia nem um valor em dólares.
A hospedagem própria preserva a flexibilidade na escolha de modelos
A Navan afirmou que a hospedagem própria lhe dá maior controle sobre velocidade, custos e confiabilidade, pois a empresa gerencia a personalização, os testes, a implantação e as atualizações dos modelos. Isso também permite substituir um modelo sem reconstruir todo o sistema em torno dele.
Assim, a integração amplia o portfólio de modelos da Navan, em vez de estabelecer um único modelo permanente para todos os fluxos de trabalho. A abordagem declarada pela empresa é avaliar os modelos conforme requisitos específicos de viagens e testar o assistente completo com ferramentas reais, incluindo sua capacidade de se recuperar quando algo dá errado.
Conclusão
O marco confirmado é uma implantação em operação que atende às interações com clientes. O comunicado da Navan apresenta evidências internas de melhoria no desempenho das tarefas, mas não divulga a dimensão da economia de custos em produção.
Leia mais notícias
Aviso legal
Este artigo da FinanceVelix fornece informações gerais, não aconselhamento financeiro, de investimento, jurídico ou tributário personalizado. Os preços de mercado, as taxas de juros e as condições econômicas podem mudar; os investimentos envolvem risco de perda. Os fatos refletem as informações disponíveis no momento da publicação e podem mudar. Verifique informações importantes de forma independente e consulte um profissional qualificado quando necessário. A menção a um ativo, empresa ou serviço não representa um endosso.
