O que faz a Startup Harumi? Que captou R$3.000.000 e possui grandes clientes no Brasil

Miriam Koga, fundadora e CEO da Harumi, apresenta o produto, a tese de negócios e os bastidores técnicos da sua startup de Pesquisa Operacional (PO) em conversa com Vinícius no canal Vini Talks. A Harumi levantou R$ 3.000.000 em 2025 e foca na otimização e automação de tomada de decisões para médias e grandes indústrias brasileiras.

Origem e Fundamentos da Harumi

Miriam Koga possui trajetória em olimpíadas de ciências exatas, graduação em Engenharia na Georgia Tech (EUA) e fez parte do time fundador da Tractian (startup de tecnologia para manutenção industrial). A ideia da Harumi surgiu a partir do contato com um professor do Instituto Tecnológico de Aeronáutica (ITA), fundador do museu privado de matemática Prandiano e consultor de Pesquisa Operacional.

A Pesquisa Operacional consiste em traduzir regras de negócios e limitações físicas em modelos matemáticos e funções de custo para simular cenários e prescrever alocações ótimas de recursos. Historicamente, a adoção dessa disciplina por indústrias era limitada pela barreira de construir equipes internas de tecnologia capazes de transformar a matemática em software, dependendo da contratação de consultorias estratégicas tradicionais (como McKinsey e Accenture). A proposta da Harumi é substituir essas consultorias por uma plataforma proprietária baseada em inteligência artificial e computação aplicada.

Escopo de Atuação e Problemas Focados

A empresa delimitou sua atuação industrial em três pilares principais da cadeia produtiva:

Planejamento comercial: definição matemática do mix ideal de produtos para venda.
Planejamento de produção inter-fábricas: alocação da demanda fabril entre diferentes plantas (por exemplo, decidir a divisão de volume entre unidades no Brasil e na Argentina).
Programação e Controle da Produção (PCP): sequenciamento detalhado de ordens por linha de produção e por máquina, visando diminuir tempos de setup (reconfiguração de maquinário entre SKUs) e mitigar atrasos.

Áreas de logística externa e precificação dinâmica (pricing) não são o foco prioritário no momento.

Ganhos operacionais para a indústria

Eliminação de gargalos humanos: gestores industriais gastavam entre 1h30 e 2h diárias elaborando cronogramas em planilhas Excel por tentativa e erro. A Harumi automatizou o processo para cerca de 5 minutos diários.
Redução de risco operacional: o conhecimento tácito da operação deixa de ficar restrito à cabeça de um único funcionário.
Aumento de capacidade sem CAPEX: elevação da produtividade dos equipamentos existentes sem necessidade de compra de novas máquinas.
Resultados práticos (case metalúrgica): redução de quase 40% nos atrasos de entrega e compressão do tempo diário de planejamento de 90 para 5 minutos.

Tese Operacional: AI-Native Services e Arquitetura Técnica

A Harumi adota o modelo de serviços nativos de IA (AI-native services), cobrando tickets de consultoria/serviço, mas operando com margens elevadas ao alavancar seus consultores internos com automação.

O fluxo de desenvolvimento da plataforma

Coleta de contexto e discovery: entrevistas com operadores e gestores de fábrica são gravadas e centralizadas em um documento colaborativo interno com especificações de regras operacionais, restrições e prints de processos.
Formulação matemática assistida por IA: agentes de IA (com fine-tuning em casos e papers de PO) estruturam a formulação matemática e escrevem o código correspondente.
Notebook integrado de execução: ambiente interno (similar ao VS Code) pré-configurado sem necessidade de gerenciamento manual de infraestrutura/DevOps na nuvem (AWS).
Integração de solvers comerciais: a plataforma utiliza licenças integradas de motores de otimização de alta performance (como o Gurobi). Esses solvers aplicam métodos de corte (branch and bound) para descartar rotas inviáveis sem ter que processar combinações exaustivas, reduzindo o tempo de cálculo de horas para segundos ou poucos minutos.
Integração de dados: conexão direta com ERPs e bancos de dados em nuvem.

Visão do cliente final (Gêmeo Digital)

A interface entregue à fábrica oculta a complexidade matemática e exibe um painel visual dinâmico com:

Sequenciamento temporal por máquina em barras de status;
Janelas explícitas de setup de equipamento;
Monitoramento espacial do pátio de estocagem (relação entre fluxo de entrada de insumos e vazão de produtos acabados, impedindo saturação física da fábrica).

Modelo de Negócio, Prazos e Critérios de Qualificação

Prazos de implementação

Embora a geração de código seja rápida (podendo levar uma semana caso os dados estejam estruturados), os projetos levam alguns meses na prática. A lentidão decorre da baixa maturidade documental dos clientes, da descoberta iterativa de restrições operacionais não mapeadas inicialmente e dos ciclos lentos de validação de grandes corporações. A escalabilidade da startup se dá pela capacidade de um único consultor atender múltiplas empresas simultaneamente.

Precificação

Mensalidade fixa: modelo predominante, combinando o ciclo de implementação assistida com taxas contínuas de suporte, manutenção de regras e expansão para novas áreas industriais. A Harumi registra churn nulo até o momento devido a essa expansão interna contínua.
Taxa de sucesso (success fee): restrita a situações raras em que o ganho financeiro pode ser estritamente isolado contra um baseline anterior, sem interferência de oscilações de mercado, demanda ou clima.

Perfil de cliente ideal e seleção

A Harumi optou por não se restringir a um único nicho industrial (atende metalúrgicas, automotivas, entre outras), pois a necessidade de customização das regras de negócio existe em todas as fábricas, mesmo no mesmo setor. Os filtros de entrada são:

Porte mínimo: apenas indústrias com mais de 500 funcionários (garantia de orçamento e complexidade operacional que justifiquem a solução).
Maturidade mínima de dados: empresas que não registram dados estruturados básicos (como custo de matéria-prima) são recusadas.

Validação, Explicabilidade e Apoio à Decisão

Go Live assistido: a equipe técnica acompanha a operação em tempo real nas primeiras semanas para ajustar o código conforme exceções práticas esquecidas pelo cliente.
IA de Explicabilidade: a Harumi está desenvolvendo uma interface conversacional para explicar ao operador o racional por trás de prescrições contraintuitivas (casos em que o operador acha que o sistema errou por contrariar sua intuição histórica, mas a recomendação matemática comprova ser a mais eficiente).
Apoio à decisão multiobjetivo: em problemas de alta complexidade combinatória com múltiplos objetivos conflitantes (custo, tempo, receita), a ferramenta fornece opções balanceadas para que o gestor tome a decisão final, entregando uma solução viável substancialmente superior à decisão manual empírica.