// olá, eu sou

Bruno Natale

Dev · Data Analyst · Desenvolvedor de Assistentes de IA

Transformo dados em decisões e ideias em sistemas inteligentes.

// sobre-mim

Sobre mim

Sou Bruno Natale, profissional de TI com atuação em desenvolvimento, análise de dados e construção de assistentes de inteligência artificial.

Gosto de resolver problemas reais com código limpo e soluções simples — seja automatizando um processo manual, extraindo insights de uma base de dados ou construindo um agente de IA que realmente ajuda no dia a dia de quem usa.

Minha curiosidade técnica caminha entre três mundos que se conectam: dados (entender o que eles dizem), desenvolvimento (construir o que resolve) e IA (fazer isso pensar por conta própria). Hoje foco minha energia em assistentes de IA aplicados — do protótipo à produção.

Dados

Entender o que os números dizem.

Desenvolvimento

Construir o que resolve.

IA

Fazer o sistema pensar e agir.

// na-prática

Na prática

Um exemplo real do tipo de código que escrevo: um agente simples de IA com tool calling, usando a API da Anthropic. O padrão abaixo é a base de boa parte dos assistentes que já desenvolvi — um modelo que decide quando chamar uma função externa para buscar dado real, em vez de "adivinhar" a resposta.

agente_vendas.py
import anthropicclient = anthropic.Anthropic()# Define uma ferramenta que o assistente pode chamartools = [    {        "name": "consultar_vendas",        "description": "Retorna o total de vendas de um período",        "input_schema": {            "type": "object",            "properties": {                "data_inicio": {"type": "string"},                "data_fim": {"type": "string"},            },            "required": ["data_inicio", "data_fim"],        },    }]def consultar_vendas(data_inicio: str, data_fim: str) -> dict:    # Aqui entraria a consulta real ao banco de dados    return {"total": 48230.75, "periodo": f"{data_inicio} a {data_fim}"}resposta = client.messages.create(    model="claude-sonnet-5",    max_tokens=1024,    tools=tools,    messages=[{        "role": "user",        "content": "Quanto vendemos entre 01/09 e 30/09?"    }],)# O modelo decide se e quando chamar a ferramentafor bloco in resposta.content:    if bloco.type == "tool_use":        resultado = consultar_vendas(**bloco.input)        print(resultado)
$ python agente_vendas.py {'total': 48230.75, 'periodo': '01/09 a 30/09'}

Esse padrão — assistente + ferramentas + dados reais — é o que uso para construir soluções que não apenas conversam, mas agem: consultam sistemas, cruzam dados e automatizam decisões.

// skills

Skills

Dados & Análise

PythonSQLPandasAnálise exploratóriaDashboardsETL

Desenvolvimento

PythonAPIs RESTAutomação de processosIntegração de sistemas

Inteligência Artificial

Assistentes de IA (agentes)Tool callingLLMs (Anthropic, OpenAI)Prompt engineeringRAG

// projetos

Projetos concluídos

Assistente de IA para automação de tarefas

Agente conversacional com acesso a ferramentas externas, capaz de consultar dados, executar ações e responder com contexto real — reduzindo tarefas manuais repetitivas.

PythonLLMTool calling

Pipeline de análise de dados

Processo de ETL e dashboard para acompanhamento de métricas de negócio, com consultas SQL otimizadas e visualizações claras para tomada de decisão.

SQLETLDashboards

Integração de sistemas via API

Automação de fluxo entre sistemas distintos, eliminando retrabalho manual e garantindo consistência de dados entre plataformas.

APIs RESTAutomaçãoPython

// contato

Vamos conversar

Tem um projeto, uma ideia ou uma vaga em mente? Entre em contato.

Enviar e-mail