Descreva o pipeline de dados.
A IA coloca em produção.

Seu time descreve o pipeline de dados. O agente escreve o DAG do Airflow, testa, faz o deploy e acompanha cada execução. O Dexaflow é o primeiro produto da DexaData, infraestrutura de dados e IA como serviço.

● disponível hoje: Dexaflow OSS○ em breve: Dexaflow Cloud com IA

funciona com o stack que você já usa

  • dbt
  • DuckDB
  • Snowflake
  • Databricks
  • BigQuery
  • Google Cloud
  • AWS

Engenharia de dados,
sem o trabalho braçal.

O Dexaflow é uma ferramenta de engenharia de dados. Ele assume a parte repetitiva do trabalho: levar dados de um sistema para outro, tratar, rodar no horário certo e corrigir quando quebra. Alguns pedidos comuns:

● VENDAS

Relatório diário de vendas

“Todo dia às 6h, puxe os pedidos de ontem do banco da loja e mostre o faturamento por estado no dashboard.”

→ o dashboard está atualizado antes do time chegar

● FINANCEIRO

Fechamento do mês

“Junte o ERP, os extratos do banco e as planilhas do financeiro toda noite e aponte o que não bate.”

→ ninguém copia e cola entre planilhas

● MARKETING

Retorno por campanha

“Traga o gasto do Google Ads e da Meta todo dia e cruze com as vendas.”

→ custo e retorno por campanha numa tela só

● CRM + BI

Clientes num lugar só

“Copie o Salesforce para o BigQuery a cada hora para os relatórios do Looker e do Power BI lerem de lá.”

→ relatórios com o dado de hoje, não o export da semana passada

● IA / ML

Dados frescos para modelos

“Atualize todo dia as tabelas que alimentam nossos modelos e assistentes, e me avise se o dado parecer estranho.”

→ modelos e assistentes respondem com números atuais

● AIRFLOW

Airflow sem servidor

“Leve nossos DAGs para o Dexaflow e pare de manter o cluster.”

→ os mesmos DAGs, sem infraestrutura para cuidar

● DO PEDIDO À PRODUÇÃO

Na mão

  1. Escrever o código Python
  2. Configurar conexões e credenciais
  3. Montar a imagem e o CI/CD
  4. Testar com dados de amostra
  5. Configurar alertas
  6. Caçar o erro nos logs quando falha

Com o Dexaflow AI em breve

  1. Descreva em uma frase
  2. Revise o diff
  3. Aprove

O agente faz o resto e acompanha cada execução.

Para quem é

  • Engenheiros de dados

    Pule o trabalho repetitivo: código, conexões, testes, CI/CD e alertas. Você revisa o diff e o código continua seu.

  • Líderes de dados e CTOs

    Entregue mais produtos de dados sem aumentar o time nem manter cluster.

  • Analistas e áreas de negócio

    Peça o dado em linguagem natural e receba pronto no warehouse, com um engenheiro aprovando a mudança.

A experiência do Airflow,
construída com IA.

Você diz o que o dado precisa fazer. O Dexaflow cuida do resto: código, testes, deploy e operação. Tudo continua sendo um DAG Python que seu time lê, revisa e versiona.

● NATIVE DBT

dbt nativo, no warehouse que você já usa

Aponte para o seu projeto dbt. Cada modelo vira uma task no Airflow, com dependências, testes e lineage na mesma tela. O Dexaflow instala o adapter, gera o profiles.yml a partir das suas conexões e guarda as credenciais.

  • Databricks
  • BigQuery
  • Snowflake
  • DuckDB
# dexaflow.yaml
dag_id: sales_daily
dbt:
  project: ./analytics
  target: bigquery   # databricks | snowflake | duckdb
  select: daily_revenue+
  tests: true
● SELF-HEALING

Falhas explicadas e corrigidas

Quando uma task falha, o agente lê os logs, explica a causa em uma frase e propõe a correção como diff. Você aprova e ele publica.

● MIGRATION

Migração do Airflow guiada por IA

Aponte para o repositório dos seus DAGs. O agente revisa cada um, ajusta o que não roda no Dexaflow e mostra o plano antes de migrar.

● MCP SERVER

Seu agente opera seus pipelines de dados

Servidor Model Context Protocol nativo. Claude, Cursor ou qualquer agente compatível lê o contexto, cria pipelines, dispara execuções e acompanha os logs.

● DEXAFLOW.YAML

Pipelines de dados declarativos, sem Dockerfile

Um arquivo curto descreve o DAG, a versão do Python e as dependências. É o formato que o agente escreve e que você revisa.

Você continua no controle. O agente propõe, você revisa o diff e decide o que vai para produção. O código é seu, em Python, no seu repositório.

//Dexaflow

Compatível com Airflow.
Feito para produção.

A mesma UI e a mesma API REST do Apache Airflow, com um control plane em Go por baixo. Seus DAGs continuam em Python. O que muda é o que acontece quando eles rodam.

01_ Compatível com Airflow

A UI do Apache Airflow 3.2 sem modificações e a mesma API REST. DAGs, tasks, variables e connections com o vocabulário que seu time já conhece.

02_ Control plane em Go

Agendamento e coordenação fora do loop Python. Sem scheduler travando entre tasks e sem re-parse de todos os DAGs a cada ciclo.

03_ Uma task, um pod

Cada task roda no próprio pod. Nada de workers de longa duração acumulando memória e conexões até cair de madrugada.

04_ Dependências por DAG

Cada DAG tem seu próprio ambiente Python. pandas 1 no DAG legado e pandas 2 no novo convivem na mesma instalação.

05_ Map-reduce para ML e IA

Fan-out e reduce escritos como uma list comprehension em Python. Sem encanamento de XCom, sem broker, sem operador especial.

06_ Do laptop ao cluster

O mesmo motor roda em um único host, sem Kubernetes, ou via Helm no seu cluster. Você começa pequeno e não reescreve nada para crescer.

Núcleo aberto.
Nuvem gerenciada.

O motor é open source e roda onde você quiser. O Dexaflow Cloud é o mesmo motor, operado por nós, com a IA embutida.

Dexaflow OSS

Apache 2.0

Para quem quer rodar na própria infraestrutura.

  • Motor completo, compatível com a UI e a API do Airflow
  • Lite em um único host ou Pro via Helm no seu Kubernetes
  • Servidor MCP para usar com o seu próprio agente
  • Você opera: upgrades, banco, segurança e escala

O Dexaflow OSS é o novo nome do Leoflow. O código é aberto em github.com/dexadata/dexaflow.

O Dexaflow gerenciado,
sem cluster para cuidar.

Capacidade medida em DCU, limites claros por plano e nenhum cluster para cuidar. Hoje o Free está em beta fechado, por convite; os planos pagos vêm depois.

● o que é uma DCU

Capacidade medida em DCU, a Dexa Compute Unit.

Cada plano define quantas DCUs rodam ao mesmo tempo. Você escolhe o tamanho de cada task no dexaflow.yaml; se não disser nada, a task usa 1 DCU. Quando a fila passa do limite, as tasks extras esperam e rodam assim que abrir espaço, sem falhar.

Exemplo: com 6 DCUs no Small, rodam 6 tasks de 1 DCU em paralelo, ou 3 tasks de 2 DCUs.

Free

beta fechado · por convite

US$ 0

Beta fechado, gratuito e por convite. Sem SLA.

Tasks simultâneas
2
Execuções de DAG / dia
50
DAGs ativos
10
Duração máxima da task
30 min
Intervalo mínimo
15 min
Usuários
3
Todos os limites do beta → Entrar na lista de espera

Medium

US$ 250/mês

Para vários times e agendas de minuto em minuto.

DCUs simultâneas
20
Execuções de task / mês
250k
DAGs ativos
150
Tasks no total
1.5k
Intervalo mínimo
1 min
Usuários
10
Retenção de logs
90 dias
Entrar na lista de espera

Large

US$ 900/mês

Para a plataforma de dados da empresa inteira.

DCUs simultâneas
80
Execuções de task / mês
2M
DAGs ativos
500
Tasks no total
10k
Intervalo mínimo
1 min
Usuários
Ilimitados
Retenção de logs
1 ano ou mais
Entrar na lista de espera
  • Todos os planos incluem o MCP Server, pipelines em dexaflow.yaml e a UI compatível com o Airflow.
  • O Free é o beta fechado: gratuito, por convite, sem SLA, e os limites podem mudar. Logs de task e histórico de execuções podem ser apagados a qualquer momento; contas inativas podem ser suspensas ou apagadas depois de aviso por e-mail.
  • Small, Medium e Large ainda não estão disponíveis. Preços em dólar, por mês; valores e limites podem mudar até o lançamento.

Enterprise

Ambiente dedicado, limites sob medida e suporte com SLA. Ou rode o Dexaflow OSS no seu próprio cluster.

Falar com a gente →

Feito para guardar suas credenciais

  • Isolado por organização. Cada task roda no próprio pod; no Free, dentro de um sandbox gVisor.
  • Seus dados ficam no seu warehouse. O Dexaflow orquestra o trabalho e não guarda cópia das suas tabelas.
  • Credenciais cifradas. As conexões ficam guardadas cifradas e mascaradas nos logs.
  • Open source que você pode auditar. O código do motor é público, sob Apache 2.0.

Um mercado grande,
ainda feito na mão.

As empresas rodam mais pipelines de dados a cada ano, e a maioria ainda é escrita, corrigida e operada na mão. Os times já usam IA para escrever, mas os assistentes genéricos param no código.

● CUSTO

Os mesmos pipelines por uma fração do custo

Por que custa menos

  • Sem ambiente ocioso. Cada task roda no próprio pod e para quando termina. Nada fica ligado esperando o próximo agendamento.
  • Backend reescrito em Go. Scheduler, API e plano de controle são Go compilado, não processos Python: menos CPU e memória para o mesmo trabalho, compartilhado e isolado entre clientes, sem ninguém pagar por scheduler, web server e banco próprios. Seus DAGs continuam em Python.
  • Você paga pela task, não pelo pico. A capacidade é contada em DCUs por task, não num cluster dimensionado para o horário mais cheio.

Fontes: Google Cloud Managed Airflow (antigo Composer 3) ao preço de tabela de US$ 0,06 por DCU-hora em us-central1; o pequeno é o exemplo de 12 DCUs do próprio Google, o médio foi medido na fatura de um ambiente real (setembro de 2026, cerca de 13,7 DCUs em média). Astronomer Astro Team, o plano de produção, pago por uso: Small a partir de US$ 0,42/hora, Medium a US$ 0,57/hora, mais um worker A5 a US$ 0,13/hora. Tudo ligado 24/7, só computação, preços de tabela de outubro de 2026. Nenhum dos dois tem plano gratuito; o Astro oferece teste de 14 dias.

Nossa aposta: a IA que escreve pipelines de dados também deve testar, publicar e operar, com o contexto do seu ambiente. O Dexaflow faz isso sobre o padrão do Airflow, com núcleo open source e uma nuvem gerenciada cobrada por uso.

É investidor? Fale com a gente

Os números de mercado e de pesquisa são estimativas de terceiros. Veja em cada fonte o método e a data.

A DexaData constrói a infraestrutura de dados e IA que times usam como serviço, sem montar plataforma. O Dexaflow é o primeiro produto. Os próximos seguem a mesma regra: núcleo aberto, IA no fluxo de trabalho e a operação por nossa conta.

Vamos colocar seus
pipelines de dados para rodar.

Quer acesso antecipado ao Dexaflow Cloud, migrar DAGs do Airflow ou rodar o Dexaflow OSS na sua empresa? Conte o seu cenário. Costumamos responder em até um dia útil.

● OPEN SOURCE

Código aberto sob a licença Apache 2.0. Sem lock-in.

● AIRFLOW COMPATIBLE

Seus DAGs e o vocabulário do Airflow continuam valendo.

● AI NATIVE

A IA propõe, você aprova. O código continua seu.

Usamos esses dados só para responder e, se você pedir, para a lista de espera do beta. Veja a Política de Privacidade.