Como implementar IA em uma empresa

A pergunta errada custa caro

A pergunta mais comum nas empresas é "como a gente usa IA?". Ela parece inofensiva e leva a projetos que impressionam na demonstração e morrem em três meses, porque nunca resolveram um problema que alguém tinha.

A pergunta certa é a inversa: quais tarefas da sua operação consomem tempo qualificado lendo, classificando, resumindo ou procurando informação? Essa formulação já traz embutido o critério de valor. Se a resposta for "nenhuma que some horas relevantes por semana", a conclusão honesta é que IA não é a prioridade da sua empresa neste momento — e isso é uma resposta legítima, não um fracasso.

O teste dos quatro critérios

Todo caso de uso candidato deve passar por quatro perguntas antes de virar projeto. Basta uma resposta ruim para que o retorno fique comprometido.

• Volume. A tarefa acontece muitas vezes? Repetição é o que transforma um ganho pequeno por execução em resultado visível no mês.
• Custo do tempo. Quem executa hoje é gente cara, escassa ou que deveria estar fazendo outra coisa? Automatizar tarefa barata rende pouco.
• Tolerância a erro. Existe forma de validar o resultado antes que ele vire decisão? Sem ponto de conferência viável, o risco cresce mais rápido que o benefício.
• Dados. A informação necessária existe, está acessível e pode ser usada? Se ela está espalhada, desatualizada ou é sensível sem tratamento definido, esse é o projeto anterior.

Aplique o teste por escrito, com nota para cada critério. O exercício leva menos de uma hora por candidato e evita meses de investimento no caso de uso errado. Quando dois candidatos empatam, escolha o de menor consequência em caso de erro — o primeiro projeto vale mais como aprendizado do que como resultado.

O roteiro em seis etapas

A ordem importa. Boa parte dos projetos malsucedidos pulou uma das três primeiras etapas para chegar mais rápido à demonstração.

O critério de sucesso é escrito antes

Esta é a regra que mais separa projeto de experimento. Antes da prova de conceito, escreva a frase: consideraremos que funcionou se, em uma amostra de tantos casos, o resultado for aceitável em pelo menos tanto por cento, com o tempo de execução abaixo de tanto.

Sem esse número definido antes, a avaliação vira debate de percepção. Sempre haverá quem ache impressionante e quem ache decepcionante, e a decisão de investir mais será tomada por quem falar mais alto na reunião. Com o número definido antes, a conversa é curta.

O que a prova de conceito precisa provar

Uma prova de conceito não existe para mostrar que a tecnologia funciona — isso já se sabe. Ela existe para descobrir, cedo e barato, se o caso de uso sobrevive ao contato com os dados reais da sua empresa.

• Foi testada com documentos e casos verdadeiros, não com exemplos escolhidos a dedo.
• Incluiu os casos estranhos que a equipe conhece: o formulário mal preenchido, o contrato fora do padrão, a exceção histórica.
• Mediu o acerto contra o julgamento de quem faz a tarefa hoje, em uma amostra que alguém conferiu manualmente.
• Registrou o custo por execução, não só a qualidade da resposta.
• Mostrou onde o resultado erra, e não apenas com que frequência erra. O padrão do erro determina onde vai a validação humana.
• Estabeleceu quanto tempo a tarefa leva com o apoio da IA, incluindo a conferência.

O último item costuma ser esquecido e é decisivo. Uma saída com bom acerto que exige conferência integral não economiza tempo nenhum: apenas troca a tarefa de redigitar pela tarefa de revisar. O ganho real aparece quando a conferência pode ser amostral ou concentrada nos casos que o próprio sistema sinaliza como incertos.

Governança mínima desde o primeiro dia

Governança em IA não é burocracia posterior: é o que permite escalar sem sustos. Um conjunto pequeno de definições resolve a maior parte do risco em empresas de porte médio.

• Quais dados podem ser processados, por qual serviço e sob qual contrato. Informação sensível exige decisão consciente, não descuido.
• Minimização. Só entra no processo o dado necessário para a tarefa. Enviar o cadastro inteiro quando bastava o número do pedido é risco gratuito.
• Tratamento de dado pessoal conforme a LGPD, com finalidade declarada e base legal definida.
• Fronteira de decisão. Em qualquer decisão que afete pessoa, contrato ou dinheiro, o modelo sugere e a pessoa decide. Essa linha é desenhada no projeto, não improvisada depois.
• Registro. Quem usou, com qual finalidade, com qual resultado. Sem trilha, não há como investigar um caso que deu errado.
• Política de uso para a equipe. O maior risco em IA corporativa hoje não é o modelo: é o uso informal de ferramentas por pessoas sem orientação sobre o que pode ser colado numa caixa de texto.

Onde colocar a validação humana

A pergunta não é se haverá validação humana, e sim onde. Colocá-la em todo lugar anula o ganho; retirá-la de todo lugar cria exposição. O critério é a consequência do erro.

Em tarefas de triagem e classificação, a validação costuma ser amostral e posterior: revisa-se uma fração dos casos para acompanhar a qualidade ao longo do tempo. Em extração de dados que alimentam sistema, vale a conferência dos campos críticos e a sinalização automática dos casos de baixa confiança. Em qualquer saída que chegue ao cliente ou que determine um valor a pagar, a revisão é integral e anterior ao envio.

Uma boa implementação torna essa fronteira visível na tela de quem trabalha, com o nível de confiança exposto. A pessoa precisa saber quando pode confiar rápido e quando deve olhar com atenção.

Quando adiar

Dizer não a tempo é parte do trabalho. Estes são os cenários em que a recomendação responsável é esperar.

• Quando o objetivo é ter IA, e não resolver um problema identificado com nome e volume.
• Quando os dados necessários não existem, estão errados ou não podem ser usados pela natureza da informação.
• Quando o erro tem consequência grave e não há ponto de validação possível dentro do fluxo.
• Quando uma automação de regra simples resolveria o mesmo caso com mais previsibilidade e menos custo. Vale checar o que é automação de processos antes de decidir.
• Quando a operação ainda não tem processo definido: IA sobre caos entrega caos mais rápido, com aparência de método.

Primeiros noventa dias, na prática

Um plano realista para começar cabe em três movimentos. No primeiro mês, levante as tarefas candidatas e aplique o teste dos quatro critérios; escolha uma e escreva o critério de sucesso. No segundo, execute a prova de conceito com dados reais e meça contra o julgamento humano. No terceiro, ou você implementa em produção com validação definida e monitoramento, ou descarta o caso com aprendizado registrado e passa ao próximo.

Descartar no terceiro mês não é fracasso: é o resultado esperado de um processo que testa barato antes de investir caro. O fracasso é descobrir no décimo segundo mês que o caso nunca teve volume suficiente. Para os usos ligados à rotina de decisão da diretoria, o artigo sobre como usar IA na gestão trata de um território específico, com riscos próprios.