Como saber em quais processos da sua empresa vale a pena usar inteligência artificial (e em quais não)

O problema não é a tecnologia, é a escolha do processo

A maioria dos projetos de IA que fracassam não falha por um modelo mal treinado nem por falta de orçamento. Fracassa porque foi aplicada ao processo errado: um que roda três vezes por mês, que depende de critérios que ninguém nunca escreveu, ou que simplesmente não incomodava ninguém.

Antes de perguntar qual ferramenta usar, vale fazer uma pergunta mais chata, porém muito mais rentável: qual dos meus processos atuais justifica o esforço? Responder isso bem economiza meses de trabalho e conversas desconfortáveis com a diretoria.

Este artigo propõe um filtro concreto. Não é uma fórmula mágica, é uma ordem de perguntas que você pode aplicar em uma reunião de duas horas com as pessoas que realmente executam o trabalho.

Os cinco filtros que um processo deve passar

Um processo é bom candidato para IA quando atende à maioria destas condições. Você não precisa das cinco, mas se falhar em três ou mais, provavelmente está diante de um projeto caro e com pouco retorno.

• **Volume e repetição.** Acontece dezenas ou centenas de vezes por semana. Classificar 400 e-mails diários de suporte vale a pena; classificar 12 não.

• **Dados disponíveis e digitais.** Existe um histórico em algum sistema, não na cabeça de alguém nem em pastas físicas. Se você tem três anos de tickets etiquetados, tem matéria-prima. Se tem uma planilha de Excel que cada filial preenche do seu jeito, primeiro é preciso organizar.

• **Critério descritível.** Alguém consegue explicar como a decisão é tomada, mesmo que com regras difusas. Se, ao perguntar “como você decide isso?”, a resposta for “depende, a gente já sabe”, há um trabalho prévio de documentação.

• **Tolerância ao erro delimitada.** Um erro ocasional gera um incômodo, não um processo judicial nem uma perda grave. Ou existe uma etapa de revisão humana que o detecta antes de sair.

• **Impacto mensurável.** Você consegue nomear a métrica que melhoraria: horas-pessoa, tempo de resposta, taxa de erro, custo por transação. Se não sabe qual número deveria se mover, não saberá se funcionou.

Casos em que a IA costuma se pagar rápido

Na prática, há famílias de processos que aparecem repetidamente como primeiras vitórias em empresas médias e grandes da região. Não são os mais vistosos, mas são os que geram credibilidade interna para continuar investindo.

• **Leitura e extração de documentos.** Notas fiscais de fornecedores, romaneios de entrega, apólices, contratos. Um time contábil que digita 600 notas por mês pode sair de 15 minutos por documento para 2 minutos de revisão.

• **Classificação e roteamento.** E-mails, tickets, reclamações, candidaturas. O modelo não resolve o caso, encaminha ao time certo com uma prioridade sugerida.

• **Primeira linha de atendimento.** Dúvidas frequentes sobre status de pedidos, horários, requisitos ou políticas internas. Funciona bem quando há uma base documental real e um caminho claro de escalonamento para uma pessoa.

• **Busca interna de conhecimento.** Times técnicos ou jurídicos que perdem horas procurando em manuais, normas ou históricos. Um assistente sobre a documentação própria reduz esse tempo de forma notória.

• **Geração de rascunhos.** Respostas comerciais, descrições de produto, resumos de reuniões. A chave é que sempre há um humano que edita e aprova.

Sinais de que esse processo não é para IA (pelo menos ainda)

Dizer não a tempo faz parte do trabalho. Estas são as bandeiras vermelhas mais frequentes que vemos ao revisar iniciativas que já chegavam com orçamento aprovado.

• **O processo está quebrado, não lento.** Se as regras de negócio são contraditórias ou ninguém concorda sobre qual é o resultado correto, a IA só vai automatizar a desordem mais rápido.

• **Uma regra simples resolve.** Se 90% dos casos se decidem com três condições, escreva as três condições. Uma automação tradicional custa uma fração e é 100% auditável.

• **O custo do erro é alto e irreversível.** Decisões de crédito sem revisão, diagnósticos, demissões, cálculos tributários definitivos. Aí a IA pode apoiar, mas nunca decidir sozinha.

• **Não há dados, ou estão em papel.** Você pode construí-los, mas isso é um projeto diferente, com outro prazo e outro orçamento. Vale chamá-lo pelo nome.

• **Ninguém é dono do processo.** Se não há uma pessoa com autoridade para mudar a forma de trabalhar, a solução técnica ficará sem adoção. É o motivo mais comum de pilotos que morrem em dezembro.

• **Baixa frequência.** Um processo trimestral raramente justifica a manutenção que um sistema com IA em produção exige.

Como priorizar quando você tem dez candidatos

Quando a conversa se abre, quase sempre surgem mais ideias do que é possível executar. Uma matriz simples organiza a discussão e evita que vença a ideia de quem fala mais alto.

Peça a cada área que estime duas coisas por processo: impacto anual aproximado (horas economizadas × custo-hora, ou perdas evitadas) e dificuldade de implementação (qualidade dos dados, integrações necessárias, resistência esperada). Posicione cada candidato em um quadrante.

O primeiro projeto deveria sair do quadrante de alto impacto e baixa dificuldade, mesmo que não seja o mais interessante tecnicamente. Você precisa de um resultado visível em 8 a 12 semanas, não de uma plataforma perfeita em 18 meses.

Um exemplo concreto: uma distribuidora com 40 pessoas no back office listou oito processos. O mais atraente era um modelo de previsão de demanda; o escolhido foi a validação automática de ordens de compra contra o catálogo, que consumia 90 horas semanais entre três pessoas. Entrou no ar em dez semanas, liberou o time e financiou a conversa sobre demanda no ano seguinte.

Defina o sucesso antes de começar

Um piloto sem critério de sucesso por escrito é um piloto que nunca termina. Antes da primeira linha de código, deixe registrado quatro coisas: a métrica base de hoje, a meta, o prazo de avaliação e quem decide se continua ou para.

Também defina o limite de qualidade aceitável. Um classificador com 85% de acerto pode ser excelente se os 15% restantes caírem em uma fila de revisão humana, e pode ser inaceitável se for direto ao cliente. Essa conversa é de negócio, não de tecnologia.

E faça o orçamento do depois. Um sistema com IA não é um projeto que se entrega e se esquece: exige monitoramento, retreinamento ocasional e ajustes quando mudam os processos ou os fornecedores. Se não há quem cuide dele, o desempenho se degrada em silêncio ao longo de meses.

Por fim, cuide do lado humano. As pessoas que melhor conhecem o processo são também as que mais temem ser substituídas. Envolvê-las desde o diagnóstico, e ser honesto sobre o que muda no dia a dia delas, faz mais pela adoção do que qualquer demo.

Um ponto de partida razoável

Se você está começando, não precisa de uma estratégia de IA corporativa. Precisa de uma lista honesta de processos, cinco filtros aplicados com rigor e um primeiro caso que possa medir antes do fim do trimestre.

Na Da2 Group acompanhamos esse diagnóstico com frequência: mapear processos, revisar a qualidade real dos dados e separar o que vale a pena automatizar do que vale a pena simplesmente corrigir. Às vezes a recomendação é não usar IA ainda, e isso também é um resultado útil.

Se você tem um processo em mente e quer uma segunda opinião antes de comprometer orçamento, vamos conversar. Uma hora de revisão costuma esclarecer bastante.