Como implementar IA nos processos da sua empresa

Indústria de embalagens, 420 pessoas, três plantas. A diretoria aprovou um projeto de IA em fevereiro com uma frase que parecia razoável: começar pelo processo mais crítico, que era o de cotação para clientes especiais. Sete meses depois, o projeto tinha consumido orçamento, produzido três demonstrações e nenhuma cotação a mais por semana.

O diagnóstico, quando finalmente foi feito, não tinha nada de tecnológico. O processo de cotação passava por cinco áreas, tinha duas etapas que existiam só para conferir a etapa anterior, e ninguém sabia dizer quanto tempo ele levava — as estimativas internas variavam de dois a nove dias. Não havia o que melhorar porque não havia o que medir.

01A ordem certa é antiga #

Michael Hammer publicou na Harvard Business Review, em 1990, um artigo com título que já era a tese: 'Don't Automate, Obliterate'. O argumento é que informatizar um processo ruim apenas mecaniza o desperdício, e que o ganho relevante vem de redesenhar o trabalho antes de aplicar tecnologia sobre ele. Trinta e seis anos depois, trocamos a palavra 'informatizar' por 'colocar IA' e o erro continua idêntico.

Thomas Davenport, em The AI Advantage (MIT Press, 2018), chegou ao mesmo ponto por outro caminho. Estudando adoções corporativas, ele defende o que chama de abordagem incremental: em vez de apostar em um projeto transformador, acumular usos pequenos e bem delimitados que entram em produção. No artigo que escreveu com Rajeev Ronanki na HBR, também em 2018, os autores registram que os projetos com menor taxa de fracasso eram os de automação de tarefas administrativas estruturadas, e não os de previsão sofisticada.

A síntese das duas fontes cabe em uma sequência: mapear o processo, tirar o desperdício, medir a linha de base, e só então colocar IA num escopo pequeno, com dono e critério de sucesso definidos antes de ligar qualquer coisa.

02Os quatro erros clássicos #

1. Começar pelo caso mais difícil. O processo mais crítico é o que tem mais exceções, mais áreas envolvidas e mais gente disposta a bloquear. É o pior lugar para aprender a fazer.
2. Não ter linha de base. Sem o número de antes, o resultado depois vira opinião. E opinião sobre projeto de IA costuma ser generosa nos primeiros três meses e cruel a partir do sexto.
3. Não ter dono. Projeto de IA sem uma pessoa responsável pelo processo — não pela ferramenta — não sobrevive à primeira exceção. A área de tecnologia não pode ser dona de um processo comercial.
4. Não decidir o que fazer quando o agente erra. Ele vai errar. A pergunta é se o erro é detectado, por quem, em quanto tempo, e o que é revertido.

O quarto erro é o que mais custa reputação interna. Um agente que erra em 4% dos casos pode ser excelente, se os 4% forem detectados no mesmo dia e revertidos sem prejuízo. O mesmo agente é inaceitável se o erro só aparece na fatura do cliente 40 dias depois. A diferença não está no modelo: está no desenho da checagem.

03O roteiro de 90 dias #

As semanas 8 a 10 são as que costumam ser puladas, e são as mais valiosas. Rodar em sombra custa pouco, não expõe cliente e revela em duas semanas se o agente está entendendo o problema — inclusive os casos em que ele acerta a resposta pelo motivo errado.

Quer ver como isso fica dentro de uma operação de verdade? Conheça a plataforma.

04A conta do piloto, com premissas à vista #

Escala da indústria de embalagens, depois de reescolher o processo — passaram da cotação especial para a triagem de pedidos de compra recorrente. Premissas declaradas; refaça com os seus números:

Com essas premissas, o escopo cobre cerca de 748 pedidos por mês e libera algo próximo de 75 horas mensais de triagem. Não é uma revolução: é uma pessoa e meia de capacidade devolvida à parte do trabalho que exige julgamento. O ponto do roteiro não é prometer mais do que isso — é garantir que esse número exista e possa ser conferido, em vez de virar uma estimativa de apresentação.

05O que sustenta o segundo caso #

O primeiro caso ensina a empresa a fazer; o segundo é o que decide se aquilo vira prática. Três coisas sustentam a continuidade: registro do trabalho onde ele acontece, para que a linha de base do próximo processo já exista; documentação do escopo e das permissões, no espírito das funções de governança e medição do NIST AI Risk Management Framework 1.0, de 2023; e uma revisão trimestral que compare o prometido com o observado, inclusive para desligar o que não rendeu.

Vale também escolher o próximo caso pelo mesmo critério do primeiro, e não pelo entusiasmo de quem viu a demonstração. Volume alto, regra estável, consequência reversível. Os processos difíceis chegam depois, quando a empresa já sabe medir e já sabe desligar.

Na Relevanti, mapear o processo, medir a linha de base e colocar o agente dentro dele acontecem no mesmo lugar — vale reler o que é um agente de IA — e o que não é antes de escolher o piloto; veja como na plataforma, no recorte por área em soluções, ou traga um processo específico para uma conversa.

O conselho de Hammer sobrevive intacto: não automatize, redesenhe. E o de Davenport completa: comece pequeno, mas coloque em produção. Entre os dois cabe um trimestre de trabalho pouco glamouroso, que é exatamente o que separa um piloto de um resultado.