IA por área da empresa
Onde a IA entra em cada área, com o processo típico de cada uma.
ARTIGO · MÉTODO
A maior parte das iniciativas de IA não falha por tecnologia. Falha por escolher o processo errado para começar e por não combinar antes como o resultado seria medido. Este texto descreve o filtro que usamos para escolher o primeiro processo e o que precisa estar definido antes de começar.
A pergunta “como usar IA na minha empresa” quase sempre chega junto com uma segunda, implícita: qual ferramenta contratar. A ordem está invertida, e é o que produz a situação mais comum — a empresa assina, distribui acesso para a equipe, algumas pessoas usam para escrever e-mail por algumas semanas, e seis meses depois ninguém sabe dizer o que mudou.
Não é falta de ferramenta. É que uso disperso não produz resultado mensurável. Ganho individual de produtividade, espalhado por dezenas de tarefas diferentes que ninguém acompanha, não aparece em nenhum indicador da empresa — e o que não aparece em indicador não sustenta a decisão de continuar.
O que produz resultado é o contrário: um processo específico, escolhido com critério, com uma medida combinada antes de começar.
Quatro critérios. Um processo que não atende aos quatro não deveria ser o primeiro — pode ser o segundo, depois que a empresa aprendeu a operar isso.
| Critério | Por que importa | Como testar |
|---|---|---|
| Volume | Sem repetição não há ganho acumulado nem dado suficiente para avaliar | Acontece pelo menos algumas dezenas de vezes por semana? |
| Regra estável | Processo cuja regra muda toda semana não se automatiza: se reescreve toda semana | A regra de hoje é a mesma de três meses atrás? |
| Resultado verificável | Sem gabarito não dá para saber se melhorou. Opinião de quem testou não é medida | Existe uma resposta certa que alguém consegue conferir? |
| Dono identificado | Sem alguém responsável pelo resultado, o piloto não tem quem decida se continua | Uma pessoa nomeada responde por esse processo hoje? |
Os processos que passam nesse filtro costumam ser os menos glamourosos da empresa: triagem de documento que chega, extração de campo de nota ou contrato, classificação e roteamento de chamado, primeira resposta a pergunta recorrente sobre base interna, conferência de cadastro contra regra conhecida.
Nenhum deles rende apresentação bonita. Todos rendem número.
Cinco definições. Levam pouco tempo e evitam a discussão improdutiva que aparece três meses depois, quando ninguém consegue concordar se funcionou.
1. A medida. Um número que existe hoje e que se espera mover: tempo médio de triagem, percentual de retrabalho, fila acumulada, quantidade de item conferido por dia. Precisa ser medido antes, para haver comparação.
2. O critério de aceite. Que nível de acerto torna o resultado utilizável. Não é sempre alto: um classificador que acerta a maioria e encaminha o resto para revisão humana pode ser útil, se a revisão estiver prevista no fluxo.
3. O que acontece quando erra. Todo sistema baseado em modelo de linguagem erra. A pergunta de projeto é o que o processo faz com o erro: quem revisa, em que ponto, com que registro. Fluxo sem tratamento de erro não vai para produção.
4. Que dado entra, e sob que base legal. Se o processo toca dado pessoal, a base legal precisa estar identificada antes, e o enquadramento registrado. Se a ferramenta escolhida processa fora do país, isso é transferência internacional de dados, com regra própria.
5. Quem decide o fim. A pessoa que tem autoridade para dizer “passou” ou “não passou” no prazo combinado. Piloto sem data e sem juiz vira piloto eterno.
“Usar IA” significa coisas bem diferentes em termos de esforço e de risco. Vale saber em qual dos três a empresa está entrando.
Assistente de uso geral. Uma pessoa conversa com a ferramenta para escrever, resumir, revisar. Esforço de implantação próximo de zero. Ganho real, difícil de medir, e concentrado em quem já sabia o que queria. O risco principal é de dado: sem regra clara, informação sensível entra em ferramenta que a empresa não contratou.
Resposta sobre a base da empresa. A ferramenta consulta documentos internos antes de responder. Aqui já existe projeto: indexar o que existe, respeitar a permissão de quem pergunta, montar o contexto certo e medir se a resposta corresponde ao documento. É onde está a maior parte do trabalho — e onde está a maior parte do valor, porque é o que a ferramenta de prateleira não faz.
Agente que executa. O sistema não só responde: age em outro sistema — abre chamado, atualiza registro, envia documento. Muda a natureza do risco, porque o erro deixa de ser uma resposta ruim e passa a ser uma ação errada em sistema de produção. Exige permissão mínima, registro de tudo o que foi feito e ponto de aprovação humana no que for irreversível.
A recomendação é começar pelo segundo formato, não pelo terceiro. O agente é a continuação natural de um fluxo que já provou que a resposta está certa — não o ponto de partida.
Dois dados públicos, com a ressalva de origem que cada um merece.
Um estudo com mais de cinco mil atendentes de suporte, publicado por pesquisadores acadêmicos, mediu aumento de produtividade de 14% em média, com ganho de 34% entre os atendentes novatos e de menor desempenho. É um dos poucos estudos com medição instrumentada em ambiente real, não pesquisa de percepção — e o achado mais útil dele não é a média, é a distribuição: o ganho se concentra em quem tinha menos experiência. Ferramenta de IA nivela por cima com mais força do que acelera quem já era muito bom.
Um levantamento com 1.719 respondentes em 97 países, a campo entre maio e junho de 2026, mostra que 40% das organizações de maior porte relatam estar escalando agentes de IA, contra 27% no ano anterior — enquanto entre as organizações menores o número ficou parado em 22%. A distância entre os dois grupos é o dado interessante: escalar exige estrutura de governança e de medição que a empresa menor normalmente ainda não montou.
A leitura para quem está começando: a estrutura vem antes da escala. Empresa pequena que monta a governança mínima na primeira iniciativa fica em posição melhor do que a que distribui acesso para todo mundo e organiza depois.
Não é comitê nem política de trinta páginas. São quatro decisões escritas, que cabem em uma página.
Existem referências públicas para quem quiser estruturar isso com mais formalidade: o marco de gestão de risco de IA do instituto de padrões norte-americano, e os guias de uso de IA generativa publicados pelo governo federal brasileiro para a administração pública, que servem bem como base também no setor privado.
Escolher o processo pelo entusiasmo, não pelo filtro. O processo mais interessante de automatizar raramente é o que tem volume, regra estável e resultado verificável. Começar pelo interessante é o caminho mais curto para o piloto que não conclui.
Não medir antes. Sem a medida da situação atual não existe comparação possível, e a avaliação vira debate de percepção entre quem gostou e quem não gostou.
Ignorar o dado até o fim. Descobrir na véspera de subir que a base tem duplicidade, campo livre e informação desatualizada é a causa mais frequente de atraso — e a etapa de conferência costuma ser maior que a de implementação.
Tratar o resultado como definitivo. Modelo de linguagem não é determinístico: a mesma pergunta pode ter respostas diferentes. Fluxo que depende de resposta idêntica sempre precisa de verificação estruturada por cima, não de confiança na saída.
Onde a IA entra em cada área, com o processo típico de cada uma.
A diferença que muda o escopo do projeto e o tipo de risco.
Por que quase sempre a resposta é recuperação, e não treino.
Trinta minutos para escolher o processo que passa nos quatro critérios e definir como o resultado seria medido. É o que separa iniciativa de piloto eterno.
Respondemos em até 1 hora útil. Confirmação no mesmo dia útil.