Sua empresa não precisa descobrir onde colocar IA

Precisa descobrir onde o trabalho trava — e escolher a menor intervenção capaz de fazê-lo andar melhor.

TL;DR
Tenho percebido uma dificuldade recorrente: muitas empresas já concluíram que precisam usar inteligência artificial, mas não têm a mínima ideia de onde colocá-la. A pergunta chega invertida. Em vez de começar pela ferramenta, eu procuro filas, retrabalho, informação perdida, decisões repetitivas, erros recorrentes e pessoas que viraram integrações manuais entre sistemas. A partir do gargalo, podemos decidir se a resposta é melhorar o processo, criar uma automação determinística, usar IA como assistência, dar ferramentas a um agente, automatizar uma decisão operacional limitada ou preservar a decisão humana com evidências melhores. Nem todo problema precisa de IA. Todo sistema precisa de responsabilidade, observabilidade e uma forma segura de falhar.

Uma das maiores dificuldades que vejo hoje não é convencer uma empresa de que inteligência artificial pode ser útil.

Essa etapa muita gente já atravessou.

A empresa já decidiu que “precisa de IA”. O concorrente está falando sobre isso. A equipe experimentou algum chatbot. Alguém viu uma demonstração impressionante. A diretoria não quer ficar para trás.

O problema começa na pergunta seguinte:

Onde, exatamente, a gente coloca IA dentro da empresa?

É aí que a conversa costuma ficar abstrata. Porque “colocar IA” não descreve um problema, um resultado, uma decisão nem um processo. Descreve apenas a vontade de usar uma tecnologia.

É como comprar uma máquina antes de descobrir qual etapa da fábrica está parada.

Eu prefiro inverter a pergunta.

Sua empresa não precisa começar descobrindo onde colocar IA. Precisa descobrir onde o trabalho está travando.

O gargalo deixa pistas

Gargalo nem sempre aparece como um sistema fora do ar ou uma fila visível na porta de um setor. Muitas vezes ele se disfarça de rotina normal.

Vale procurar lugares em que:

a mesma informação é copiada entre planilhas, e-mails e sistemas;
uma pessoa passa o dia perguntando se outra pessoa já terminou uma etapa;
o cliente espera porque ninguém encontrou o contexto necessário para responder;
documentos chegam em formatos diferentes e alguém precisa interpretá-los manualmente;
a equipe repete a mesma decisão dezenas de vezes, mas os critérios continuam apenas na cabeça de quem decide;
uma exceção atravessa vários setores porque o fluxo comum não sabe o que fazer com ela;
erros conhecidos reaparecem sem que o sistema consiga detectá-los antes;
o relatório só fica pronto quando já perdeu parte do valor para a decisão;
uma pessoa se tornou a integração humana entre ferramentas que não conversam;
o processo depende de alguém lembrar o próximo passo.

Esses sinais não provam que a solução é IA. Eles mostram onde existe custo de coordenação, espera, repetição, perda de contexto ou decisão mal apoiada.

Esse é o começo do levantamento de requisitos de verdade.

Eu não quero ouvir apenas “precisamos automatizar o financeiro” ou “queremos um agente para vendas”. Quero entender o que entra, o que precisa sair, quem decide, qual informação sustenta a decisão, quais exceções importam, o que pode dar errado e quem responde quando der.

Só depois disso faz sentido escolher a tecnologia.

Seis respostas possíveis — e IA é apenas parte delas

Quando encontramos um gargalo, eu penso em níveis diferentes de intervenção. Eles não formam uma escada obrigatória. O sistema certo pode combinar vários deles.

1. Corrigir o processo ou integrar os sistemas

Às vezes não falta inteligência. Falta um fluxo coerente.

Se duas ferramentas já possuem APIs confiáveis e a regra de transferência é clara, uma integração tradicional pode resolver. Se ninguém concorda sobre o que significa “pedido pronto”, o primeiro trabalho talvez seja definir o processo.

Colocar IA sobre uma ambiguidade não elimina a ambiguidade. Só permite que ela circule mais rápido.

2. Criar uma automação determinística

Quando entrada, regra e saída são conhecidas, código convencional costuma ser a melhor resposta.

“Se o pagamento foi confirmado, emita o documento e atualize o status.”

Não precisamos de um modelo probabilístico para somar valores, mover um arquivo, validar um campo obrigatório, executar um backup ou avisar que um prazo venceu.

Automação determinística tende a ser mais barata, previsível, testável e fácil de auditar. Usar IA onde uma regra resolve não torna o sistema mais moderno. Pode apenas tornar o resultado menos previsível.

3. Usar IA como assistência

A IA começa a fazer mais sentido quando existe linguagem, ambiguidade ou volume difícil de tratar apenas com regras.

Ela pode classificar uma solicitação, resumir um histórico, extrair campos de um documento, comparar textos, localizar conhecimento relevante ou produzir uma recomendação inicial.

Aqui a IA não executa o processo inteiro. Ela reduz trabalho cognitivo e entrega material melhor para uma pessoa ou automação continuar.

4. Dar ferramentas a um agente executor

Um agente de IA combina contexto, modelo, ferramentas e critérios para escolher próximos passos dentro de um espaço delimitado.

Ele pode consultar sistemas, reunir evidências, preencher um artefato, abrir uma tarefa, solicitar um dado ausente, executar uma validação e devolver o estado atual com risco e próximo passo.

A diferença para uma automação fixa é que o caminho pode variar conforme o contexto. A diferença para autonomia irrestrita é que ferramentas, permissões, limites e pontos de aprovação continuam explícitos.

5. Automatizar uma decisão operacional limitada

É possível permitir que um sistema tome certas decisões sem esperar uma pessoa, mas “IA decisora” não pode ser um nome elegante para autoridade sem dono.

No vocabulário de mercado, isso pode aparecer simplesmente como IA decisora. Eu prefiro explicitar qual decisão operacional foi delegada e até onde vai a autoridade do sistema. O nome menos empolgante obriga a arquitetura a ficar mais honesta.

Eu reservaria esse desenho para decisões de baixo impacto, reversíveis e delimitadas por política clara. O sistema precisa ter limite de valor ou consequência, nível mínimo de confiança, trilha de auditoria, monitoramento, rota de exceção e possibilidade real de desfazer o resultado.

Encaminhar um chamado para a fila mais provável pode caber aqui. Liberar automaticamente uma reposição pequena dentro de estoque, orçamento e fornecedores previamente aprovados também pode caber. Transferir um valor relevante, demitir uma pessoa ou assumir um risco jurídico em silêncio, não.

6. Preservar a decisão humana e melhorar sua evidência

Em decisões materiais, a maior contribuição da IA pode ser organizar aquilo que o humano precisa enxergar.

O sistema reúne dados, mostra cenários, registra premissas, aponta informação ausente, compara alternativas e expõe incerteza. A pessoa continua responsável por objetivo, contexto, ética e consequência.

Como escrevi em A melhor resposta não é a que mais me agrada, dados mais organizados não transformam uma conclusão em verdade. Eles ajudam a separar evidência, hipótese e impulso — desde que o sistema também mostre o que não sabe.

Um mapa prático de gargalos e sistemas possíveis

Os exemplos abaixo são hipóteses de arquitetura, não receitas universais nem casos de resultado comprovado. A mesma atividade pode exigir desenhos diferentes conforme volume, risco, dados, integrações e responsabilidade.

No celular, deslize a tabela para os lados para comparar sistema e controle.

Gargalo observado	Encaixe possível	Controle que não pode faltar
Leads entram por vários canais e esperam até alguém organizar o contexto	Integração para centralizar; IA assistiva para classificar; agente para pesquisar histórico e preparar o próximo contato	Consentimento, critérios comerciais explícitos, revisão de mensagens sensíveis e bloqueio de disparo indiscriminado
Atendimento repete perguntas, procura pedidos e perde o histórico do cliente	Automação para recuperar status; IA para resumir; agente para consultar sistemas e propor ou executar ações permitidas	Escalonamento humano, proteção de dados, registro das consultas e limites claros para compensações ou cancelamentos
Financeiro confere notas, pedidos e comprovantes manualmente	Regra determinística para conciliação conhecida; IA para extrair documentos variados; agente para buscar pendências	Segregação de funções, trilha de auditoria e aprovação humana antes de pagamentos ou alterações relevantes
Operação descobre ruptura de estoque tarde demais	Automação de alertas; IA assistiva para estimar demanda; agente para montar proposta de reposição	Limites de orçamento e quantidade, fornecedores aprovados, monitoramento de erro e aprovação para exceções
Onboarding depende de uma sequência de e-mails e lembranças	Automação para contas e checklists; IA para responder com base em políticas; agente para coordenar pendências entre áreas	Menor privilégio, revisão de acessos, fonte canônica de políticas e decisão humana em contratação, avaliação ou desligamento
Conhecimento está espalhado em documentos, conversas e pessoas	Busca semântica e IA assistiva para localizar e resumir; agente para detectar lacunas e propor atualização	Proveniência, data de validade, controle de acesso e aprovação humana antes de alterar a fonte oficial
Requisitos saem de reuniões e se perdem antes de chegar à execução	IA para estruturar falas e documentos; agente para criar artefatos, conferir regras do projeto e acompanhar validações	Responsável pelo escopo como dono da direção, rastreabilidade até a fonte e aprovação para mudanças relevantes
Infraestrutura produz alertas demais, backups existem mas ninguém testa restauração	Automação para rotinas e testes; IA para agrupar sinais e explicar contexto; agente para coletar evidências e executar playbooks autorizados	Permissões mínimas, logs, rollback, cópias isoladas, teste de restauração e decisão humana para ações destrutivas

Essa tabela não serve para escolher uma ferramenta por linha. Serve para perceber que um mesmo gargalo pode combinar partes determinísticas e probabilísticas.

No atendimento, por exemplo, localizar um pedido pelo número é integração. Resumir vinte mensagens é IA assistiva. Consultar pedido, política e histórico para montar opções é trabalho de agente. Autorizar um reembolso pequeno dentro de uma política explícita pode ser decisão automatizada limitada. Mudar uma condição comercial relevante continua pedindo uma pessoa responsável.

Chamar tudo isso de “chatbot” esconderia quase toda a arquitetura.

O gargalo costuma morar entre os setores

Eu aprendi cedo que sistema nenhum existe apenas no código.

Quando trabalhava presencialmente nas empresas, resolver um problema rápido me dava tempo para levantar, tomar café e conversar com outros setores. Nessas visitas eu começava a entender como a operação realmente funcionava: qual informação chegava incompleta, que regra não estava documentada, onde alguém mantinha uma planilha paralela e por que um pedido aparentemente simples atravessava tantas pessoas.

Essa curiosidade continua sendo parte do meu trabalho.

Um gargalo pode parecer problema do comercial, mas nascer no cadastro. Pode aparecer no financeiro, mas começar num requisito que a operação nunca registrou. Pode virar chamado de suporte porque uma integração falhou silenciosamente três etapas antes.

Por isso minha entrega não começa nem termina no prompt.

Ela atravessa a esteira inteira:

conversar com quem vive o processo e levantar requisitos;
observar o fluxo atual e localizar o gargalo real;
definir resultado, critérios, decisões, exceções e riscos;
escolher a menor arquitetura suficiente;
implementar software, automações, agentes e integrações;
colocar o sistema na infraestrutura adequada;
controlar acesso, proteger dados e registrar ações;
monitorar comportamento, custo, falhas e qualidade;
desenhar e testar backup, restauração e continuidade do que precisa sobreviver;
revisar o sistema quando a operação mudar.

Esse caminho não é tão cinematográfico quanto “instalar uma IA na empresa”. É muito mais útil.

Onde eu não colocaria IA

Saber onde não usar também é parte da arquitetura.

Eu desconfiaria de um projeto quando:

o problema ainda não foi definido;
a equipe quer preservar um processo ruim apenas porque sempre trabalhou assim;
os dados necessários não existem, não têm origem ou não podem ser usados daquela forma;
uma regra simples resolveria com mais previsibilidade;
ninguém aceita ser dono do resultado;
não existe maneira de medir se o gargalo melhorou;
uma falha pode causar dano relevante e não há revisão, contenção ou rollback;
a empresa quer usar IA para disfarçar uma decisão que continua sendo humana;
o sistema dependeria de autoridade ampla demais para o benefício esperado;
a demonstração funciona, mas ninguém sabe manter a operação depois.

IA acelera capacidade, processo e tendência. Ela não escolhe automaticamente uma direção melhor.

Se o processo está errado, um agente pode apenas atravessá-lo com mais velocidade. A Ferrari continua chegando mais cedo à parede.

Um roteiro para a primeira conversa

Se sua empresa sabe que precisa avançar, mas ainda não enxerga onde, estas perguntas já mudam a qualidade do diagnóstico:

Onde existe fila, retrabalho ou espera recorrente?
Que informação alguém procura ou copia todos os dias?
Qual decisão se repete e quais critérios realmente a sustentam?
Que exceções consomem mais tempo que o fluxo comum?
Onde uma pessoa virou ponte manual entre sistemas?
O que precisa ser determinístico e o que envolve linguagem ou ambiguidade?
Que ação poderia ser executada por um agente — e com qual autoridade?
Que decisão é reversível e de baixo impacto o bastante para ser automatizada?
Onde a decisão precisa continuar humana, mas pode receber evidências melhores?
Como saberemos que o gargalo diminuiu?
O que será registrado, monitorado e revisado?
Como o sistema falha, volta atrás e recupera seus dados?

Talvez a resposta final seja um agente de IA. Talvez seja uma integração, uma automação, um painel, uma política mais clara ou a remoção de uma etapa que nunca deveria ter existido.

O ganho está em descobrir isso antes de comprar a ferramenta.

A conversa pode começar pelo gargalo

A i-9.ai entrega software, automações e sistemas assistidos por IA a partir desse olhar de ponta a ponta: entender a necessidade, transformar requisito em arquitetura, implementar, integrar, publicar, monitorar e proteger a operação.

Se você já percebeu que sua empresa precisa usar melhor a IA, mas ainda não sabe onde ela realmente gera valor, entre em contato. Você não precisa chegar com a solução ou a ferramenta escolhida.

Pode chegar com o gargalo.

Continue lendo

IA não é uma coisa só: modelo, agente, automação e harness: um mapa das camadas que podem compor a solução.
A melhor resposta não é a que mais me agrada: critérios para construir agentes que exponham incerteza e pontos cegos.
A evolução da tecnologia: do mainframe ao trocadilho infame em tempo real: como abstrações técnicas nos trouxeram até agentes capazes de acompanhar contexto e agir.

Referências e limites de uso

NIST, “Artificial Intelligence Risk Management Framework 1.0” (2023): estrutura voluntária para governar, mapear, medir e gerenciar riscos de IA. Apoia a necessidade de tratar risco ao longo do ciclo de vida; não prescreve as arquiteturas deste artigo nem certifica uma implementação.
Anthropic, “Building Effective Agents” (2024): apresenta a distinção usada pela empresa entre fluxos predefinidos e agentes que dirigem dinamicamente o uso de ferramentas. É uma referência de engenharia, não uma taxonomia universal.

Os gargalos, sistemas e controles apresentados aqui são exemplos hipotéticos para explicar critérios de arquitetura. Não são estudos de caso, recomendações setoriais completas, promessa de desempenho ou substituição de análise técnica, jurídica, trabalhista, financeira ou de segurança no contexto real.