Onde a IA generativa realmente devolve horas

A pergunta útil não é o que a IA consegue fazer. É onde ela se paga.

A conversa sobre IA generativa em empresa costuma começar pela capacidade o que o modelo consegue fazer e travar na hora de escolher por onde começar. A pergunta que destrava é outra: em qual tarefa a hora devolvida vezes a frequência supera o custo de construir e manter.

Na experiência da nossa equipa, três padrões passam nesse teste com folga. Dois falham quase sempre, e vale conhecê-los primeiro.

Onde não funciona

• Calcular indicador. Modelo de linguagem não é motor de cálculo. Indicador precisa ser determinístico, auditável e reproduzível três coisas que um modelo generativo não garante. O número sai de regra explícita; a IA pode explicá-lo, nunca produzi-lo.
• Automatizar processo bagunçado. Automatizar um processo que ninguém entende só automatiza o mal-entendido, e mais rápido. O mapeamento vem antes, sempre. Em um projeto de automação que fizemos, parte relevante do ganho veio de deixar de gerar relatórios que ninguém abria o que não parece automação, mas conta como hora devolvida.

Padrão 1 Extração de dado que hoje vive em texto

É o que mais se paga, e o mais subestimado. Nota fiscal em PDF, contrato, laudo, e-mail de fornecedor, apontamento escrito à mão pelo conferente no fim do turno. Dado que existe, que a empresa já regista, e que hoje alguém redigita.

O ganho é duplo: some a hora de digitação e some o erro que vem com ela. Em operação logística, tirar o apontamento de avaria do papel costuma ser a automação que se paga mais rápido antes de qualquer modelo preditivo.

A regra de ouro aqui é conferência: toda extração passa por validação automática antes de o dado circular. Se o campo vem fora do padrão, alguém é avisado. Sem isso, você trocou erro de digitação por erro de máquina, que é pior porque ninguém procura.

Padrão 2 Classificação e padronização de registos

Cliente com três grafias, produto sem categoria, descrição livre onde deveria haver código. É o trabalho que trava a análise antes de ela começar, e que alguém faz à mão, de vez em quando, sem nunca terminar.

Aqui a IA generativa funciona bem porque a tarefa é de julgamento com padrão exatamente onde regra fixa falha e pessoa acerta, mas devagar. O resultado entra sempre como sugestão com nível de confiança: acima do limiar aplica sozinho, abaixo vai para revisão humana. Isso mantém a taxa de erro sob controlo e reduz progressivamente a fila de revisão conforme o padrão se estabiliza.

Padrão 3 Explicação de variação

O painel mostra que a margem caiu dois pontos. Alguém precisa abrir, cruzar recortes e descobrir onde. Esse trabalho é repetitivo, é sempre igual e consome justamente quem tem contexto para interpretar.

Uma camada generativa em cima de números já calculados não calculando, apenas lendo o que os recortes mostram devolve a primeira leitura em segundos: onde a queda se concentra, o que mudou em relação ao período anterior, quais categorias puxaram. A pessoa continua a decidir; ela só não gasta a manhã chegando até a pergunta.

Como escolher a ordem

O critério que usamos é aritmético, e o número medido costuma surpreender: hora devolvida × frequência, descontada a dificuldade técnica. Rotina que consome quatro horas por mês e é fácil de integrar ganha de rotina que consome vinte e depende de um sistema sem API.

Levantar isso direito leva alguns dias e evita meses de trabalho na ordem errada. E quase sempre o tempo real de execução é maior que o estimado as pessoas subestimam o que fazem toda semana.

O que precisa vir junto

• Documentação de cada rotina. O que faz, de onde lê, para onde escreve e o que fazer quando falha.
• Plano de contingência. Sistema de origem uma hora muda. É manutenção prevista, não imprevisto.
• Alerta de falha. A rotina que quebra em silêncio é pior que a rotina manual, porque ninguém repara.

Sobre as pessoas que faziam o trabalho: elas passam a analisar o que antes só consolidavam. A automação substitui tarefa, não pessoa e as tarefas que ela substitui são justamente as que ninguém gosta de fazer.