Onde IA não vale a pena na empresa
Nem todo processo melhora com IA. Veja os casos em que ela só adiciona custo, imprevisibilidade e trabalho de revisão sem entregar retorno real.
IA não vale a pena quando a regra é determinística, quando o volume é baixo, quando o erro é caro e não pode ser revisado, quando os dados estão bagunçados e quando a decisão precisa ser explicada linha a linha. Nesses casos, código comum, um formulário melhor ou um processo redesenhado entregam mais por menos.
IA não vale a pena em cinco situações bem identificáveis: quando a regra é determinística, quando o volume é baixo demais, quando o erro é caro e não há revisão possível, quando os dados estão bagunçados e quando a decisão precisa ser justificada linha a linha. Reconhecer esses casos cedo economiza dezenas de milhares de reais e meses de frustração.
Quando a regra é determinística
Se você consegue escrever a lógica completa sem usar a expressão "depende do contexto", não use IA. Cálculo de comissão, aplicação de tabela de frete, validação de CPF, roteamento por faixa de CEP, desconto por faixa de volume, tudo isso é código comum.
Código determinístico dá a mesma resposta sempre, roda em milissegundos, custa quase nada por execução e pode ser testado exaustivamente. Um modelo de linguagem fazendo a mesma coisa é mais lento, mais caro, varia entre execuções e precisa de avaliação estatística em vez de teste unitário.
O caso limite útil: a regra é determinística, mas a entrada é bagunçada. Aí a IA entra só para normalizar a entrada (interpretar um pedido escrito em texto livre, por exemplo) e entrega o resultado estruturado para o código determinístico decidir. IA na porta de entrada, regra no núcleo.
Quando o volume não paga a conta
A matemática é simples e ignorada com frequência. Um projeto de IA aplicada tem custo de desenvolvimento, custo de integração, custo por chamada ao modelo e custo de manutenção contínua, incluindo alguém acompanhando qualidade.
Faça a conta antes: frequência da tarefa × tempo por execução × custo da hora. Se o resultado é "duas horas por mês de uma analista", nenhuma automação se paga. Automatize o que acontece dezenas de vezes por dia, não o que incomoda uma vez por semana.
Cuidado com o viés de irritação: as tarefas mais chatas raramente são as mais caras. O relatório mensal que todo mundo detesta pode custar menos à empresa do que a triagem de e-mails que ninguém reclama porque virou rotina.
Quando o erro é caro e não há revisão
IA erra. Sistemas bem construídos erram menos, mas erram. A pergunta certa não é "qual a taxa de acerto?", e sim "o que acontece com o caso errado?".
| Cenário | Erro é aceitável? | Por quê |
|---|---|---|
| Sugerir resposta a atendente humano | Sim | A pessoa revisa antes de enviar |
| Classificar chamado por assunto | Sim | Erro custa um reencaminhamento |
| Redigir rascunho de proposta | Sim | Passa por aprovação comercial |
| Calcular imposto a recolher | Não | Erro gera autuação e multa |
| Aprovar crédito sem revisão | Não | Prejuízo direto e risco regulatório |
| Emitir laudo ou parecer final | Não | Responsabilidade técnica e legal |
A regra prática: IA vale a pena onde existe um humano depois dela, ou onde o erro é barato de desfazer. Se não há revisor nem reversão, o projeto precisa ser redesenhado, ou não feito.
Existe um meio-termo honesto: usar IA apenas na parte reversível do processo. Ela pré-preenche e sinaliza divergência; a decisão final continua humana. Isso mantém o ganho de tempo sem transferir o risco para um sistema probabilístico.
Quando os dados estão bagunçados
Este é o caso mais frequente e o que mais gera projeto abandonado. A empresa quer um assistente que responda sobre políticas internas, mas as políticas estão em cinco versões diferentes, duas contraditórias, três desatualizadas e nenhuma com dono definido.
IA não resolve isso. Ela recupera o trecho mais parecido com a pergunta, que pode ser da versão de 2021, e responde com a mesma confiança de sempre. O resultado é pior que não ter sistema nenhum, porque agora o erro tem cara de resposta oficial.
Antes de qualquer projeto, responda:
- Qual documento é a fonte de verdade para cada assunto?
- Quem é o dono de cada um e com que frequência revisa?
- As versões antigas estão arquivadas ou circulando junto?
- Os dados transacionais estão acessíveis por API ou só via exportação manual?
Se as respostas não existem, o projeto certo é de organização de informação, não de IA. E frequentemente esse projeto sozinho já entrega boa parte do ganho esperado.
Quando a decisão precisa ser explicada
Em contextos regulados, crédito, seguros, saúde, licitação, RH, a decisão precisa ter justificativa auditável. Um modelo de linguagem produz texto que parece justificativa, mas não é o mecanismo real da decisão; é uma racionalização posterior gerada pelo mesmo processo probabilístico.
Onde a explicabilidade é exigência legal, use regras explícitas ou modelos estatísticos interpretáveis, e reserve a IA generativa para tarefas periféricas: resumir o processo, redigir a comunicação, organizar anexos. A decisão em si fica com o mecanismo auditável.
O padrão dos projetos que dão errado
Além dos cinco casos acima, três padrões aparecem com frequência em projetos que não vingam:
IA como enfeite de produto. Colocar um chat no sistema sem saber que problema ele resolve. O uso cai depois da novidade e sobra a fatura mensal.
Automatizar um processo ruim. Se o fluxo já é confuso e cheio de retrabalho, automatizá-lo produz confusão mais rápida. Redesenhe o processo primeiro; muitas vezes a etapa que você ia automatizar simplesmente deixa de existir.
Substituir uma planilha que funciona. Planilha bem feita, usada por poucas pessoas, com regra estável, é uma ferramenta eficiente. Trocar por um sistema com IA costuma piorar em confiabilidade e custo.
O que dizer para quem quer IA de qualquer jeito
Ser honesto sobre onde a IA não cabe é o que separa fornecedor de vendedor, e é a postura que adotamos nas conversas iniciais na Retti Tech. Boa parte dos pedidos que chegam como "quero um agente de IA" se resolve melhor com uma integração entre dois sistemas, um formulário mais inteligente ou a eliminação de uma etapa redundante.
Um teste final, simples: descreva o resultado esperado sem usar a palavra "IA". Se a frase continuar fazendo sentido e apontando um ganho concreto e mensurável, o projeto tem chance. Se ela desmontar, o que você quer é a tecnologia, não o resultado, e esse é o pior motivo para começar.
Perguntas frequentes
Qual o sinal mais claro de que IA é a ferramenta errada?
Quando você consegue escrever a regra completa em uma folha de papel sem usar a palavra depende do contexto. Regra que cabe em condicionais deve virar código, que custa menos, roda mais rápido e nunca varia de resposta.
Volume baixo inviabiliza um projeto de IA?
Geralmente sim, do ponto de vista financeiro. Se uma pessoa gasta duas horas por mês na tarefa, nenhum ganho de automação paga o desenvolvimento, a integração e a manutenção do sistema. O critério é frequência multiplicada por tempo, não o quanto a tarefa incomoda.
Dados bagunçados impedem usar IA?
Impedem obter resultado confiável. IA não conserta base contraditória, duplicada ou desatualizada, ela reproduz e amplifica esses defeitos com aparência de autoridade. Organizar a informação antes costuma entregar mais valor que o próprio projeto de IA.
Tem um processo que consome o time?
Me conta como funciona hoje. Se der para automatizar, eu te digo por onde começar — a conversa de diagnóstico não é cobrada.
Natiam Gabriel é AI Engineer & Full-Stack Developer e fundador da Retti Tech, estúdio de desenvolvimento de software que atende empresas em todo o Brasil. Constrói sistemas web sob medida, automações e integrações, com ou sem inteligência artificial, do levantamento de requisitos até a operação em produção. Mais de 20 empresas usam em produção os sistemas que desenvolveu.