Quero usar IA na empresa mas não sei por onde começar

Antes de escolher ferramenta ou modelo, responda a uma pergunta: a regra dessa tarefa é determinística? Se você consegue escrever o passo a passo completo sem usar "depende do caso", código comum resolve melhor, mais barato e sem erro. IA entra quando a entrada é confusa, ambígua ou não estruturada, e quando um erro ocasional é tolerável desde que exista revisão. Esse único filtro elimina a maior parte dos projetos de IA que fracassam.

A pergunta que separa IA de código comum

Código comum é determinístico: mesma entrada, mesma saída, sempre. É auditável, testável e o custo não cresce por item processado. IA é probabilística: acerta na maior parte das vezes, erra em algumas, e o custo acompanha o volume.

A escolha, então, não é sobre modernidade. É sobre a natureza da tarefa:

• Entrada estruturada e regra escrita significa código comum.
• Entrada em texto livre, imagem ou áudio significa candidato a IA.
• Erro inaceitável e sem revisão possível significa código comum, ou IA apenas como sugestão a ser aprovada.
• Volume gigante de casos parecidos com pequenas variações significa candidato a IA.

Tarefa por tarefa: IA ou código comum

A linha do meio dessa tabela é a mais útil na prática: muitos processos são híbridos. IA interpreta a parte bagunçada, código comum aplica a regra e confere o resultado.

Quatro casos de entrada baixa

Se a empresa quer começar sem apostar alto, estes quatro têm implantação curta e resultado visível:

Triagem de mensagens. Caixa de entrada compartilhada com centenas de mensagens por semana, classificadas por assunto, urgência e destino. O ganho é tempo de resposta, e o erro custa pouco porque a mensagem apenas vai para a fila errada e é redirecionada.

Extração de dados de documento. Nota fiscal, contrato, ficha de cadastro ou pedido enviado em PDF que hoje alguém digita à mão. A IA extrai os campos, o código valida o que dá para validar e um humano confere o que ficou fora do esperado.

Resumo de atendimento. Transcrição de ligação ou conversa longa transformada em resumo com pontos combinados e pendências. Reduz tempo de registro e melhora a qualidade do histórico.

Busca na base interna. Perguntar em linguagem natural e receber resposta com a fonte citada, em cima de manuais, políticas e documentação da empresa. Aqui a regra de ouro é a resposta sempre apontar o documento de origem, para que qualquer pessoa possa conferir.

O que esses quatro têm em comum: entrada não estruturada, saída revisável e nenhum deles decide sozinho algo irreversível.

O que precisa existir antes de começar

Três pré-requisitos. Faltando qualquer um, o projeto vira demonstração bonita que não entra em uso.

O segundo é o mais ignorado. Uma IA que classifica mensagens perfeitamente não serve para nada se ninguém definiu para onde vai cada categoria.

Custo por uso e o que muda quando o volume cresce

Software tradicional tem custo alto de construção e custo baixo de operação. Com IA, entra um terceiro componente: custo por item processado, que cresce junto com o volume.

Isso muda três decisões:

• Medir custo por unidade desde o piloto. Custo por documento lido, por mensagem classificada, por resumo gerado. É esse número que vai escalar, não o total do mês de teste.
• Filtrar antes de chamar o modelo. Se código comum consegue resolver 70% dos casos, mande para a IA apenas os 30% duvidosos. Isso costuma reduzir a conta de forma mais eficaz que qualquer ajuste fino.
• Reavaliar quando o volume multiplicar. O que compensa a 500 documentos por mês pode não compensar a 50 mil. Nesse ponto, entram opções como modelo menor, processamento em lote ou cache de resultados repetidos.

Some ainda o custo humano de revisão. Ele é alto nas primeiras semanas e cai conforme a confiança aumenta, mas nunca deveria chegar a zero em processos que afetam cliente ou dinheiro.

Como fazer um piloto pequeno do jeito certo

O piloto existe para responder uma pergunta, não para impressionar. Roteiro em seis passos:

1. Escolha uma tarefa só, com volume real e dono definido.
2. Escreva o critério de sucesso antes de começar. Exemplo de formulação: "classificar corretamente 9 de cada 10 mensagens, reduzindo em 60% o tempo de triagem, a um custo por mensagem abaixo de um valor definido".
3. Meça a linha de base. Quanto tempo e quanto custa fazer isso hoje, do jeito manual. Sem esse número, não existe comparação.
4. Rode em paralelo, não no lugar. Durante duas a quatro semanas, humano e IA fazem o mesmo trabalho. Compare.
5. Registre os erros por tipo. Errar sempre no mesmo tipo de documento é problema resolvível. Errar de forma aleatória é sinal de que a tarefa talvez não seja adequada.
6. Decida com os números. Passou no critério, expanda. Não passou, ajuste uma vez e, se continuar fora, encerre sem drama.

O passo 2 é o que separa piloto de experiência. Critério definido depois do resultado sempre é atendido, porque a régua se ajusta ao que apareceu.

Sinais de que o projeto vai dar errado

• Ninguém consegue dizer qual problema de negócio será resolvido, só que "precisa ter IA".
• A tarefa escolhida exige acerto de 100% e não admite revisão.
• Não existe pessoa responsável por revisar as saídas.
• O dado necessário está espalhado, desatualizado ou é inacessível.
• O sucesso será avaliado por impressão, não por número combinado antes.
• A escolha da ferramenta veio antes da definição do problema.

Na Retti Tech, uma parte relevante dos projetos que começam como pedido de IA termina como automação tradicional, porque o diagnóstico mostra que a regra era determinística. Isso não é um projeto fracassado. É o projeto certo, entregue mais barato e com resultado mais previsível. IA é uma ferramenta excelente para uma classe específica de problemas, e reconhecer quando o problema não é dessa classe é a parte mais valiosa da conversa inicial.