IA sem modismo: cinco perguntas antes de aprovar um projeto de inteligência artificial

Existe uma diferença enorme entre "usamos IA" e "essa decisão ficou melhor". A primeira frase cabe numa apresentação. A segunda cabe numa planilha de resultado. Boa parte dos projetos de inteligência artificial que fracassam não fracassa por causa do modelo: fracassa porque ninguém definiu, no começo, qual decisão ele deveria melhorar.

O roteiro abaixo não exige conhecimento técnico. São cinco perguntas de negócio, na ordem em que devem ser feitas. Se alguma delas não tiver resposta clara, o projeto ainda não está pronto para ser aprovado — o que não quer dizer que seja ruim, apenas que falta trabalho antes.

Comece pela decisão, não pela tecnologia

Toda aplicação útil de IA existe para melhorar uma decisão que alguém já toma hoje: quanto comprar, qual cliente ligar primeiro, qual pedido tem risco de atraso, qual documento precisa de revisão humana. Se você não consegue apontar a decisão, o modelo não tem alvo — e um modelo sem alvo vira relatório.

Um teste rápido: complete a frase "hoje alguém decide ______ olhando ______, e erra quando ______". Se as três lacunas se preenchem sem esforço, há um projeto ali. Se travar na primeira, o que existe é curiosidade tecnológica — legítima, mas não é o mesmo que projeto.

As cinco perguntas

1. Qual decisão específica vai mudar — e quem a toma hoje?

Peça o nome do cargo, não do departamento. "A área comercial vai priorizar melhor" é vago. "O vendedor, ao abrir a agenda de segunda, vai ver os dez clientes com maior chance de fechar no mês" é uma decisão com dono, momento e formato. A segunda versão dá para construir e para verificar.

2. Você tem o dado — e ele é confiável?

Esta pergunta derruba mais projetos do que qualquer outra, e é melhor que derrube cedo. Não se trata de ter muito dado, e sim de ter dado do fenômeno certo, com histórico suficiente e sem lacunas sistemáticas. Se o registro de motivo de perda de venda está vazio em 70% dos casos, nenhum modelo vai aprender por que a empresa perde venda.

Um detalhe que passa batido: dado que só existe depois da decisão não pode ser usado para tomá-la. Se o modelo enxerga uma informação que, na vida real, só aparece depois do fato, ele vai acertar no teste e falhar em produção.

3. Qual é o custo de errar — e para que lado?

Modelo erra. A pergunta é qual erro dói mais. Deixar de avisar sobre um pedido que vai atrasar é diferente de disparar alarme falso todo dia: o primeiro custa cliente, o segundo custa credibilidade e, em pouco tempo, ninguém olha mais o alerta. Definir essa assimetria antes de treinar muda como o modelo é ajustado — e é uma decisão de negócio, não de engenharia.

4. Quem confere e como o erro é corrigido?

Todo sistema de IA em produção precisa de um caminho de volta: alguém que discorde da sugestão, registre a discordância e faça o sistema aprender com ela. Sem esse caminho, o modelo envelhece em silêncio — continua respondendo com a mesma confiança sobre um mundo que mudou.

5. Como você vai saber, em noventa dias, que valeu?

Escolha um número, anote onde ele está hoje e defina quanto precisa mudar. Tempo de resposta, taxa de retrabalho, ruptura de estoque, horas de conferência manual, conversão. Um número, medido antes e depois. Projeto sem essa linha de base termina em discussão de opinião sobre se melhorou.

O piloto que vale a pena

Piloto bom não é piloto pequeno: é piloto completo em escopo estreito. Ele atravessa o caminho inteiro — dado real, modelo, interface, pessoa usando, resultado medido — numa fatia mínima da operação. Um produto, uma filial, um tipo de documento.

O erro comum é o contrário: construir o modelo com dado histórico, apresentar a acurácia numa reunião e deixar a "integração" para depois. Essa parte que ficou para depois costuma ser a maior parte do trabalho, e é nela que o projeto morre.

Três armadilhas comuns

A acurácia que engana

Em problema desbalanceado, um modelo que responde sempre "não" pode acertar 97% das vezes e ser completamente inútil — porque erra justamente nos 3% que importam. Pergunte o desempenho no caso raro, que é o caso pelo qual o projeto existe.

A prova de conceito eterna

Sem critério de parada, todo piloto vira um piloto novo. Uma prova de conceito precisa nascer com data e com as duas saídas possíveis escritas: o que acontece se der certo, o que acontece se não der. A segunda é a que ninguém escreve.

O dado que vaza

Ferramentas de IA generativa lidam com texto — e texto de empresa costuma ter cliente, contrato, preço e dado pessoal dentro. Antes de subir qualquer coisa, defina o que pode sair da sua infraestrutura, o que precisa ser anonimizado e o que não sai de jeito nenhum. Essa conversa é mais barata antes do incidente.

Medir retorno sem autoengano

Três cuidados evitam a maior parte das contas infladas:

1. Compare com o que existia, não com o nada. A régua não é "sem sistema", é a regra simples que a empresa já usava. Se a planilha do gerente acerta quase tanto quanto o modelo, o ganho real é pequeno — e isso é um resultado válido, que economiza dinheiro.
2. Conte o custo total. Modelo em produção tem custo de execução, de monitoramento e de manutenção. Um projeto que economiza pouco e exige atenção constante pode ser negativo mesmo funcionando.
3. Meça no mesmo período. Comparar o mês de pico com o mês fraco produz qualquer resultado que você quiser. Use janelas equivalentes ou, melhor, rode os dois métodos em paralelo por algumas semanas.

Um projeto de IA que termina com "não valeu, e sabemos por quê" é um projeto bem-sucedido. O que termina sem resposta é que foi caro.

Ceticismo é o melhor amigo da IA

Ser cético com projeto de inteligência artificial não é ser contra a tecnologia — é o que faz ela funcionar. Cada pergunta deste roteiro existe para transformar entusiasmo em compromisso verificável, e é justamente esse filtro que separa as empresas que colhem resultado das que colecionam pilotos.

Se as cinco perguntas têm resposta, aprove sem medo: o projeto tem alvo, dado, régua e responsável. Se alguma trava, o trabalho a fazer não é técnico — e fazê-lo agora custa muito menos do que descobrir isso no quarto mês.