Antes do agente, o processo: por que a IA também escala o erro

Segunda-feira, 9h08.

Uma solicitação de compra entra por e-mail. Alguém copia os dados para uma planilha. O gestor responde no Teams. O financeiro pede um centro de custo. O solicitante envia um PDF diferente. A compra volta para aprovação porque o valor mudou. Dois dias depois, ninguém sabe ao certo quem está com a próxima ação.

Então aparece uma ideia aparentemente óbvia:

“Vamos colocar um agente de IA para automatizar tudo isso.”

Três semanas depois, o agente lê e-mails, preenche a planilha e cobra aprovações. O processo ficou mais rápido. Mas continua pedindo informações duplicadas, continua dependendo de regras contraditórias e agora consegue encaminhar uma solicitação errada para cinco sistemas antes que alguém perceba.

O problema não era falta de automação.

O problema era que ninguém havia desenhado o processo que estava sendo automatizado.

Minha tese é simples:

IA é multiplicador, não corretivo. Um processo bom ganha escala. Um processo ruim ganha velocidade de erro.

Essa não é apenas uma intuição. O relatório DORA de 2025 descreve a IA como um amplificador das forças e fraquezas já existentes na organização. O retorno não vem apenas da ferramenta; depende do sistema organizacional ao redor dela.

Portanto, a pergunta inicial não deveria ser:

“Qual agente vamos usar?”

Deveria ser:

“Este processo merece ser executado mais vezes e mais rápido exatamente como funciona hoje?”

1. O modelo mental: velocidade multiplica o sistema existente

Pense na IA como um motor instalado em um veículo.

Se direção, freios e painel funcionam, mais potência pode gerar produtividade. Se o volante está desalinhado e o freio falha, mais potência não corrige o veículo. Apenas reduz o tempo disponível para reagir.

A analogia ajuda, mas termina aqui. Um processo empresarial não é uma máquina rígida. Ele contém pessoas, exceções, incentivos, dados incompletos e decisões que mudam com o contexto. Por isso precisamos formalizar o modelo:

RESULTADO COM IA
=
clareza do fluxo
× qualidade do contexto
× qualidade dos controles
× velocidade de execução
× capacidade de aprender com feedback

Não é uma equação matemática. É um instrumento de diagnóstico.

Se uma das primeiras três dimensões é fraca, aumentar a velocidade tende a ampliar o problema antes de ampliar o resultado.

Situação atual	O que a IA acelera	Resultado provável
fluxo claro e critérios estáveis	execução e acompanhamento	ganho real de produtividade
regras contraditórias	decisões inconsistentes	erro mais rápido
dados incompletos	inferências e pedidos de correção	retrabalho automatizado
excesso de aprovações	cobranças e repasses	burocracia em alta velocidade
ausência de métricas	volume de execução	opacidade em escala

2. O erro comum: automatizar o trabalho visível

Quando observamos um processo, enxergamos tarefas:

• ler o e-mail;
• extrair os campos;
• consultar o cadastro;
• pedir aprovação;
• atualizar o ERP;
• avisar o solicitante.

Isso cria a tentação de automatizar tarefa por tarefa.

Mas tarefas são apenas a superfície. Embaixo delas existem decisões, filas, dependências e exceções.

O e-mail é uma tarefa. Decidir se o pedido precisa de aprovação jurídica é uma regra. Descobrir qual contrato se aplica é uma busca de contexto. Autorizar pagamento é uma decisão de risco. Corrigir um centro de custo incorreto é retrabalho causado antes do e-mail chegar.

Quando automatizamos apenas a superfície, preservamos a causa e aceleramos o sintoma.

O caminho mais seguro possui seis movimentos:

ENTENDER → ELIMINAR → SIMPLIFICAR → LIMITAR → PADRONIZAR → AUTOMATIZAR

Preste atenção à ordem. O agente entra no final, não no início.

3. Primeiro: faça o raio-X do fluxo

Antes de escolher modelo, plataforma ou fornecedor, escolha um caso real e acompanhe uma unidade de trabalho do começo ao fim.

Para uma solicitação de compra, acompanhe um pedido. Para atendimento, acompanhe um chamado. Para desenvolvimento, acompanhe uma mudança da demanda até a produção.

Mapeie seis elementos:

1. Gatilho: o que inicia o processo?
2. Resultado: qual mudança concreta indica que ele terminou?
3. Decisões: onde alguém escolhe entre caminhos?
4. Esperas: onde o trabalho fica parado?
5. Repasses: quantas vezes muda de pessoa ou sistema?
6. Exceções: quais situações quebram o caminho padrão?

Não mapeie apenas o processo oficial. Mapeie o processo executado.

Se a documentação diz “aprovação do gestor”, mas na prática a equipe consulta uma planilha paralela, pede confirmação no WhatsApp e só então registra a aprovação, os três passos fazem parte do sistema real.

Exemplo guiado: reembolso corporativo

Fluxo observado:

formulário
→ conferência manual
→ pedido de comprovante
→ conferência manual novamente
→ aprovação do gestor
→ validação financeira
→ ajuste de categoria
→ pagamento
→ aviso ao colaborador

Agora marque o tempo de trabalho e o tempo de espera.

Talvez o processo exija 18 minutos de atividade humana, mas leve seis dias porque passa 95% do tempo esperando. Automatizar a conferência economiza minutos. Redesenhar filas e critérios economiza dias.

Essa diferença muda a prioridade do projeto.

4. Segundo: elimine desperdício antes de ensiná-lo ao agente

O Toyota Production System combinou Just-in-Time com jidoka, frequentemente traduzido como automação com inteligência humana. A ideia importante para nós não é copiar uma fábrica de automóveis. É reconhecer que qualidade, fluxo e capacidade de interromper anomalias precisam nascer dentro do sistema.

Procure quatro desperdícios comuns em processos digitais:

Espera

O trabalho aguarda uma pessoa que não sabe que existe uma pendência ou não possui contexto suficiente para decidir.

Retrabalho

A mesma informação é corrigida depois porque não foi validada na entrada.

Duplicação

Dados são copiados entre e-mail, planilha, CRM e ERP sem uma fonte de verdade.

Processamento sem valor

Uma etapa existe porque sempre existiu, não porque reduz risco, aumenta qualidade ou atende uma obrigação real.

Faça uma pergunta desconfortável para cada etapa:

Se esta etapa desaparecer amanhã, qual risco concreto aparece?

Se ninguém consegue responder, não automatize ainda. Investigue por que ela existe.

5. Terceiro: simplifique e separe certeza de interpretação

Um agente é útil quando precisa interpretar contexto, trabalhar com informação não estruturada ou tomar decisões dentro de limites.

Ele não é a melhor solução para toda regra.

Separe o processo em duas faixas:

Faixa	Exemplos	Melhor mecanismo inicial
determinística	cálculo, validação de formato, limite numérico, consulta exata	código, regra, workflow
interpretativa	classificar documento, resumir caso, comparar política com contexto, identificar ambiguidade	modelo ou agente

Regra prática:

Se a decisão pode ser expressa de forma explícita, barata e estável, não terceirize essa certeza para um modelo probabilístico.

Isso reduz custo, latência e superfície de erro. O agente fica responsável pelas partes em que sua capacidade realmente cria valor.

Simplificar também significa reduzir repasses. Cada passagem de responsabilidade cria três custos: perda de contexto, tempo de fila e dúvida sobre propriedade.

Antes de automatizar dez repasses, descubra se o processo pode funcionar com três.

6. Quarto: defina limites de autonomia

“Human in the loop” não significa colocar uma aprovação humana em todas as etapas. Isso apenas transforma o agente em gerador de novas filas.

O objetivo é decidir antecipadamente quais ações são automáticas, quais exigem revisão e quais permanecem humanas.

Use três zonas:

Zona verde — execução autônoma

Ações reversíveis, de baixo impacto e com resultado verificável.

Exemplos: buscar documentos, reconciliar campos, classificar solicitações, preparar uma resposta, atualizar um status intermediário.

Zona amarela — execução com aprovação

Ações de impacto moderado ou com ambiguidade relevante.

Exemplos: propor uma exceção de política, alterar uma data contratual, conceder crédito dentro de uma faixa limitada.

Zona vermelha — decisão humana

Ações irreversíveis, reguladas, de alto valor ou capazes de afetar direitos e pessoas.

Exemplos: efetuar pagamento relevante, cancelar contrato, demitir, negar benefício, aprovar acesso privilegiado.

O guia prático da OpenAI para agentes recomenda intervenção humana especialmente quando o agente excede limites de falha ou tenta executar ações sensíveis, irreversíveis ou de alto risco.

O NIST AI RMF reforça que processos de supervisão humana devem ser definidos, avaliados e documentados dentro da governança do sistema.

Limite não é falta de ambição. É arquitetura de confiança.

7. Quinto: padronize contexto, critérios e evidências

Padronizar não significa engessar todas as exceções. Significa criar um contrato mínimo para que pessoas, software e agentes consigam colaborar.

Antes do agente operar, defina:

• quais dados são obrigatórios;
• qual sistema é a fonte de verdade;
• quais políticas estão vigentes;
• como o resultado correto será avaliado;
• quem responde por cada exceção;
• qual evidência precisa ser registrada;
• como repetir uma ação sem duplicar seu efeito;
• como interromper e recuperar o processo.

Esse último ponto é fácil de esquecer.

Bug Detective: o reembolso duplicado

O agente envia uma solicitação de pagamento. A resposta demora. Ele interpreta o silêncio como falha e tenta novamente.

tentativa 1 ──► pagamento criado, resposta atrasada
tentativa 2 ──► pagamento criado novamente

O problema não está no raciocínio do modelo. Está no contrato operacional.

Sem uma chave de idempotência, consulta de estado ou regra de reconciliação, um retry transforma resiliência em duplicação financeira.

“Peça ao agente para ter cuidado” não resolve esse tipo de falha. O sistema precisa tornar a ação segura.

8. Sexto: automatize em degraus e aprenda com a operação

Agora sim entra a IA.

Mas não comece com autonomia total.

Use quatro degraus:

1. Assistência

O agente coleta contexto, analisa e propõe. A pessoa executa.

2. Modo sombra

O agente decide em paralelo, mas não age. Compare sua decisão com a operação real e construa uma linha de base.

3. Autonomia limitada

O agente executa apenas ações da zona verde, com orçamento, limite de tentativas e rastreabilidade.

4. Escala governada

O escopo aumenta quando avaliações, incidentes e métricas demonstram confiabilidade suficiente.

O NIST AI RMF organiza a gestão de risco em quatro funções contínuas: governar, mapear, medir e gerenciar. A palavra importante é contínuas. Implantação não encerra o trabalho; começa o aprendizado operacional.

Meça pelo menos:

• tempo total do processo;
• taxa de conclusão sem intervenção;
• taxa de escalonamento humano;
• correções e reversões;
• custo por caso concluído;
• violações de política;
• satisfação de quem recebe o resultado.

Um agente que conclui 90% dos casos, mas aumenta reversões e reclamações, não melhorou o processo. Apenas deslocou o custo.

9. Worked example: redesenhando compras antes do agente

Considere um fluxo de compras indiretas.

Antes

e-mail livre
→ planilha
→ gestor
→ compras
→ correção de dados
→ financeiro
→ jurídico em alguns casos
→ fornecedor
→ ERP
→ acompanhamento manual

Depois do redesenho

entrada estruturada
→ validações determinísticas
→ classificação de risco
→ agente reúne contexto e evidências
→ aprovação adequada à zona de risco
→ integração idempotente com ERP
→ acompanhamento e métricas

O agente não “faz compras sozinho”. Ele possui um papel preciso:

1. interpretar documentos e descrições;
2. consultar políticas, contratos e histórico;
3. detectar informação ausente ou contraditória;
4. montar o dossiê para decisão;
5. executar ações autorizadas;
6. escalar exceções com contexto completo.

O ganho não vem apenas de substituir trabalho humano. Vem de reduzir espera, reconstrução de contexto e repasses.

10. Um teste de prontidão antes de construir

Avalie cada dimensão de 0 a 2.

Dimensão	0	1	2
fluxo	ninguém conhece o caminho real	caminho principal conhecido	caminho e exceções observados
contexto	fragmentado e contraditório	parcialmente confiável	fontes e versões definidas
decisões	dependem de costume	alguns critérios explícitos	critérios e limites documentados
reversibilidade	ações sem recuperação	recuperação manual	rollback, idempotência e contenção
medição	sem linha de base	métricas parciais	qualidade, custo e resultado medidos

Interpretação:

• 0 a 5: observe e redesenhe antes de automatizar;
• 6 a 8: comece com assistência e modo sombra;
• 9 a 10: teste autonomia limitada em uma zona verde.

O número não é uma certificação. Ele serve para expor perguntas que o entusiasmo tecnológico costuma esconder.

11. Quando um agente é a escolha errada

Não use um agente quando:

• o volume é pequeno e o custo de implantação supera o benefício;
• o fluxo é inteiramente determinístico e um workflow simples resolve;
• os dados são tão frágeis que nenhuma decisão pode ser validada;
• o resultado é irreversível e não existe contenção adequada;
• ninguém consegue definir o que significa “feito corretamente”;
• o processo está mudando semanalmente e ainda não há padrão observável.

Às vezes, a melhor iniciativa de IA começa com formulário melhor, regra mais clara e integração convencional.

Isso não é uma derrota da IA.

É engenharia escolhendo a menor solução capaz de resolver o problema.

12. Um roteiro de quatro semanas

Semana 1 — Observar

Escolha um caso, acompanhe dez execuções reais, registre tempo, espera, repasses e exceções.

Semana 2 — Redesenhar

Remova passos sem valor, reduza repasses, separe regras determinísticas de interpretação e defina as três zonas de autonomia.

Semana 3 — Padronizar

Organize contexto, critérios, fontes, evidências, idempotência, fallback e métricas de linha de base.

Semana 4 — Experimentar

Coloque o agente em assistência ou modo sombra, compare resultados e libere uma única ação reversível quando os dados justificarem.

Esse roteiro não produz uma transformação inteira em 30 dias. Produz algo mais útil: evidência suficiente para decidir o próximo passo.

Modelo mental

PROCESSO REAL
    │
    ▼
ENTENDER O FLUXO
    │
    ▼
ELIMINAR DESPERDÍCIO
    │
    ▼
SIMPLIFICAR DECISÕES E REPASSES
    │
    ▼
DEFINIR LIMITES DE AUTONOMIA
    │
    ▼
PADRONIZAR CONTEXTO E CONTROLES
    │
    ▼
AUTOMATIZAR EM DEGRAUS
    │
    ▼
MEDIR → APRENDER → AMPLIAR

Se você lembrar apenas disso

1. IA amplifica o sistema que já existe.
2. Tarefa não é processo; mapeie decisões, filas, repasses e exceções.
3. Remova desperdício antes de transformá-lo em software.
4. Use código para certeza e modelos para interpretação.
5. Autonomia precisa de zonas, limites e reversibilidade.
6. Retry, identidade, evidência e observabilidade são parte do processo.
7. Escale autonomia somente depois de medir o resultado real.

Teste seu entendimento

Sem voltar ao texto, responda:

1. Por que acelerar apenas o tempo de execução pode não reduzir o tempo total do processo?
2. Que propriedade separa uma ação da zona verde de uma ação da zona vermelha?
3. Quando uma regra determinística é melhor que uma decisão do modelo?
4. Como um retry pode transformar uma falha de rede em perda financeira?
5. Qual métrica impediria sua equipe de confundir volume processado com valor entregue?

Desafio de transferência

Escolha um processo real da sua empresa: atendimento, contratação, cobrança, desenvolvimento ou compras.

Desenhe o caminho de um caso completo. Marque:

• três esperas;
• dois repasses;
• uma decisão ambígua;
• uma ação irreversível;
• uma informação duplicada;
• uma métrica de resultado.

Agora responda:

Qual etapa deveria ser eliminada, qual deveria ser determinística, qual poderia receber assistência de IA e qual precisa continuar humana?

Se você não consegue responder, ainda não precisa de um agente.

Precisa entender melhor o processo.