Automação tradicional ou IA: qual usar em cada tarefa?
Um método prático para escolher entre regras, IA e revisão humana sem transformar cada processo em experimento caro.
Por Cesar A. Machado · · 13 min
- Use automação tradicional quando entradas, regras e saídas puderem ser testadas exatamente.
- Use IA para interpretar conteúdo variável, sempre com limites, amostra de teste e revisão.
- Mantenha autorização, cálculo, pagamento e decisão irreversível em código determinístico ou pessoa responsável.
- Meça qualidade, tempo, custo de revisão e incidentes antes de ampliar qualquer piloto.
- Interrompa quando o erro ou a falta de rastreabilidade superar o ganho operacional observado.
A decisão em uma frase: regra, interpretação ou consequência
Use automação tradicional quando a tarefa tiver entradas conhecidas, regra estável e saída verificável: conferir campos, calcular desconto, atualizar status ou encaminhar uma cobrança. Use IA quando o trabalho principal for interpretar linguagem, áudio, imagem ou documento variável e não houver uma lista suficiente de regras para cobrir os casos. Mesmo assim, deixe a autorização, o cálculo financeiro, a aplicação de política e qualquer efeito difícil de desfazer sob código determinístico e responsabilidade humana. Na prática, a melhor arquitetura costuma combinar as três coisas: regras para controlar, IA para sugerir ou extrair e uma pessoa para decidir as exceções relevantes.
O erro mais caro é escolher pela aparência da ferramenta. Um chatbot pode redigir uma resposta convincente e ainda assim consultar uma política vencida; um fluxo com dezenas de condições pode ser previsível e ainda assim falhar porque ninguém consegue manter suas exceções. O critério é o trabalho que precisa ser feito, não o rótulo do produto. Para cada tarefa, descreva a entrada, a transformação, a saída, o responsável e o dano possível. Se a saída precisa estar correta em todos os casos permitidos, comece por regras. Se precisa lidar com variação semântica, avalie IA. Se o custo do erro for alto, reduza autonomia.
Princípio operacional: IA pode interpretar e propor; código determinístico valida e executa; pessoas assumem decisões que envolvem exceção, direito, dinheiro ou reputação.
Antes da ferramenta, decomponha o trabalho
Comece acompanhando uma tarefa real do início ao fim, sem desenhar a solução ainda. Registre de onde vem cada entrada, quais campos são obrigatórios, quais fontes são consultadas, qual sistema é alterado e em que ponto alguém toma uma decisão. Separe o que é dado estruturado, como valor, data, CNPJ ou código de produto, do que é conteúdo aberto, como e-mail, áudio de atendimento ou foto. O primeiro grupo costuma aceitar validações e regras; o segundo pode exigir classificação ou extração. Não confunda formato difícil com interpretação difícil: converter um PDF padronizado em campos pode ser uma rotina de extração; entender uma cláusula ambígua é outra tarefa.
Depois, faça três perguntas de repetibilidade. Duas pessoas treinadas aplicariam a mesma regra e chegariam à mesma resposta? A empresa consegue escrever os critérios sem depender da memória de um especialista? É possível montar exemplos válidos, inválidos e limítrofes para testar a saída? Se as respostas forem sim, a automação tradicional deve ser a primeira opção, porque é mais fácil auditar por que um resultado ocorreu. Se forem não por causa da linguagem ou da variedade do material, IA pode ajudar, mas a discordância precisa virar uma fila explícita de revisão, não um resultado silenciosamente aceito.
Defina também os responsáveis antes do piloto. O dono do processo explica o objetivo e aceita a saída; a área de tecnologia controla integração, credenciais, logs e disponibilidade; o encarregado ou responsável por privacidade avalia dados pessoais e direitos; a operação revisa exceções; e a direção decide o limite de risco. A saída não é apenas uma resposta: pode ser um campo extraído, uma categoria, uma recomendação, um encaminhamento ou uma ação executada. Para cada uma, escreva quem pode contestar, quem corrige a origem e quem pode interromper o fluxo.
Escolha a abordagem pela natureza da decisão
| Sinal observado | Primeira opção | Controle obrigatório | Exemplo de saída |
|---|---|---|---|
| Campos completos e regra exata | Automação tradicional | Teste de limites e log da regra | Aprovar formato do CNPJ |
| Texto, áudio ou imagem com variação | IA para extrair ou classificar | Amostra rotulada, limiar e revisão | Sugerir intenção do pedido |
| Regra clara, mas fonte em documento variável | Extração + regra | Validar campos contra fonte autorizada | Ler nota e calcular imposto |
| Pagamento, crédito, contratação ou bloqueio | Regra + pessoa autorizadora | Dupla checagem e trilha de auditoria | Autorizar condição comercial |
| Baixo volume e alto risco de erro | Processo manual assistido | Checklist e evidência do parecer | Interpretar cláusula fora do padrão |
A tabela não é uma classificação permanente da empresa; é uma decisão por etapa. Um pedido pode passar por OCR ou modelo de linguagem para encontrar campos, por código para validar formato e por uma pessoa para aprovar uma exceção. Essa separação reduz o espaço de erro: o modelo não precisa decidir se o valor está dentro da política, e o código não precisa adivinhar o significado de uma frase. O sistema deve guardar a versão da regra, a entrada relevante, a saída original da IA, a saída validada e o ator que confirmou ou corrigiu.
Não introduza IA apenas porque existe texto no processo. Se o remetente escolhe uma opção de uma lista, um campo estruturado é mais simples. Se a equipe precisa de uma resposta baseada em cinco políticas estáveis, uma consulta bem modelada e regras de prioridade podem ser mais controláveis. IA faz sentido quando reduz trabalho de interpretação que realmente ocupa tempo, ou quando a variabilidade torna inviável manter regras sem fim. O ganho esperado deve ser comparado ao custo de preparação dos dados, testes, monitoramento, revisão, integração e mudança de comportamento da equipe.
Desenhe o fluxo completo, incluindo falhas
Um fluxo robusto tem uma sequência que qualquer operador consegue explicar. Primeiro, recebe a entrada e valida tipo, tamanho, origem e campos obrigatórios. Depois, confirma permissão, finalidade e escopo dos dados. Em seguida, normaliza o que é seguro normalizar e escolhe a rota: regra, IA assistida ou revisão manual. Se houver IA, envia somente o contexto necessário, exige uma saída estruturada e valida schema, valores permitidos e referências. Só então o sistema calcula, atualiza ou encaminha. Por fim, persiste resultado, versão, tempo, motivo da decisão e identificador da operação.
As exceções precisam ter destino e prazo. Entrada incompleta volta ao solicitante com a pendência; fonte indisponível coloca o caso em espera, sem inventar informação; saída fora do contrato vai para revisão e marca o modelo ou regra como suspeito; duplicidade usa uma chave idempotente; falha recuperável pode ter tentativas limitadas; falha permanente sai do ciclo automático para uma fila de análise. O operador deve conseguir visualizar o caso, assumir a tarefa, corrigir o dado de origem, cancelar ou reprocessar com segurança. Retry não corrige regra errada e pode duplicar efeitos externos.
Proteja as fronteiras. Um usuário autorizado a ler um processo não deve ganhar, por causa da IA, permissão para alterar cadastro ou revelar dados de outro cliente. Reduza dados pessoais enviados ao provedor, defina retenção, controle acesso às instruções e registre o que foi compartilhado. Separe ambiente de teste de produção. Em ações externas, use timeout, confirmação de estado e mecanismo de compensação quando possível. O fato de um modelo produzir uma explicação não prova que ela seja verdadeira; a fonte oficial e as regras do negócio continuam sendo a referência.
Se você já tem um processo específico em mente, descreva as entradas, as exceções e o efeito esperado em https://blog.cesarmachado.com/contato. Uma conversa curta pode ajudar a separar o problema de processo da escolha de ferramenta e indicar um piloto proporcional ao risco.
Cenário hipotético: triagem de solicitações sem prometer economia
A tarefa é ler a mensagem, identificar assunto e urgência, conferir se há número do pedido e encaminhar para a fila correta. A mensagem é entrada variável; número, cliente e prazo são campos que o código deve validar; encaminhamento é efeito operacional; aprovação de crédito continua humana. Na linha de base, o custo mensal de triagem é 1.200 solicitações × 5 minutos ÷ 60 minutos/hora × R$ 36/hora = R$ 3.600. No piloto, suponha que a IA classifique 900 solicitações, o código valide os campos e uma pessoa revise 300 casos a 2 minutos cada. O custo estimado é IA: 900 × R$ 0,18 = R$ 162; revisão: 300 × 2 ÷ 60 × R$ 36 = R$ 360; integração: R$ 600; total: R$ 1.122.
A diferença matemática seria R$ 3.600 − R$ 1.122 = R$ 2.478 no mês, antes de impostos, manutenção, treinamento, custo de incidentes e tempo de correção. Isso não é ROI e não autoriza implantação. O piloto só poderia ser considerado promissor se, durante os mesmos 30 dias, a taxa de encaminhamento correto, o tempo total de atendimento e o número de retrabalhos fossem medidos com definições fixas. Se 8% das 900 classificações exigirem correção, ou se qualquer saída expuser dado de outro cliente, o responsável deve pausar a rota de IA, conservar a triagem manual e investigar. O limite de 8% é uma premissa de gestão deste exemplo, não um padrão universal.
A saída útil do experimento é um relatório com volume recebido, classificações por categoria, amostra revisada, falsos encaminhamentos, tempo de revisão, custo por solicitação, incidentes e casos interrompidos. O gerente de operações aceita a qualidade; tecnologia confere logs e duplicidade; privacidade verifica finalidade e minimização; o líder de atendimento decide se a fila humana tem capacidade para as exceções. A direção deve aprovar a passagem de sugestão para ação automática. Sem esses responsáveis, o cálculo parece preciso, mas o sistema apenas desloca custo e risco para uma área invisível.
Governança: o que precisa continuar explicável
Quando o processo usa dados pessoais, o gestor precisa saber a finalidade, a base aplicável, os dados compartilhados, o prazo de retenção e quem responde pelo tratamento. A LGPD prevê ao titular o direito de solicitar revisão de decisão tomada unicamente com base em tratamento automatizado que afete seus interesses, e a ANPD orienta também sobre informação dos critérios e procedimentos. Isso não significa que toda tarefa com IA seja proibida, nem que uma pessoa decorativa resolva qualquer risco. Significa que a empresa precisa identificar quando uma saída influencia o titular, manter evidência do processo e oferecer um caminho real de contestação conforme o caso.
Uma governança proporcional pode começar com um inventário simples: nome do caso de uso, área dona, fornecedor, tipos de dado, finalidade, nível de autonomia, efeitos possíveis, controles, métricas e data da próxima revisão. Para sistemas mais sensíveis, registre também versão do modelo, instruções, conjunto de testes, mudanças de fonte e incidentes. A ANPD, ao descrever sua metodologia de sandbox em IA e proteção de dados, destaca arquitetura, fluxos de dados, segurança, transparência, explicabilidade e monitoramento como elementos de preparação e avaliação. Use isso como checklist de conversa, não como certificado de conformidade.
O AI Risk Management Framework do NIST organiza a gestão em Govern, Map, Measure e Manage. Para uma empresa média, isso pode virar quatro reuniões ou quatro campos de um registro: quem governa e autoriza; onde o sistema entra e quem afeta; como qualidade e risco serão medidos; que ação será tomada diante do resultado. A ISO/IEC 42001 descreve um sistema de gestão de IA com estabelecimento, implementação, manutenção e melhoria contínua. Nenhum dos dois referenciais elimina o julgamento do gestor, mas ambos ajudam a evitar que o piloto seja tratado como compra isolada de software.
Piloto de 30 dias: medir antes de ampliar
Escolha uma tarefa com volume suficiente para observar comportamento, mas sem colocar o processo crítico inteiro em risco. Separe uma amostra histórica de exemplos normais, incompletos, ambíguos, adversariais e fora de escopo. Defina antes o que é acerto: classificação correta, campo extraído sem alteração, encaminhamento no prazo ou recomendação aceita pelo responsável. Não avalie apenas a média. Uma taxa alta de acerto pode esconder uma categoria rara que concentra dano. Registre o resultado atual por pelo menos um ciclo comparável e mantenha um grupo ou período de referência quando isso for viável.
Acompanhe quatro famílias de métricas. Qualidade: acerto por categoria, falso positivo, falso negativo, taxa de revisão e casos sem resposta. Operação: tempo até a saída, fila pendente, disponibilidade, reprocessamentos e retrabalho. Economia: custo por entrada, horas liberadas, custo de revisão, custo de integração e incidentes. Controle: permissões negadas, dados enviados, auditorias concluídas, reclamações e pausas. Compare sempre com uma definição de período e denominador; dizer que “funcionou bem” sem volume, amostra e critério não permite decisão.
Monte uma planilha ou painel com uma linha por execu??o, n?o apenas um n?mero agregado. Inclua identificador, hor?rio, categoria, sa?da do sistema, revis?o humana, motivo da corre??o, fonte usada e dura??o. Para proteger a opera??o, amarre cada efeito externo a um identificador idempotente e exiba o estado: recebido, em an?lise, aprovado, executado, cancelado ou falhou. O gerente deve conseguir responder quantos itens est?o parados e h? quanto tempo, sem abrir logs t?cnicos. A cada semana, compare a distribui??o das entradas com a amostra inicial; mudan?a de mix pode explicar queda de qualidade e n?o deve ser confundida automaticamente com ?modelo pior?. Registre tamb?m o custo de manuten??o e as horas que o especialista gastou ajustando instru??es ou regras. Se o piloto exigir supervis?o extraordin?ria para manter o indicador, essa depend?ncia faz parte do custo real e precisa ser declarada na decis?o.
Ao final, escolha uma de quatro saídas: encerrar porque não houve ganho; corrigir a fonte ou regra e repetir; manter como assistência humana; ou ampliar gradualmente com limite de volume e revisão. A ampliação precisa ter dono, orçamento, data de reavaliação e plano de retorno manual. Mudança de modelo, fornecedor, prompt, política ou fonte relevante abre uma nova avaliação. O NIST trata gestão de risco como atividade ao longo do ciclo de vida, e essa é uma boa disciplina para a operação: o aceite do piloto não é uma licença permanente.
Roteiro executivo para decidir esta semana
Reúna o dono do processo, alguém da operação, tecnologia e, quando houver dado pessoal ou alto impacto, a pessoa responsável por privacidade. Em 60 minutos, responda: qual tarefa consome tempo; qual entrada causa variação; qual saída pode ser validada automaticamente; qual erro é aceitável; e qual ação nunca deve ocorrer sem pessoa? Depois desenhe o estado atual em cinco passos e marque onde a informação nasce, onde é transformada e onde uma decisão muda o atendimento. O objetivo da reunião é reduzir o problema a uma unidade testável, não escolher uma marca.
A entrega da reunião deve ser uma ficha com objetivo, escopo, entradas, fontes, regra, modelo se houver, saída, permissões, responsáveis, métricas, custo estimado, exceções, prazo do piloto e comando de pausa. Para a primeira versão, prefira uma ação reversível: sugerir categoria, preencher rascunho ou ordenar fila. Deixe o envio, bloqueio, pagamento, alteração contratual ou decisão sobre pessoa para uma etapa posterior, com autorização explícita. Uma pequena empresa não precisa reproduzir toda a estrutura de uma grande organização; precisa tornar visível quem pode fazer o quê e como descobrirá um erro.
Desconfie de demonstrações que mostram apenas entradas limpas, respostas perfeitas e nenhum caso limítrofe. Peça cinco entradas comuns, duas exceções e uma inválida. Pergunte qual fonte sustenta a resposta, o que acontece quando a fonte está indisponível, como revogar acesso, como exportar logs e quanto custa revisar o que o sistema não soube resolver. Se o fornecedor não consegue responder, reduza o escopo ou adie a decisão. Uma ferramenta pode ser tecnicamente impressionante e inadequada para a rotina, a segurança ou a capacidade de suporte da sua empresa.
Fontes consultadas e o que elas sustentam
Lei Geral de Proteção de Dados Pessoais (Planalto): https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709compilado.htm. Sustenta a referência ao direito de solicitar revisão de decisões unicamente automatizadas que afetem interesses e às medidas de segurança para proteção de dados pessoais.
ANPD, Direitos dos titulares: https://www.gov.br/anpd/pt-br/assuntos/titular-de-dados-1/direito-dos-titulares. Sustenta a explicação de que o titular pode pedir revisão e informações sobre critérios e procedimentos de decisões automatizadas.
ANPD, Metodologia de testagem do Sandbox Regulatório em IA e Proteção de Dados: https://www.gov.br/anpd/pt-br/assuntos/noticias/anpd-publica-metodologia-de-testagem-do-sandbox-regulatorio-em-inteligencia-artificial-e-protecao-de-dados. Sustenta a ênfase em arquitetura, fluxos de dados, segurança, transparência, explicabilidade, supervisão e monitoramento na avaliação de soluções de IA.
NIST, AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework. Sustenta a apresentação das funções Govern, Map, Measure e Manage e a ideia de gerir riscos ao longo do ciclo de vida; o texto esclarece que o framework é voluntário.
NIST, AI RMF Playbook: https://www.nist.gov/itl/ai-risk-management-framework/nist-ai-rmf-playbook. Sustenta a recomendação de adaptar ações de confiabilidade ao setor, ao caso de uso e às etapas de desenho, implantação e uso, sem tratá-las como checklist obrigatório.
ISO, ISO/IEC 42001:2023 — AI management systems: https://www.iso.org/standard/42001. Sustenta a descrição da norma como requisitos para estabelecer, implementar, manter e melhorar continuamente um sistema de gestão de IA aplicável a organizações que usam ou fornecem IA.
A pergunta útil não é se a empresa deve usar IA; é qual parte do trabalho precisa interpretar e qual parte precisa obedecer a uma regra.
