Leonardo Peron5 min de leitura
O texto vizinho a este lista onde agente de IA já entrega no backoffice e fecha com um critério: o que acontece quando a resposta está errada. Ele resolve a maior parte dos casos.
Este aqui trata do que sobra: quatro situações em que a resposta é "aqui não", e nenhuma delas melhora quando o modelo melhora. Não é assunto difícil demais para a tecnologia — é que colocar o modelo no ponto em que a decisão acontece estraga o processo mesmo nos casos em que ele acerta.
Quando os dois erros não custam a mesma coisa
Automação costuma ser avaliada por uma média: quantos casos saem certos. A média só faz sentido quando os erros são intercambiáveis, e em boa parte do backoffice eles não são.
Recusar um pedido legítimo e aprovar um fraudulento são os dois erros da mesma tarefa. Um custa uma ligação e um cliente irritado; o outro custa o valor do pedido e um problema que aparece semanas depois. As moedas são diferentes, os prazos de descoberta também, e quem paga a conta é outro.
Onde a assimetria é grande, o desenho certo não é aumentar o acerto. É separar a tarefa em dois caminhos, porque um lado do erro pode ser automático e o outro não. Quem não escreve qual é qual antes de automatizar está tratando dois riscos distintos como se fossem um número só.
O sinal de alerta é fácil de reconhecer: se para descrever a tarefa você precisa dizer "depende de qual erro", ela não é candidata a decisão automática inteira.
Quando alguém precisa assinar
Há decisões que exigem responsável nomeado — não por burocracia, mas porque alguém vai ter que explicá-las depois. Aprovação fora de alçada, encerramento de contrato, aplicação de multa, liberação de crédito.
O detalhe que passa batido é que pôr uma pessoa para "revisar e aprovar" não resolve sozinho. Se o parecer chega pronto, bem escrito e plausível, a aprovação vira carimbo — pior do que não ter automação nenhuma, porque agora existe a aparência de revisão. Processo com revisor que não revisa é processo sem revisor, com um nome no rodapé.
Quando a decisão precisa de dono, o desenho honesto é o inverso do intuitivo: o agente entrega o material bruto organizado — os números, o histórico, as cláusulas que se aplicam — e deixa a conclusão em branco. Quem decide escreve a conclusão. Economiza menos tempo aparente e produz uma decisão que existe de verdade.
Quando o processo precisa ser reproduzido, não só registrado
Registrar o que o sistema respondeu é fácil. Reproduzir por que ele respondeu aquilo é outra coisa, e é isso que auditoria, contestação e fiscalização costumam pedir.
Um modelo de linguagem não oferece isso do jeito que uma regra escrita oferece. A mesma entrada pode produzir saídas diferentes. A instrução é ajustada e ninguém guardou a versão anterior. O provedor atualiza o modelo e o comportamento de março não existe mais em setembro.
Dá para mitigar: versionar a instrução, guardar entrada e saída de cada caso, fixar a versão do modelo enquanto o fornecedor permitir. Melhora bastante e não é a mesma coisa que uma regra que qualquer pessoa lê e confere. Onde a exigência é mostrar o critério aplicado, a regra escrita continua sendo a resposta certa — e a IA fica antes dela, organizando o dado que a regra consome.
Quando uma regra resolve melhor e mais barato
A situação mais comum das quatro, e a menos discutida.
Boa parte do que entra na fila de "vamos usar IA" é decidível com três condições e uma tabela. Faixa de valor, tipo de documento, estado do cadastro. Uma regra assim é determinística, roda de graça, dá para testar linha a linha e qualquer pessoa da operação entende por que a saída foi aquela.
Trocar isso por um modelo acrescenta custo por caso, variabilidade e uma camada que ninguém depura olhando — em troca de nada, porque não havia interpretação envolvida.
O teste é direto: tente escrever a regra. Se sair em meia página, escreva e pare por aí. Se não sair porque as pessoas do processo discordam do critério, preste atenção — a IA não vai resolver essa discordância. Vai escondê-la atrás de uma resposta com aparência de neutralidade, e o desacordo volta na primeira contestação.
O arranjo que costuma funcionar é misto: a regra decide o volume óbvio e a IA entra na cauda, nos casos que a regra não cobre porque exigem ler um texto e interpretar.
O padrão comum às quatro
Em nenhuma delas o problema é a capacidade do modelo: é o lugar onde ele foi posto. E em todas existe um desenho que aproveita a IA sem os prejuízos — ela prepara, extrai, organiza, resume, aponta divergência. O que ela não faz é ocupar a linha em que a decisão acontece.
A checagem antes de decidir
Pegue a tarefa que está na mesa e responda por escrito, em uma frase cada:
Quais são os dois erros possíveis e quanto custa cada um? Quem vai precisar explicar essa decisão, e para quem? Se alguém pedir o critério daqui a um ano, o que você mostra? A regra que resolveria isso cabe em meia página?
Se a primeira for "depende", a segunda o nome de uma pessoa, a terceira "o log" ou a quarta "cabe", a tarefa não é candidata a decisão automática. Ainda pode ser um ótimo caso de IA — só não nesse ponto do fluxo.