Existem problemas de negócios em que a introdução de um modelo de inteligência artificial adiciona custos variáveis, latência, incerteza e uma obrigação de governança, sem contribuir com nada que já não esteja contemplado por uma regra escrita. Dizer não nesses casos não é conservadorismo: é a mesma disciplina técnica que leva a dizer sim em outros.
Uma empresa que nunca descartou a utilização de IA provavelmente não está avaliando, mas sim adotando.
Quando a regra é determinística e escrita. Um cálculo de comissão, uma validação de impostos, um limite de desconto. Se algo pode ser expresso como uma condição, então é expresso como tal. Um modelo, nesse caso, só introduz variabilidade onde havia certeza.
Quando o custo do erro é alto e o volume é baixo. Dez decisões por mês com impacto de seis dígitos não podem ser automatizadas: exigem planejamento cuidadoso e são tomadas por uma pessoa. A economia potencial é insignificante, mas o risco não.
Quando não existem dados proprietários que proporcionem uma vantagem. Se o problema puder ser resolvido igualmente bem com conhecimento genérico disponível a qualquer pessoa, isso não cria diferenciação. Pode ser útil como ferramenta individual, mas não como parte de um projeto.
Quando o processo não está definido. Automatizar antes do mapeamento leva à automatização da ambiguidade, como discutimos em A IA não vai consertar uma empresa mal estruturada..
Quando o custo unitário não fecha. Se a resolução de um caso custar mais do que o processo atual, considerando novas tentativas, supervisão e correção de erros, então os números falam mais alto.
Quando a obrigação de governança supera o benefício. Em um caso de uso que se enquadre na categoria de alto risco segundo o Regulamento Europeu de IA, os custos de documentação, monitoramento e rastreabilidade podem ser desproporcionais à modesta economia obtida. É recomendável calcular isso antecipadamente.
Problema | solução baseada em IA | Alternativa mais barata |
|---|---|---|
Classifique os documentos por tipo. | Modelo de linguagem | Regras sobre metadados e estrutura |
Extrair dados de faturas de fornecedores fixos. | Modelo multimodal | Modelos por fornecedor |
Detectar clientes duplicados | Modelo de similaridade | Normalização e regras determinísticas |
Respostas às perguntas mais frequentes | Assistente de conversação | Pesquise minuciosamente em um banco de dados organizado. |
Priorizar incidentes | Modelo preditivo | Regras de negócio explícitas |
Nenhuma das alternativas à direita é glamorosa, e todas apresentam três vantagens verificáveis: custo fixo, comportamento reproduzível e rastreabilidade trivial.
A regra prática que aplicamos é: Se o problema puder ser resolvido com uma regra, ele será resolvido com uma regra.. O modelo é reservado para situações em que existe ambiguidade genuína — linguagem livre, alta variabilidade, casos imprevisíveis.
Rejeitar um caso de uso mal definido gera atrito se for feito como uma recusa direta. É melhor lidar com isso como um redirecionamento.
Dê um exemplo do que resolve o problema. «"Não precisamos de um modelo, precisamos que os dados do cliente estejam em um só lugar." A conversa muda de negativa para diagnóstica.
Quantifique a diferença. Custo da alternativa versus custo do projeto de IA, incluindo operação e governança. O número é mais convincente do que o argumento.
Deixe a porta aberta com discrição. De acordo com o Stanford HAI, o custo da inferência caiu mais de 280 vezes entre o final de 2022 e o final de 2024. Um caso que não é lucrativo hoje pode ser no ano que vem. Vale a pena registrar o cálculo e revisá-lo, em vez de descartá-lo para sempre.
Ofereça uma alternativa rápida. A energia por trás da proposta geralmente é boa. Redirecioná-la para algo que será entregue em algumas semanas mantém o ímpeto.
Organizações que gerenciam isso bem possuem algo que outras não têm: uma lista documentada de casos avaliados e descartados, com o motivo e a data.
Esta lista serve a três propósitos. Ela evita a reabertura da mesma discussão a cada trimestre com diferentes partes interessadas. Permite a revisão das decisões quando as condições econômicas ou técnicas mudam. E demonstra a um comitê, cliente ou auditor que a empresa avalia, em vez de simplesmente seguir tendências.
Um inventário da governança da IA sem descartar nenhum caso é, na prática, um inventário de tudo o que alguém propôs.
Há um efeito secundário que compensa o atrito inicial. Quando uma organização rejeita casos com base em bom senso, aqueles que ela aprova chegam ao comitê com muito mais credibilidade. O apoio interno deixa de ser um exercício de entusiasmo e se torna uma decisão defensável.
E há um aspecto comercial nisso. Um fornecedor que desaconselha um projeto quando os números não fecham é um fornecedor cujo julgamento é valioso. Preferimos perder esse projeto e ganhar a próxima negociação, que geralmente é mais importante.
A pergunta que deve ser feita em qualquer avaliação não é se isso pode ser feito com IA. Quase tudo pode ser feito. A questão é se deveria "Conseguir usar a IA" é uma questão diferente e muito mais útil.
Em seis situações: quando a regra é determinística e escrita, quando o custo do erro é alto e o volume é baixo, quando não há dados proprietários que proporcionem vantagem, quando o processo não está definido, quando o custo unitário não é lucrativo e quando o ônus da governança excede o benefício esperado.
Regras de negócio explícitas, normalização de dados, modelos específicos do fornecedor, pesquisa bem ordenada e validações determinísticas oferecem três vantagens: custo fixo em vez de variável, comportamento reproduzível e rastreabilidade trivial.
Uma regra prática é a seguinte: se o problema pode ser expresso como uma condição, ele é resolvido com uma condição. O modelo é reservado para casos com ambiguidade genuína — linguagem livre, alta variabilidade ou situações imprevisíveis.
Não deveria ser assim. O custo da inferência caiu mais de 280 vezes entre o final de 2022 e o final de 2024, de acordo com o Stanford HAI, portanto, um caso inviável hoje pode se tornar lucrativo daqui a um ano. É recomendável documentar o cálculo e a data para que possa ser revisado.
Porque evita reabrir a mesma discussão a cada trimestre, permite rever as decisões quando as condições económicas ou técnicas mudam e demonstra a uma comissão ou auditor que a organização avalia com discernimento em vez de adotar decisões por omissão.
Identificar a solução para o problema, quantificar a diferença de custo entre as alternativas, registrar o cálculo para revisão posterior e oferecer uma alternativa que possa ser implementada em algumas semanas para manter o ritmo.
Vale a pena fazer isso com IA? Analisamos o seu caso específico e informamos se vale a pena, qual a alternativa mais barata e quando seria aconselhável reavaliá-la. Se a resposta for negativa, também lhe diremos isso. Vamos conversar →
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
