Primeiro uso de IA na área: como escolher o processo certo

Em resumo

• O primeiro uso de IA na área deve ser escolhido pelo processo, e não pelo que impressiona na demonstração: o bom candidato é aquele em que alguém lê, resume ou classifica texto que não segue um padrão fixo.
• Quatro perguntas fazem a triagem: o processo exige interpretar texto sem padrão, tem volume que justifique o esforço, quanto custa um erro e quem é o dono que vai revisar o resultado.
• Há três degraus, o chat com IA que já vem no Microsoft 365, o Copilot licenciado dentro dos aplicativos e o agente feito sob medida, e cada um muda uma parte diferente da rotina da área.
• Quando a decisão segue uma regra que cabe numa tabela, a automação comum resolve com menos custo e menos risco, e a IA não entra.
• O argumento para o diretor é um indicador da área que se mexe, medido antes e depois de um piloto curto com revisão humana em cada saída.

Como escolher o primeiro uso de IA na área?

Escolha pelo processo, e não pela demonstração: o primeiro uso de IA na área deve ser um processo com volume contínuo, em que alguém hoje lê, resume ou classifica texto que não segue um padrão, e que tenha um dono claro para revisar o que a IA entregar. Se a decisão do processo segue uma regra que cabe numa tabela, a IA não é a ferramenta certa, porque um fluxo comum resolve o mesmo problema com menos custo e menos risco.

A própria Microsoft organiza a biblioteca de cenários de adoção por função, com finanças, operações, recursos humanos, jurídico, vendas e outras, e também por setor, e permite filtrar pelo tipo de produto: Copilot Chat, Copilot e agentes. Na mesma página, ela diz que qualquer pessoa pode começar pelo Copilot Chat e que, com a licença do Microsoft 365 Copilot, o assistente passa a se conectar aos dados e aos aplicativos de trabalho. É um bom cardápio, só que cardápio não escolhe o prato, e o gerente que abre a biblioteca sem critério tende a parar no cenário que mais impressiona, que quase nunca é o que mais pesa nos números da área.

O que a biblioteca de cenários resolve e o que deixa em aberto

Cada cenário da biblioteca descreve uma tarefa típica de uma função, como resumir, redigir, comparar ou preparar uma análise, e isso ajuda a imaginar o que a ferramenta faz. O que ela não sabe é quantos itens chegam por semana na sua fila, quanto custa errar naquele processo e se existe alguém com tempo e atribuição para conferir o resultado, e essas três respostas decidem se o cenário serve como primeiro ou não.

Por isso vale tratar cada cenário como uma hipótese e testá-la contra o processo real da área. A pergunta deixa de ser "o que a IA sabe fazer" e passa a ser "onde, no meu processo, existe uma pessoa gastando tempo para entender um texto que cada fornecedor, cliente ou colega escreve de um jeito".

Quatro perguntas para escolher o processo

A triagem cabe numa folha e pode ser aplicada a cada processo da lista da área, um por vez, antes de qualquer conversa com a TI ou com fornecedor:

1. O processo exige ler, resumir ou classificar texto que não segue um padrão?
2. Ele tem volume que justifique o esforço de preparar, testar e manter?
3. Quanto custa um erro?
4. Existe um dono claro que vai revisar o resultado?

A primeira pergunta separa o que pede IA do que não pede. Laudo de fornecedor em PDF, e-mail de cliente com reclamação, observação livre em nota fiscal e ata de ocorrência são textos em que cada origem escreve de um jeito, e a IA generativa é boa justamente em ler essa variação. Se a informação já chega em campo fixo, com valor, data e código, não há nada a interpretar, e aí a primeira resposta já é não.

A segunda pergunta protege o esforço. Todo uso de IA no processo exige separar uma amostra real, testar, ajustar as instruções e acompanhar depois, e um processo que aparece poucas vezes por mês raramente devolve esse trabalho. O jeito simples de medir é olhar a fila: quantos itens chegam por semana e quanto tempo uma pessoa gasta em cada um, e se a soma é pequena, o processo é um bom candidato a ficar como está.

A terceira pergunta não decide se o processo serve, decide o nível de revisão. Classificar um e-mail para encaminhá-lo à área certa é um erro barato, que tolera conferência por amostragem, enquanto liberar um lote de insumo ou lançar um crédito fiscal é um erro caro, que exige uma pessoa confirmando cada saída antes de qualquer ação. A quarta pergunta fecha o raciocínio, porque sem um dono com nome, atribuição e tempo para revisar, a resposta da IA vira verdade por omissão, e o erro só aparece quando alguém de fora encontra.

A pergunta da tabela vem primeiro porque é a que mais economiza: se a resposta for sim, o assunto acaba ali e a IA nem entra na conversa.

Os três degraus: o que cada um muda na rotina da área

A escolha do processo vem antes da escolha da ferramenta, e a ferramenta costuma ser um de três degraus. Cada um muda uma parte diferente do trabalho, e o critério para subir é ter visto no degrau anterior o que está faltando.

O chat com IA que já vem no Microsoft 365

Neste degrau o analista leva o texto até o assistente, anexando o documento ou colando o trecho, e pede um resumo, uma comparação com a especificação ou o rascunho de uma resposta. A rotina muda no tempo de leitura de cada item, mas o processo continua o mesmo, porque a pessoa ainda traz o material, confere o resultado e registra no sistema como sempre registrou. É o degrau para descobrir se a tarefa tem jeito antes de investir em qualquer coisa, e para a área aprender a pedir e a desconfiar com critério.

O Copilot licenciado dentro dos aplicativos

Com a licença do Microsoft 365 Copilot, o assistente passa a trabalhar dentro do Word, do Excel, do Outlook e do Teams, com os documentos, e-mails e reuniões que a pessoa já tem permissão de ver. A diferença para a rotina é que o analista deixa de levar o texto até a IA e a IA passa a trabalhar onde o material já está, o que serve bem quando o trabalho é individual e varia de pessoa para pessoa. O processo em si continua dependendo de quem o conduz, e o resultado depende do estado das pastas e dos documentos, de modo que biblioteca desorganizada produz resposta desorganizada.

O agente feito sob medida

O agente é desenhado para um processo específico, com instruções próprias, fontes definidas e regras sobre quando parar e chamar uma pessoa, e pode ser construído no Copilot Studio. Esse é o único degrau que muda o processo, porque a fila passa a chegar triada, com a análise pronta, e o humano gasta o tempo decidindo e não lendo. Em troca, exige dono, desenho, teste com casos reais e manutenção contínua, então só compensa para o processo que passou nas quatro perguntas com folga.

Dois exemplos de agroindústria e um que não pede IA

A qualidade lendo laudos de fornecedor

Numa agroindústria, cada lote de insumo chega com um laudo de laboratório do fornecedor, e cada fornecedor tem layout, unidade e vocabulário próprios. Hoje um analista abre o PDF, procura os parâmetros, compara com a especificação e registra o resultado numa planilha, o que consome boa parte do dia quando vários lotes chegam juntos. O processo passa nas quatro perguntas: o texto não tem padrão, o volume é diário, o dono é o coordenador da qualidade e o erro é caro, porque liberar um lote fora da especificação custa mais do que a leitura inteira.

Por isso o desenho coloca a IA para extrair os parâmetros, compará-los com a especificação e destacar os desvios, enquanto a decisão de liberar ou reter fica com o analista, em cada lote. Os indicadores já existem na área: o tempo entre a chegada do laudo e a liberação, e a quantidade de pendências de documentação descobertas tarde demais.

O fiscal conferindo divergência de nota

No recebimento, a nota fiscal de entrada é conferida contra o pedido e contra o que de fato chegou, e a maior parte dessa conferência é regra: valor, quantidade, CNPJ e imposto contra uma tabela. Essa parte é trabalho de fluxo comum e não deve ir para a IA. O que consome o tempo do fiscal é o resíduo em texto, como a descrição do item que não bate com o cadastro, a observação livre na nota e a cadeia de e-mails explicando por que o valor mudou.

É nesse resíduo que a IA entra: ela lê o motivo da divergência, propõe uma classificação e indica quem deve resolver. Como um erro pode virar crédito indevido ou multa, o fiscal confirma a classificação antes de qualquer lançamento, e o resultado se mede em notas travadas no fechamento do mês e em retrabalho de conferência. O mesmo raciocínio serve para supply, quando a divergência está em confirmação de fornecedor e prazo de entrega informados por e-mail.

O contraexemplo: a aprovação por alçada

Considere a aprovação de pedidos de compra em que, abaixo de certo valor, aprova o coordenador, acima disso o gerente, acima de outro limite o diretor, e algumas categorias têm aprovador fixo. A decisão cabe inteira numa tabela, então o caminho é um fluxo comum no Power Automate, que roda igual para todo pedido, guarda o histórico e cobra o prazo sem depender da memória de ninguém. Pôr IA nesse processo acrescentaria custo e uma variação de resposta que a regra não admite, sem ganhar nada em troca. Para pontuar etapa por etapa o que vale automatizar com fluxo comum, o método está em O que vale automatizar, e este post cuida da decisão seguinte, a de quando a IA realmente entra.

A armadilha: começar pelo caso de demonstração

O resumo de reunião é o exemplo clássico. Ele funciona na primeira semana, todo mundo experimenta, a área elogia, e três meses depois o diretor pergunta o que mudou e nenhum indicador se moveu: o prazo de liberação é o mesmo, o retrabalho é o mesmo, as notas continuam travando no fechamento. O resumo de reunião não é inútil, mas não está ligado a um resultado da área, e quando é o primeiro projeto ele gasta a credibilidade de que o segundo precisaria.

A segunda armadilha é colocar IA sem revisão humana num processo em que o erro custa caro. Um laudo mal lido que libera um lote ou uma divergência classificada errada que vira lançamento fiscal acontece uma vez, e na primeira vez o projeto inteiro é parado e a confiança da área desaparece, mesmo que a IA acerte quase sempre. A defesa é escrever, antes de começar, o indicador que será medido e o nome de quem confere cada saída, e se as duas respostas não existirem, o processo ainda não está pronto para ser o primeiro.

Quando não usar IA

Não use IA quando a decisão segue uma regra que cabe numa tabela, porque a automação comum resolve com menos custo e menos risco, dá o mesmo resultado em toda execução e deixa o histórico auditável sem nenhuma interpretação no caminho. Também não use quando o processo tem pouco volume, porque o esforço de preparar e manter não se paga, nem quando não existe um dono para revisar, já que a saída sem revisão vira decisão sem responsável.

Há ainda o caso do processo que cada pessoa conduz de um jeito: a IA vai reproduzir essa inconsistência em escala, e o primeiro trabalho é combinar na área como o processo deve rodar. Só depois disso a pergunta sobre ler, resumir ou classificar texto passa a ter uma resposta confiável.

O que levar para quem aprova

Proponho começar por um processo em que hoje a área lê manualmente texto sem padrão, com volume contínuo e dono definido, com a meta de reduzir o prazo da etapa e o retrabalho, medidos antes e depois de um piloto curto em que toda saída da IA é revisada por uma pessoa. Não decidir mantém o custo da leitura manual e deixa a IA entrar na área pelo uso individual e sem medição, o caminho em que o diretor vê a ferramenta e não vê resultado. O próximo passo é aprovar um piloto com um processo, um dono e um indicador, e decidir sobre ampliar com os dados da própria área.

Se ajudar, a Trinapse envia as quatro perguntas de triagem numa folha para aplicar à lista de processos da área, e acompanha a escolha até o ponto de levá-la ao diretor.