IA sem contexto só amplifica o que já está errado

Há cerca de um ano, fechei um contrato com uma empresa da área da saúde que tinha um problema sério no atendimento ao cliente. O processo era demorado, pouco eficiente e claramente precisava melhorar. A proposta, naquele momento, parecia relativamente simples: desenvolver uma solução personalizada para automatizar parte do pré-atendimento e organizar melhor esse primeiro contato com o cliente.

Só que, quando começamos a trabalhar, percebemos que o problema não terminava no atendimento. O marketing também estava envolvido com o CRM, treinamento da equipe comercial, tráfego pago e outras etapas da operação. Para automatizar o pré-atendimento, precisávamos entender de onde aquele cliente vinha, o que acontecia depois que ele entrava em contato, quais informações eram coletadas, para onde eram enviadas e como cada situação era tratada.

Foi aí que encontramos o maior gargalo: não havia um processo claramente definido. Não existia uma metodologia registrada, um fluxo documentado ou sequer uma descrição suficientemente clara do que era feito todos os dias.

E não estou falando de uma empresa que não funcionava. Ela funcionava. As pessoas trabalhavam, os clientes chegavam, as atividades eram executadas e decisões eram tomadas. O problema é que boa parte desse funcionamento estava na cabeça das pessoas, distribuído entre setores e construído a partir de hábitos que nunca tinham sido transformados em processo.

Como nós iríamos automatizar uma coisa que a própria empresa tinha dificuldade de explicar?

A demora para receber o fluxo mínimo de que precisávamos acabou gerando uma série de dificuldades entre as partes e o contrato foi suspenso. Mas essa experiência ficou comigo porque deixou muito claro um problema que vejo hoje em muitas conversas sobre inteligência artificial: existe uma pressa enorme para colocar IA dentro das empresas sem que exista a mesma preocupação em entender o que exatamente ela deverá melhorar.

Antes de automatizar, eu preciso entender o que sua empresa faz

Quando um empresário me diz que quer utilizar inteligência artificial, eu não começo perguntando qual ferramenta ele gostaria de usar. Quero saber em qual processo ele está pensando, quanto tempo a equipe gasta naquela atividade, se existe retrabalho e se aquele problema está provocando uma perda econômica que justifique uma intervenção.

Para mim, essas perguntas são muito mais importantes no início porque a automação não deveria ser um objetivo em si. Se uma atividade consome cinco minutos por semana, funciona bem e não interfere significativamente no resultado da empresa, provavelmente temos outros problemas mais importantes para resolver.

Também preciso entender como aquele processo acontece hoje. E quando falo em contexto não estou falando apenas de ter uma planilha com alguns dados. Estou falando da metodologia da empresa e de todas as informações que formam a sua operação: de onde veio o cliente, o conteúdo que despertou interesse, o contato com o comercial, a venda, a decisão de compra, o processo produtivo, a entrega, a satisfação, uma reclamação e até o que acontece depois dela.

É a receita de bolo da empresa.

Os dados fazem sentido porque existe uma relação entre eles. Um número isolado pode mostrar que alguma coisa aconteceu, mas dificilmente explica por que aconteceu, o que interferiu naquele resultado e qual decisão deveria ser tomada a partir dele.

Por isso, se uma empresa não entende os próprios processos, não registra a metodologia que utiliza e possui poucos dados sobre sua operação, a inteligência artificial não vai simplesmente entrar e organizar tudo. Em alguns casos, ela vai amplificar ainda mais a bagunça. Em outros, não vai entregar o resultado esperado porque nem ela terá informação suficiente para compreender o que está acontecendo.

Uma empresa pode automatizar o erro

A inteligência artificial pode identificar padrões, encontrar inconsistências, organizar grandes quantidades de informação e até indicar outro caminho. Mas existe uma parte desse processo que continua dependendo da empresa: ela precisa ter capacidade de interpretar aquilo que está recebendo.

Se uma equipe executa determinada atividade da forma errada há anos, existe inclusive a possibilidade de a IA indicar uma alternativa e ninguém perceber a importância daquela informação. Se ninguém questiona o processo atual, por que necessariamente questionaria a resposta da IA?

É por isso que eu tenho dificuldade com a ideia de que a adoção de inteligência artificial, por si só, representa maturidade tecnológica. Uma empresa pode comprar uma excelente ferramenta e continuar tomando decisões ruins, da mesma forma que pode automatizar um processo ineficiente e passar a executá-lo muito mais rapidamente.

A pergunta, portanto, não é apenas “o que podemos automatizar?”. Precisamos entender o que vale a pena melhorar e qual problema queremos resolver.

Em uma conversa com um empresário que esteja buscando IA para a empresa, provavelmente eu faria uma pergunta muito simples: você gostaria de pagar por mais uma ferramenta ou gostaria de melhorar seus resultados?

Porque nem sempre as duas coisas caminham juntas.

Minha forma de enxergar IA tem muito da engenharia

Acredito que essa maneira de pensar venha muito da minha formação. Sou engenheira ambiental e, durante o mestrado em Engenharia Civil e Ambiental, estudei disponibilidade hídrica e operação de reservatórios.

Se alguém me perguntasse se a água existente em determinado reservatório seria suficiente para atender às demandas durante o próximo ano, eu não poderia olhar apenas para o volume armazenado naquele dia e responder.

Eu precisaria entender o sistema.

Quanto de água está entrando? Quanto está saindo? Quais são os usos existentes? Como essas demandas se comportam ao longo do tempo? Qual a influência das chuvas? E da evaporação? O que acontece em um cenário mais crítico? Como uma decisão tomada agora interfere na disponibilidade de água meses depois?

O volume do reservatório é um dado extremamente importante, mas sozinho não conta a história inteira.

É justamente essa lógica que eu levo hoje para tecnologia. Quando pensamos em uma solução de inteligência artificial, estamos intervindo em um sistema que já existe. Existem pessoas, informações, processos, decisões, exceções, custos, falhas e uma série de variáveis que interferem no resultado. Então eu preciso entender esse sistema, identificar onde está o problema e considerar as interferências antes de definir qual solução faz sentido e em que momento ela deve entrar.

Não vejo isso como tornar a implantação de IA mais complicada. Pelo contrário. Para mim, é o que aumenta as chances de a tecnologia resolver um problema real em vez de simplesmente adicionar mais uma camada à operação.

IA não precisa fazer o seu trabalho no seu lugar

Outro extremo dessa discussão é o medo de que a inteligência artificial vá simplesmente substituir todo mundo. Também não enxergo dessa forma.

IA é uma ferramenta capaz de ampliar nossa capacidade de trabalho. Pode assumir tarefas repetitivas, organizar informações que uma pessoa levaria horas para analisar, encontrar relações entre dados, apoiar decisões e permitir que profissionais utilizem mais tempo naquilo em que realmente são bons.

Só que, novamente, precisamos saber o que estamos tentando ampliar.

Se temos um bom processo, informações confiáveis e clareza sobre o resultado que queremos alcançar, existe um campo enorme para utilizar inteligência artificial. Se não sabemos exatamente como a empresa funciona, quais dados produzimos e por que fazemos determinadas atividades, colocar tecnologia no meio não elimina o problema original.

Em alguns casos, apenas o deixa mais visível.

Por isso, antes de discutir agente, automação, chatbot, modelo ou qualquer ferramenta específica, eu quero entender o processo. Quero saber onde existe perda, onde a equipe perde tempo, onde há retrabalho, quais decisões estão sendo tomadas com pouca informação e quais dados a empresa já produz sem conseguir utilizar.

Depois disso, faz sentido discutir onde a inteligência artificial entra.

Foi justamente dessa maneira de enxergar problemas que nasceu uma das ideias centrais da LUMHAE: interpretar antes de decidir.

Não porque toda empresa precise passar meses mapeando cada detalhe da sua operação antes de experimentar uma tecnologia, mas porque uma boa solução começa pela compreensão do problema que queremos resolver. A inteligência artificial tem um potencial enorme para transformar empresas, desde que não esperemos dela a responsabilidade de entender uma operação que nós mesmos nunca paramos para entender.