Esta página cobre as etapas 1 a 3 do nosso guia de implementação de IA, que também explica a diferença entre implementação e adoção e traz um plano para os primeiros 90 dias. As etapas 4 a 7 estão em escolha de fornecedor, avaliação de riscos e piloto de IA.
Etapa 1: Defina o objetivo de negócio
Toda implementação de IA deve começar por um problema de negócio específico e mensurável, não pelo fato de a IA existir e concorrentes falarem sobre ela. "Deveríamos ter uma estratégia de IA" gera comitês e apresentações. "Nossa equipe de suporte gasta 40% do tempo com redefinições de senha e perguntas sobre status de pedidos" gera um projeto com um início e um fim claros.
Um objetivo útil nomeia a linha de base atual, a meta e o prazo: reduzir o tempo médio de processamento de faturas de quatro dias para um dia em dois trimestres; reduzir o tempo de primeira resposta em tickets de suporte de nível 1 de seis horas para quinze minutos em um trimestre. Nomeie um patrocinador de negócio responsável por esse número, não um responsável de tecnologia dono do cronograma do projeto. O patrocinador é para quem o projeto se reporta quando o piloto entrega um resultado, bom ou ruim.
Se você não consegue formular o objetivo como um número de antes e depois com uma data, o projeto ainda não está pronto para a seleção de caso de uso. Volte e encontre primeiro o problema real.
Quem é responsável por quê
Uma primeira implementação não precisa de uma equipe dedicada de IA, mas cada uma dessas funções deve estar atribuída antes que o trabalho comece. Uma pessoa pode cobrir mais de uma função; ninguém pode ficar sem nenhuma.
| Função | Responsável por |
|---|---|
| Patrocinador de negócio | O objetivo e a decisão de avançar ou não ao final do piloto |
| Responsável técnico | A construção ou a relação com o fornecedor, e a viabilidade técnica |
| Dono do processo | O fluxo de trabalho onde o sistema de IA se encaixa, e o redesenho na Etapa 10 |
| Responsável pela governança | A avaliação de impacto, a posição quanto ao Regulamento Europeu de IA e a due diligence de fornecedores nas Etapas 4 e 6 |
| Revisor do dia a dia | A supervisão humana definida na Etapa 11, assim que o sistema entrar em produção |
Etapa 2: Identifique e priorize casos de uso
Uma vez que o objetivo esteja claro, geralmente há várias maneiras de a IA abordá-lo. Avalie cada candidato em três dimensões, não apenas uma: valor de negócio, viabilidade e risco. Organizações que pulam a viabilidade e o risco costumam aprovar o caso de uso mais impressionante em vez daquele que conseguem efetivamente entregar e justificar.
Confirme primeiro que a IA é realmente a ferramenta certa
Antes de avaliar opções de IA, verifique se uma abordagem sem IA resolve o objetivo igualmente bem. Um conjunto de regras bem escrito, um script de RPA ou uma ferramenta convencional de busca ou fluxo de trabalho costuma ser mais barato de construir, mais fácil de explicar a um regulador e mais simples de manter do que um sistema de IA, especialmente quando a lógica subjacente é realmente fixa em vez de variável. Faça três perguntas: a tarefa exige julgamento diante de entradas que variam demais para regras fixas cobrirem; o bom desempenho depende de reconhecer padrões em dados grandes e não estruturados; e o custo de uma resposta ocasionalmente incorreta de um sistema de IA é aceitável diante do que custaria construir uma alternativa determinística. Se um motor de regras ou uma funcionalidade de software já existente responde ao objetivo, use-o. Reserve a IA para os casos de uso em que a variabilidade ou a escala da entrada realmente exigem isso.
| Exemplo de caso de uso | Valor de negócio | Viabilidade | Risco | Veredito |
|---|---|---|---|---|
| Triagem por IA de tickets de suporte de nível 1 | Alto | Alta: dados históricos de tickets limpos e disponíveis | Médio: voltado ao cliente, exige reversão humana | Forte candidato inicial |
| Conciliação e codificação automatizada de faturas | Médio | Alta: estruturado, repetitivo, baseado em regras | Baixo: financeiro, mas bem delimitado e auditável | Forte candidato inicial |
| Triagem de currículos assistida por IA no recrutamento | Alto | Média: exige testes de viés e trilha de auditoria | Alto: afeta indivíduos, exposição ao Artigo 20 da LGPD | Adiar até a governança amadurecer |
| Chatbot totalmente autônomo para atendimento a clientes em questões complexas | Alto (em teoria) | Baixa: exige salvaguardas extensas, lógica de escalonamento | Alto: risco reputacional e de precisão | Não é um primeiro projeto |
O padrão que se destaca: os candidatos mais fortes para começar raramente são os mais ambiciosos. Escolha um caso de uso em que os dados já existam em forma utilizável, o processo esteja bem delimitado e um resultado incorreto seja recuperável, não impactante. Reserve os casos de uso mais difíceis e de maior valor para depois que a organização tiver uma implementação bem-sucedida e um processo funcionando.
Estime o custo antes de se comprometer
Faça uma estimativa aproximada de custo nesta fase, não depois que a construção começar. Para uma rota de compra ou de fornecedor especializado, isso significa custos de licença ou de uso, trabalho de integração e tempo da equipe para o piloto. Para uma construção sob medida, somam-se o tempo de desenvolvimento, os custos contínuos de modelo ou de API e o custo permanente do ciclo de monitoramento e revisão da Etapa 12, que não termina quando o piloto acaba. Compare esse número com o objetivo da Etapa 1: se a economia ou o valor estimado não superarem claramente os custos de construção e operação dentro de um prazo razoável de retorno, o caso de uso precisa mudar ou o escopo precisa diminuir. Uma estimativa aproximada nesta fase vale mais do que uma estimativa precisa depois do piloto, porque é esse número que determina se vale a pena executar o piloto.
Etapa 3: Avalie a prontidão dos seus dados
A prontidão dos dados é o bloqueio mais comum na implementação de IA, e o que a maioria das organizações verifica por último em vez de primeiro. Um caso de uso que pontua bem no papel pode ficar parado por meses assim que a equipe do projeto descobre que os dados em que ele se baseia estão espalhados por três sistemas, formatados de forma inconsistente ou simplesmente não existem no volume necessário.
Se a avaliação de prontidão dos dados revelar lacunas importantes, isso é uma constatação, não um fracasso. Invista primeiro no trabalho de dados, ou escolha outro caso de uso para o qual os dados já sejam suficientes.
Defina por quanto tempo os dados serão retidos
Defina um prazo de retenção para os dados que o sistema de IA processa e, quando aplicável, para os resultados e logs, antes de o sistema entrar em produção. Confirme o que o fornecedor ou a plataforma retém por padrão: alguns fornecedores mantêm prompts e resultados por um período fixo para suporte e monitoramento de uso indevido, e alguns os retêm para treinamento de modelo a menos que você opte por não participar. Quando os dados incluírem dados pessoais, o prazo de retenção precisa ser defensável em relação à finalidade para a qual foram coletados, não apenas prático para depuração. Documente o prazo e quem é responsável por sua aplicação, e revise isso como parte do ciclo de revisão da Etapa 12.