Inteligência artificial aplicada a processos de negócio

1. O que é aplicar IA a um processo de negócio

Inteligência artificial aplicada a processos de negócio significa inserir modelos de IA num fluxo de trabalho que a empresa já executa, para que assumam os passos que até agora exigiam que uma pessoa lesse, interpretasse ou decidisse. Não é uma prova de conceito nem uma ferramenta à parte: vive dentro do processo, liga-se ao ERP ou ao CRM e mede-se pelo seu efeito nesse processo.

A diferença face a «usar IA» individualmente é importante. Ter a equipa a consultar um assistente conversacional para escrever melhor é útil, mas não muda o processo: as horas continuam lá, os erros também, e nada fica registado. Aplicar IA a um processo significa que o passo desaparece do dia de trabalho de alguém.

Um processo de negócio com IA dentro costuma ter três peças:

• Uma entrada não estruturada que antes tinha de ser lida: um PDF de um fornecedor, um email, a transcrição de uma chamada, a fotografia de uma folha de obra.
• Um modelo que interpreta essa entrada e devolve algo estruturado: campos extraídos, uma categoria, um resumo, uma proposta de resposta.
• Uma integração que executa a consequência no sistema de gestão, com uma pessoa a supervisionar os casos duvidosos.

2. IA, automatização clássica e RPA: o que faz cada uma

É a confusão mais comum e a que desperdiça mais orçamento. Não competem entre si: resolvem partes diferentes do mesmo processo.

A automatização clássica e o RPA executam regras deterministas: se uma condição se verifica, dispara uma ação. São rápidos, baratos e perfeitamente previsíveis desde que a entrada tenha sempre o mesmo formato. O problema é a variação: um fornecedor muda o desenho da fatura e a regra deixa de funcionar.

A IA contribui exatamente com o que ali falta: a capacidade de interpretar entradas que não vêm num formato fixo e de resolver casos ambíguos com juízo. Em troca é probabilística e não determinista, o que significa que o processo tem de ser desenhado a assumir que às vezes se vai enganar.

É por isso que os projetos que funcionam quase sempre combinam as duas: a IA interpreta e decide, as regras executam e validam. Um bom sinal de que um projeto está mal enquadrado é tentar resolver tudo com um modelo, sem regras nem validação em volta.

3. Que processos são bons candidatos

Não é todo o processo que melhora com IA. Os que melhoram cumprem normalmente estas quatro condições ao mesmo tempo:

1. Volume. Repete-se muitas vezes por mês. Um processo que acontece três vezes por ano não vale a pena automatizar, por mais tedioso que seja.
2. Tempo qualificado em tarefas mecânicas. Alguém pago pelo seu juízo passa horas a copiar dados, a ordenar emails ou a procurar em pastas.
3. Informação não estruturada. Há documentos, texto livre, emails ou imagens envolvidos. Se tudo já está em tabelas limpas, a automatização clássica é provavelmente suficiente.
4. Erro tolerável e verificável. Existe uma forma de saber se o resultado está correto, e um erro pontual pode ser detetado e corrigido sem consequências graves.

Quando falta a terceira ou a quarta condição, normalmente significa que o processo não precisa de IA, mas de outra coisa: regras, uma integração ou um redesenho.

4. Casos por área funcional

Os processos que mais vezes se tornam num primeiro projeto, por área:

Administração e finanças

• Lançamento de faturas e guias de remessa: extrair campos de um PDF ou de uma fotografia, cruzar com a nota de encomenda e registar no ERP. É o caso mais repetido porque o volume é alto e o resultado pode ser verificado contra a encomenda.
• Reconciliação de recebimentos e pagamentos contra descritivos bancários em texto livre.
• Preparação de relatórios recorrentes que hoje se montam à mão a partir de várias fontes.

Atendimento ao cliente

• Classificar e encaminhar o email de entrada: cada mensagem etiquetada por tipo, urgência e responsável antes de alguém a ler.
• Uma proposta de resposta para as questões repetitivas, com uma pessoa a revê-la e a enviá-la.
• Resumo automático da conversa e registo no CRM quando o caso é fechado.

Vendas e marketing

• Qualificação de leads a partir de informação pública das empresas e do seu próprio histórico, para que a equipa comercial dedique tempo aos que vale a pena trabalhar.
• Preparação de propostas a partir de um catálogo e das condições do cliente.
• Deteção de sinais de risco de abandono nas contas existentes.

Compras e fornecedores

• Leitura de propostas e listas de preços em formatos heterogéneos para as comparar numa única tabela.
• Verificação de que o que foi recebido corresponde ao que foi encomendado e ao que foi faturado.
• Acompanhamento de prazos e renovações dentro dos contratos.

Operações e logística

• Digitalização de folhas de obra escritas à mão ou fotografadas no terreno.
• Classificação de incidentes por causa raiz a partir da descrição em texto livre do operador.
• Previsão de procura e de stock apoiada em dados históricos.

Conhecimento interno e qualidade

• Pesquisa em linguagem natural sobre a documentação interna: procedimentos, manuais, legislação aplicável, histórico de projetos.
• Verificação de um documento contra o modelo ou o procedimento antes de ser emitido.
• Apoio a quem entra de novo, que pergunta em vez de procurar.

5. Como se implementa, fase a fase

A ordem importa mais do que a tecnologia escolhida. Este é o método que seguimos nos nossos projetos:

1. Mapear o processo atual. Como funciona hoje de verdade, não como o procedimento diz que funciona. É aqui que aparecem os passos invisíveis que ninguém tinha contado.
2. Medir a linha de base. Horas atuais por mês, número de casos, taxa de erro e tempo de ciclo. Sem este número não há maneira, depois, de demonstrar que o projeto conseguiu alguma coisa.
3. Priorizar. Cada processo candidato é pontuado por impacto e por esforço. O primeiro deve ter a melhor relação entre os dois, não ser o mais vistoso.
4. Piloto delimitado. Um único processo, um subconjunto real de casos e um critério de sucesso escrito antes de começar.
5. Entrada em produção com supervisão. O sistema entra no fluxo real, com revisão humana dos casos que o modelo marca como duvidosos e registo de tudo o que decide.
6. Medir e escalar. Comparam-se os números com a linha de base e, se o resultado se mantém, replica-se o padrão em processos vizinhos.

A fase que mais vezes se salta, e a que causa mais problemas, é a segunda. Sem uma linha de base, a discussão sobre se o projeto funcionou acaba por ser uma questão de opinião.

6. Como se mede o retorno

Um projeto de IA sobre processos justifica-se com quatro métricas, todas comparadas com a linha de base:

• Horas libertadas por mês e o custo equivalente. É a poupança direta e a mais fácil de defender junto da direção.
• Taxa de erro antes e depois, e o custo de cada erro: retrabalho, notas de crédito, penalizações, clientes perdidos.
• Tempo de ciclo ponta a ponta. Muitas vezes vale mais do que as horas poupadas, porque desbloqueia a faturação.
• Capacidade: quantos casos mais se conseguem absorver sem contratar.

Como referência do que costumamos ver: cerca de 20 horas por mês e por colaborador em tarefas automatizadas, reduções de erro até 90% em processos administrativos e amortização em menos de seis meses no primeiro projeto. São intervalos habituais conforme o âmbito e o ponto de partida, não uma promessa: o número que conta é o que sai de medir o seu próprio processo.

7. Quando NÃO aplicar IA a um processo

Dizer não a tempo poupa mais dinheiro do que a maioria dos projetos gera. Casos em que aconselhamos a não aplicar IA:

• O processo está avariado. Se ninguém sabe quem é responsável por cada passo, ou se cada um o faz de forma diferente, tem de ser redesenhado primeiro. Automatizar um processo avariado só o faz falhar mais depressa e a maior escala.
• As regras são claras e estáveis. Então a automatização clássica é mais barata, mais rápida e mais previsível. Acrescentar um modelo só acrescenta custo e incerteza.
• O volume é baixo. Abaixo de um certo número de casos por mês, o projeto nunca se amortiza, mesmo que funcione perfeitamente.
• Não há forma de verificar se está correto. Se não se consegue saber se o resultado está bem, também não se consegue detetar quando começa a degradar-se.
• O erro não é tolerável. Onde um erro tem consequências graves e irreversíveis, a IA pode propor, mas a decisão fica com uma pessoa.

8. O que exige a legislação

Aplicar IA a processos internos traz obrigações específicas, e resolvem-se melhor no momento do desenho do que no final. Sobrepõem-se dois quadros:

O Regulamento (UE) 2024/1689 (Regulamento Europeu de IA) classifica cada sistema por nível de risco. A maioria dos processos internos de uma empresa — leitura de faturas, classificação de email, pesquisa documental — fica no nível de transparência, não no de risco elevado. Há exceções que se qualificam e que vale a pena identificar cedo: recrutamento, avaliação de desempenho e decisões que afetam direitos dos trabalhadores.

E se o processo trata dados pessoais, aplica-se também o RGPD, supervisionado em Espanha pela AEPD, com os seus requisitos de minimização, base jurídica e informação às pessoas afetadas.

O detalhe completo — níveis de risco, calendário de aplicação e quem supervisiona em Espanha — está na nossa página de conformidade normativa.

9. Perguntas frequentes