Há seis semanas, uma série sobre IA em operações partiu de uma cena conhecida de qualquer gestor de médio porte: toda sexta à tarde, um analista consolida planilhas para que o número esteja pronto na segunda de manhã. No concorrente multinacional, uma equipe menor executa a mesma rotina sobre um processo estruturado que custou anos e investimento de sete dígitos para montar.
O gap entre os dois é antigo. O que mudou — e foi a tese central da série — é que o custo de fechá-lo caiu de forma acentuada. Cinco episódios testaram essa tese contra casos concretos, e o potencial se confirmou tanto quanto os seus limites.
O que funciona, com ressalvas
ML em previsão de demanda reduz o erro de forecast entre 20% e 50%, mas apenas quando opera sobre um S&OP maduro e um cadastro mestre saneado. Sem essa base, o algoritmo apenas reproduz o erro existente com mais precisão decimal.
Agentes geram ganho quando deslocam a pessoa da execução para a supervisão de exceções, e não quando se limitam a transferir a mesma tarefa para outro ponto da cadeia. A seleção do processo pesa mais que a escolha da ferramenta, e três filtros a definem antes de qualquer decisão de plataforma: dado estruturado, raciocínio sobre contexto variável e um output que alimenta uma decisão com prazo definido.
Quem conhece o processo passou a construir a primeira versão da solução, em vez de traduzir a necessidade em um briefing que a TI levaria meses para devolver. O denominador comum dos cinco episódios é que o retorno depende menos da tecnologia empregada do que da decisão sobre onde e como aplicá-la.
O dado que confirma a leitura
O MIT quantificou esse padrão. A iniciativa NANDA analisou pilotos de IA corporativa e encontrou 95% deles sem impacto mensurável em resultado, com a causa concentrada não nos modelos, mas na forma de implantação — pilotos genéricos descolados do fluxo de decisão real. O mesmo estudo identificou o que distingue o 5% restante: iniciativas construídas em conjunto com um parceiro de domínio apresentaram aproximadamente o dobro da taxa de sucesso das desenvolvidas internamente do zero.
Conhecimento do negócio, portanto, pesou mais que sofisticação técnica. A BCG mediu o mesmo fenômeno por outro ângulo: em sua regra de alocação de esforço, 10% cabe ao algoritmo, 20% a dado e tecnologia, e 70% a processo e pessoas.
Transposto para a fase de implantação, o gargalo deixou de ser tecnológico, porque a ferramenta hoje é acessível e barata, e passou a ser a escassez de competência que conecta as duas pontas. O gestor compreende o processo, mas não o converte na lógica que o sistema exige. O time técnico escreve essa lógica, mas raramente sabe qual decisão de negócio é crítica naquele trimestre. É nesse intervalo que a maioria dos pilotos se perde.
Os limites, ditos com franqueza
Automatizar um processo disfuncional não corrige a disfunção; apenas a executa mais rápido. Um sistema transacional crítico montado sem engenharia adequada substitui trabalho manual por risco operacional. E a facilidade de criar agentes cobra um preço próprio: múltiplos fluxos sem responsável claro, permissões mal delineadas e um custo de manutenção que supera o do processo manual que vieram substituir.
A própria pergunta de governança se deslocou. Antes se discutia se um processo podia ser automatizado; agora se discute quem responde pela decisão quando o agente erra. E o prazo precisa ser dito sem maquiagem: a IA agêntica elimina trabalho manual em semanas, mas não transforma a operação em noventa dias. A transformação ocorre quando a equipe converte o tempo liberado em uma forma diferente de decidir — e essa etapa é trabalho de gestão, não só de ferramenta.
Implicação para gestores
Ter o maior sistema deixou de ser vantagem competitiva. A vantagem está na qualidade da camada de decisão construída sobre os processos que já existem. Construir essa camada não se resume a contratar uma plataforma ou mais um desenvolvedor: exige selecionar os poucos processos onde o valor se concentra, calibrar a solução ao contexto de cada operação e ter o discernimento de encerrar o que não evolui.
Esse trabalho pede alguém com domínio real de operações, na profundidade de quem já conduziu transformação, e com a capacidade de entregar algo que funcione na prática. É precisamente a competência que o estudo do MIT aponta como rara, e é a ponte entre a gestão e a execução técnica que a maioria das empresas de médio porte ainda não construiu.
Quem a construir primeiro deixa de competir apenas com pares do próprio porte e passa a disputar espaço com organizações que operam com dez vezes o seu orçamento. A pergunta que cabe a cada gestor de operações: dos processos que hoje consomem o tempo do seu time, quais já têm dado, regra e decisão claros o suficiente para serem o primeiro piloto — e quais ainda precisam ser entendidos antes de qualquer ferramenta entrar?