Usar IA não é ser AI-First: o degrau sem nome onde quase toda empresa está parada

Você abriu o chat às 7h40, ainda no café, e pediu um resumo do relatório que chegou de madrugada. Às 9h, pediu três versões de um e-mail difícil para um cliente que atrasou o pagamento. Às 11h, colou a transcrição da reunião e pediu os pontos de ação. Depois do almoço, gerou uma imagem para o post, revisou uma planilha, pediu um roteiro de treinamento e terminou o dia perguntando como responder a uma proposta de fornecedor.

Sete usos. Sete acertos. E, mesmo assim, às 19h você ainda estava decidindo tudo.

Eu escrevo isso porque essa é a cena que mais encontro quando sento com donos de empresa. Não é a cena de quem ignora a inteligência artificial. É a cena de quem usa muito, gosta, defende, comprou a assinatura para o time inteiro e continua sendo o funil por onde passa cada decisão da operação. Essa pessoa acredita, de boa-fé, que já modernizou a empresa. E ela não está mentindo: ela modernizou o esforço. O que ela não mudou foi quem conclui.

Reparei, com o tempo, que essa conversa nunca começa por falta de informação. O dono já leu sobre IA, já testou várias ferramentas, já viu casos de sucesso em palestra. O que falta não é informação: é um lugar no mapa. Ele não consegue dizer onde está, porque só existem duas palavras disponíveis, "usa" e "não usa", e ele claramente usa.

Este artigo existe para dar nome ao lugar onde você está. Porque enquanto "usar IA" e "ser AI-First" forem a mesma palavra na sua cabeça, você não tem como medir o seu ponto atual nem enxergar o que falta. Sem nome, usar todos os dias parece o topo. Com nome, aparece um degrau acima.

---

A cena: você usou IA sete vezes hoje e continuou decidindo tudo

Vou detalhar a cena, porque o diagnóstico mora nos detalhes.

Em cada um daqueles sete momentos, o fluxo foi idêntico. Você percebeu uma necessidade. Você abriu a ferramenta. Você escreveu o pedido. Você leu a resposta. Você julgou se prestava. Você ajustou. Você aplicou.

Repare em quantas vezes o sujeito da frase foi "você".

A inteligência artificial entrou no meio da tarefa, e entrou bem: escreveu mais rápido do que você escreveria, resumiu melhor do que um estagiário resumiria, organizou o que estava bagunçado. Mas ela entrou como um ajudante que fica do lado de fora da operação, esperando ser chamado. Ela não sabe o que a sua empresa faz quando ninguém pergunta nada. Ela não conhece o seu critério de aprovar desconto. Ela não sabe qual cliente merece prioridade na segunda-feira. Ela não tem a menor ideia do que acontece se você ficar dois dias sem abrir o computador.

Tem um detalhe nessa cena que costuma passar batido, e que eu considero o mais revelador de todos: em nenhum dos sete momentos a empresa aprendeu alguma coisa. O que você decidiu às 9h não ficou registrado em lugar nenhum que o sistema consiga consultar às 15h. A ferramenta esqueceu. Você lembrou. E, como você lembrou, você continuou sendo necessário na oitava vez, na nona e na décima.

É por isso que o cansaço não some. A IA reduziu o tempo de execução de cada tarefa e não tocou em nada no volume de decisões que chega até você. Aliás, ela costuma aumentar esse volume, e eu vou explicar por quê mais adiante, porque esse é o ponto que muda a conversa.

Usar IA é pedir ajuda para fazer o trabalho. Ser AI-First é o trabalho chegar até você já decidido.

Guardo essa frase para o meio do artigo, mas ela precisa aparecer aqui, porque tudo o que vem depois é o desdobramento dela.

---

A resposta curta (para quem veio do Google)

Se você chegou aqui procurando a diferença entre usar IA e ser AI-First, aqui está, em linguagem literal, antes de qualquer história.

Essa é a resposta curta. O resto do artigo é o que fazer com ela.

Usar IA = você pergunta. Ser AI-First = o sistema conclui e só pergunta na exceção.

Existe um teste de uma linha só que eu uso em toda conversa de diagnóstico: conte quem começou.

Quando você usa IA, quem começa é você. A ferramenta é passiva. Ela dorme até ser acordada por uma pergunta sua. Se você não perguntar, nada acontece. A empresa fica exatamente igual.

Quando a empresa é AI-First, quem começa é o próprio processo. Chegou um pedido de orçamento, o sistema classifica, precifica dentro da faixa que você escreveu, monta a proposta e envia. Chegou uma reclamação, o sistema entende o caso, aplica a política de reembolso que você definiu, resolve e registra. Você não foi acordado. Você é avisado, ou é chamado apenas quando o caso sai da faixa que você autorizou.

A palavra-chave aqui é exceção. Numa empresa AI-First, o dono não some. Ele muda de posição: sai do meio de cem decisões repetidas e vai para a beira de cinco decisões difíceis. Ele deixa de ser o processador e passa a ser o autor da regra e o juiz do caso estranho.

Isso costuma soar como perda de controle para quem ouve pela primeira vez, e eu entendo o desconforto. Mas repare no que muda de fato. Hoje o seu controle é exercido caso a caso, na pressa, com a informação que estava na tela naquele minuto. No arranjo AI-First, o controle é exercido antes, com calma, por escrito, e vale para os próximos mil casos. Você troca controle de varejo por controle de atacado. Na prática, controla mais, e não menos.

E existe um efeito colateral que ninguém antecipa: quando o critério vira texto, ele fica auditável. Você consegue discordar dele, corrigir uma linha, mostrar para um sócio, discutir com o comercial. Critério que mora na cabeça de uma pessoa não pode ser discutido, só obedecido ou contornado.

IA que responde x IA que decide: onde sua empresa está

Vale a comparação lado a lado, porque quase todo mundo confunde velocidade com autonomia.

Essa última linha é honesta e eu não vou escondê-la: subir de degrau troca um risco por outro. Um critério ruim escrito no papel e executado cem vezes por dia faz mais estrago do que um prompt ruim usado uma vez. É exatamente por isso que a etapa de escrever o critério é a parte séria do trabalho, e não a parte chata.

Existe também uma diferença de natureza que a tabela não captura inteira. Na coluna da esquerda, o valor é gerado dentro da cabeça de quem usa: a IA entrega matéria-prima e a pessoa transforma em decisão. Na coluna da direita, o valor está na empresa, não na pessoa. Se o vendedor sai, a decisão continua acontecendo do mesmo jeito, porque o critério não era dele. Isso é o que separa uma operação de um conjunto de talentos individuais bem equipados.

Vale dizer que essa distinção não é invenção do marketing. Existe discussão acadêmica exatamente sobre quem detém o controle da decisão nesses arranjos, contrapondo o desenho em que a IA apoia o humano ao desenho em que o humano entra no ciclo por exceção, como no preprint Human-in-the-loop or AI-in-the-loop?, de 2024.

---

Por que "colocar a IA no centro da estratégia" não ajuda ninguém

Você já leu essa frase. Eu já li centenas de vezes: "coloque a inteligência artificial no centro da sua estratégia". Ela aparece em palestra, em post de LinkedIn, em apresentação de consultoria.

E ela não ajuda ninguém, por um motivo simples: não existe nenhuma ação que você possa executar amanhã de manhã a partir dela.

Centro é uma metáfora de lugar. Empresa não é um mapa. Ninguém pega a IA e "coloca no centro" como quem arruma um móvel na sala. O dono ouve isso, concorda com a cabeça, volta para a empresa e faz a única coisa concreta que consegue derivar da frase: compra mais licenças, contrata mais uma ferramenta, manda o time usar mais. Ou seja, faz mais do degrau em que já está.

Frase vaga produz ação repetida.

O mesmo vale para "transformação digital com IA", "cultura de inovação" e "mindset de futuro". Nada disso é falso. Tudo isso é intraduzível. E o que não se traduz em uma ação verificável não muda operação nenhuma.

Eu prefiro trabalhar com perguntas que têm resposta binária:

• Existe uma decisão que hoje é tomada, do começo ao fim, sem passar por um humano?
• Onde está escrito o critério dessa decisão?
• Quantas vezes por semana ela acontece?
• Quantas viram exceção?

Se as quatro perguntas têm resposta, a empresa mudou de patamar. Se nenhuma tem, o que mudou foi a assinatura do software.

Curiosamente, quando alguém tenta medir o que de fato separa quem tira resultado de quem não tira, a resposta aponta para o mesmo lugar. Num levantamento da McKinsey com organizações que já usam IA generativa, o redesenho dos fluxos de trabalho aparece como o atributo com maior efeito sobre o impacto no resultado operacional atribuível à tecnologia, acima de qualquer item ligado a escolha de ferramenta.

---

O degrau sem nome: o estado AI-assisted (e por que ele parece progresso)

Existe um estado intermediário entre "não usa IA" e "empresa AI-First". Esse estado é onde quase toda empresa que eu conheço está parada hoje. E ele não tem nome em português.

Em inglês, circula a expressão AI-assisted, usada para descrever o trabalho humano assistido por inteligência artificial. Ela não é invenção minha e não se consolidou em português: você não vai ouvir ninguém dizer "minha empresa é assistida por IA" numa conversa de corredor. A oportunidade aqui é de linguagem, não de conceito. O conceito já existe. O que falta é a palavra circulando em português para que o dono consiga se localizar.

O próprio termo AI-First também já circula em inglês, e circula com sentidos concorrentes. Em boa parte do material institucional disponível, como neste texto da Harvard Business School Online sobre criar uma empresa AI-first, ele descreve principalmente uma escolha de prioridade e de alocação de recursos: colocar IA no topo da lista de investimento e espalhar o uso pela organização. Eu cito isso como paisagem, para você saber o que vai encontrar quando pesquisar, e não como referência do que eu defendo. A definição que interessa para quem opera uma empresa não é sobre orçamento. É sobre quem conclui.

E a falta da palavra tem consequência prática, não estética.

Quando existem só duas categorias na cabeça de alguém ("usa" e "não usa"), quem usa se classifica automaticamente no topo. Não há para onde olhar acima. A frustração aparece porque a realidade não bate com o topo, mas a frustração não vira diagnóstico: vira uma sensação difusa de que "a IA é mais hype do que resultado", ou de que "o meu time não sabe usar direito".

Quando existem três categorias, o dono se olha e diz: "estou no dois". E aí a conversa muda de natureza. Sai do julgamento moral ("estou atrasado", "sou resistente") e vai para a engenharia ("o que falta entre o dois e o três?").

Dar nome ao degrau é o primeiro ganho. É de graça e é imediato.

O paradoxo do uso diário: mais IA, mais decisões chegando na sua mesa

Aqui está a parte contraintuitiva, e é a que mais deixa gente desconfortável quando eu apresento.

No estado AI-assisted, quanto mais o time usa inteligência artificial, mais decisões chegam ao dono.

Parece errado. Não é. A explicação é mecânica.

A IA reduz o custo de produzir. Um vendedor que levava quarenta minutos para montar uma proposta agora leva seis. Um analista que levava um dia para montar três cenários agora entrega nove antes do almoço. O marketing que fazia duas campanhas por mês agora consegue fazer oito.

Só que o custo de aprovar não caiu um minuto. Aprovar continua sendo você lendo, entendendo, comparando com o que está na sua cabeça e batendo o martelo. A capacidade de julgamento do dono é a mesma de 2019.

Então o gargalo se desloca. Antes, a fila estava na produção. Agora, a fila está na sua caixa de entrada. O time fica mais rápido e mais frustrado ao mesmo tempo, porque tudo o que ele produz rápido fica parado esperando você.

Eu vi isso acontecer com clareza numa empresa de serviços com dezoito pessoas. O time adotou IA de verdade, com entusiasmo. Em dois meses, o volume de propostas quase dobrou. E o sócio, que antes lia oito propostas por semana, passou a ler quinze. Ele estava exausto e não sabia dizer por quê, porque, no papel, tudo tinha melhorado. Tinha mesmo. Menos o lugar dele.

O que mais me marcou nessa conversa foi a frase dele quando entendeu: "então eu comprei uma máquina de fazer fila para mim". É uma boa descrição. Enquanto o critério ficar na cabeça de uma pessoa só, qualquer aumento de produtividade a montante vira acúmulo na mesa dessa pessoa.

---

AI-assisted vs AI-First: a escada de três degraus (modelo descritivo, não lei)

Vou apresentar a escada que eu uso nos diagnósticos. Antes, uma ressalva que eu faço questão de deixar por escrito.

Dito isso, a escada.

Degrau 1: IA como ferramenta, acelera a tarefa, você decide

Neste degrau, a inteligência artificial é usada de forma pontual e isolada, por iniciativa individual, para tarefas fechadas.

Como isso parece por dentro: alguém do time descobriu que a ferramenta escreve bem e passou a usar para e-mails. Outra pessoa usa para resumir PDF. O financeiro usa para explicar uma fórmula de planilha. Não há padrão, não há registro, não há combinação. Se a pessoa sai da empresa, o uso sai junto.

O que se ganha aqui: minutos. É real e não é desprezível.

O que não muda: absolutamente nada na estrutura. A operação continuaria igual se a ferramenta fosse desligada amanhã, apenas mais lenta.

Sinal de que você está aqui: ninguém na empresa sabe dizer quantas pessoas usam IA nem para quê.

Um aviso para quem se reconheceu neste degrau e ficou constrangido: não fique. O degrau 1 é onde todo mundo começa, e ele tem uma vantagem que o degrau 2 não tem, que é a ausência de ilusão. Quem está aqui sabe que ainda não mudou nada. Quem está no degrau 2 muitas vezes acha que já chegou.

Degrau 2: IA como assistente, acelera o rascunho, você ainda decide (aqui mora quase todo mundo)

Este é o degrau sem nome. É onde vive a esmagadora maioria das empresas que se declaram modernizadas.

Como isso parece por dentro: o uso deixou de ser individual e virou hábito coletivo. Existem prompts salvos, talvez um documento com "os melhores comandos". A empresa pagou licenças. Alguém já fez um treinamento interno. Os primeiros rascunhos de quase tudo passaram a nascer na IA: propostas, e-mails, posts, roteiros, relatórios, atas.

E, mesmo assim, cada entrega passa por um humano antes de sair. E as decisões relevantes passam pelo dono.

O que se ganha aqui: velocidade de produção, padronização de forma, redução do custo de começar. É um ganho grande e por isso é sedutor.

O que não muda: quem conclui. O critério continua morando na cabeça das pessoas, não no processo. Ninguém consegue responder "onde está escrito como decidimos isso?", porque não está escrito em lugar nenhum.

Sinal claríssimo de que você está aqui: você continua sendo consultado nas mesmas decisões de sempre, só que mais rápido e mais vezes.

Existe um segundo sinal, mais discreto e igualmente confiável: a empresa mede uso. Quando o indicador que circula nas reuniões é "quantas pessoas estão usando" ou "quantos créditos consumimos no mês", é porque ninguém conseguiu ainda medir decisão concluída. Uso é o que sobra para medir quando não há resultado atribuível.

Eu quero ser explícito para não haver leitura errada: o degrau 2 não é fracasso. É o estado natural de quem adotou IA por conta própria, sem redesenhar nada. Ninguém pulou etapa nem fez besteira. Você fez o que era possível fazer com o vocabulário disponível. O problema é achar que o degrau 2 é o fim da escada.

Degrau 3: AI-First, o critério está escrito, o sistema decide, você revisa exceção

Aqui a operação foi redesenhada em torno da inteligência artificial, e não ao lado dela.

Três coisas mudam ao mesmo tempo, e as três precisam mudar juntas:

Primeiro, o critério sai da cabeça e vira texto. A regra de aprovar, precificar, priorizar e recusar está escrita, com faixas, exceções e o que fazer quando falta informação. Está escrita em português claro, não em código.

Segundo, o processo começa sozinho. O gatilho é o evento do negócio, não a pergunta de um humano. Chegou o pedido, o sistema roda. Passou do prazo, o sistema cobra. Caiu o indicador, o sistema investiga e reporta.

Terceiro, o humano é chamado por exceção. Não porque tudo precisa da sua bênção, mas porque aquele caso específico saiu da faixa que você autorizou, ou porque a confiança do sistema ficou abaixo do limite que você definiu.

É neste degrau que a palavra "agente" começa a fazer sentido de verdade, e não como enfeite de marketing. Um agente é justamente um sistema que recebe um objetivo e um critério, executa passos por conta própria e sabe quando parar e chamar você. Quem constrói esses sistemas costuma separar agente de fluxo automatizado exatamente por aí: no fluxo, o caminho já está desenhado de antemão; no agente, o próprio sistema decide os passos dentro do objetivo que recebeu. Se você quiser entender essa peça com calma antes de seguir, tem um guia sobre o que é, de fato, um agente de IA aqui no blog.

Sinal de que você está aqui: existe pelo menos uma decisão recorrente da sua empresa que acontece do começo ao fim sem você, todos os dias, e você consegue apontar o documento onde o critério dela está escrito.

Repare no "pelo menos uma". Não é preciso virar a empresa inteira. AI-First começa em um processo só.

E é bom que comece pequeno. Empresa que tenta subir os três degraus em todos os processos ao mesmo tempo não sobe nenhum, porque cada processo exige uma discussão de critério que ninguém tinha feito antes. Uma decisão automatizada de ponta a ponta vale mais, como aprendizado e como resultado, do que dez processos parcialmente redesenhados.

---

Sua empresa é AI-First? O teste de 30 segundos

Nenhum modelo vale nada se você não conseguir se localizar nele. Então vamos ao teste.

Escolha uma decisão recorrente da sua empresa. Não escolha a mais importante nem a mais difícil. Escolha uma que aconteça pelo menos três vezes por semana. Exemplos: aprovar um desconto, aceitar um pedido fora do padrão, priorizar um chamado, liberar uma compra pequena, responder a um pedido de prazo, escolher qual lead recebe atenção primeiro.

Agora responda as cinco perguntas abaixo pensando só nessa decisão.

Cinco perguntas que revelam seu degrau real

• 1. O critério dessa decisão está escrito em algum lugar que outra pessoa consegue abrir e ler? Não vale "todo mundo sabe". Não vale um treinamento que você deu ano passado. Vale documento.
• 2. Nos últimos sete dias, essa decisão aconteceu pelo menos uma vez do começo ao fim sem passar por um humano? Sem revisão, sem "só dar uma olhada", sem aprovação silenciosa.
• 3. Existe uma faixa definida em que o sistema está autorizado a agir sozinho e um ponto claro em que ele deve parar e chamar alguém? Um número, um limite, uma condição objetiva.
• 4. Quando o resultado sai errado, você consegue apontar qual linha do critério falhou e corrigir aquela linha? Ou o ajuste é sempre "avisei a pessoa que ela errou"?
• 5. Se você ficasse cinco dias úteis fora, sem responder mensagem, essa decisão continuaria acontecendo com qualidade aceitável?

Como ler o resultado, sem generosidade:

Nenhum ou um item marcado: você está no degrau 1 ou no começo do 2. A IA está encostada na operação, não dentro dela.

Dois ou três itens: você está firme no degrau 2, o degrau sem nome. É onde mora quase todo mundo. Provavelmente você já escreveu alguma coisa de critério, mas o sistema ainda não age sozinho, ou age e sempre passa por um humano no final.

Quatro ou cinco itens: essa decisão específica é AI-First. Não a empresa inteira: essa decisão. E isso é mais do que a maioria consegue.

Uma recomendação sobre como responder: responda olhando para os últimos sete dias reais, e não para como as coisas deveriam funcionar. A diferença entre o processo desenhado e o processo praticado é onde mora quase todo o diagnóstico. Se você precisar dizer "normalmente é assim, mas essa semana foi atípica", considere que a semana atípica é a semana típica.

A quinta pergunta é a mais cruel e a mais informativa. Eu escrevi sobre ela em detalhe em um artigo dedicado ao teste da semana fora, aqui no blog, porque a semana de ausência é o único teste que não aceita autoengano. Todo o resto a gente consegue justificar.

---

Por que 95% dos projetos de IA não devolvem retorno, e o que isso tem a ver com você

Em 2025, um relatório do MIT ligado à iniciativa NANDA, chamado "The GenAI Divide: State of AI in Business", chamou atenção com um recorte específico: a enorme maioria dos pilotos corporativos de IA generativa que eles observaram não apresentava retorno financeiro mensurável. O número que circulou foi 95%.

O que me interessa nesse dado não é o tamanho do fracasso. É o formato dele.

Um piloto que não devolve retorno mensurável costuma ter uma característica em comum: ele acelerou uma etapa sem mudar o percurso da decisão. O time escreve mais rápido, resume mais rápido, produz mais rápido. E, no fim do mês, o resultado da empresa é o mesmo, porque a quantidade de coisas que efetivamente saem pela porta continua limitada pelo mesmo funil humano de sempre.

Vale reparar no que os próprios autores apontam como causa: o problema não estaria na qualidade dos modelos, e sim na dificuldade de integrar a ferramenta ao fluxo de trabalho e de fazer a organização aprender com o uso. Traduzindo para a linguagem deste artigo: os pilotos ficaram no degrau 2.

Velocidade em uma etapa não vira resultado quando a etapa acelerada não era o gargalo.

É a lógica mais antiga de operação que existe, e a IA não a revogou: otimizar o que não é o gargalo produz estoque, não produz saída. Essa ideia tem nome e tem dono. Ela vem da teoria das restrições, formulada por Eliyahu Goldratt no livro "A Meta", de 1984, muito antes de existir qualquer chat. A tese central é simples e incômoda: um sistema produz no ritmo da sua restrição, e melhorar qualquer coisa que não seja a restrição não aumenta a saída. No seu caso, o estoque é a fila de aprovação na mesa do dono.

Por isso eu insisto que uso não é retorno. Escrevi sobre essa distinção com números e exemplos em outro artigo aqui do blog, sobre ROI de inteligência artificial, mas o resumo cabe em duas linhas: uso se mede em quantidade de interações, retorno se mede em decisões concluídas, ciclo reduzido e capacidade instalada. São grandezas diferentes e você pode ter muito da primeira com zero da segunda.

E é exatamente isso que tem a ver com você. Se a sua empresa está no degrau 2, você tem uso alto e retorno baixo. Não porque escolheu mal a ferramenta, mas porque a ferramenta certa aplicada fora do gargalo não muda o resultado.

---

O dono virou o gargalo, agora com IA mais rápida

Quero nomear com precisão o que está acontecendo, sem culpa e sem eufemismo.

Você é o gargalo. Não por incompetência, e sim por acúmulo de história. Você construiu a empresa decidindo. Deu certo porque você decidia bem e rápido. Cada bom resultado reforçou o hábito. Em algum momento, decidir deixou de ser uma tarefa sua e virou a definição do seu cargo.

Aí veio a IA e fez o que ela faz melhor: aumentou a velocidade das etapas ao seu redor. O time responde mais rápido, produz mais rápido, propõe mais. Você recebe tudo isso mais cedo, em maior quantidade, com melhor apresentação. E continua sendo um cérebro humano com vinte e quatro horas por dia.

O resultado é o pior dos dois mundos: a empresa parece mais moderna e o dono se sente mais preso.

Existem três sintomas que eu procuro em toda conversa, e eles quase nunca falham:

O sintoma do celular. Você não consegue almoçar sem olhar mensagem, porque alguém sempre está esperando você desbloquear alguma coisa.

O sintoma da resposta curta. Suas respostas viraram "ok", "pode", "não", "vê comigo depois". Você não está decidindo com contexto: está despachando fila. Quando o dono vira despachante, a qualidade da decisão cai, mesmo que a velocidade suba.

O sintoma da pergunta repetida. A mesma dúvida chega até você várias vezes por mês, vinda de pessoas diferentes. Toda pergunta repetida é um critério não escrito. Ela é, literalmente, a lista de tarefas do seu trabalho de subir de degrau.

Essa terceira é a mais útil, e eu vou usá-la daqui a pouco como matéria-prima do primeiro movimento prático.

Tem um efeito adicional do despacho de fila que costuma passar despercebido: a inconsistência. O mesmo pedido, chegando na terça de manhã e na quinta às 18h, recebe respostas diferentes da mesma pessoa. Não por má-fé, e sim porque decisão informal repetida varia. Kahneman e coautores chamaram isso de ruído em um artigo clássico da Harvard Business Review sobre o custo escondido da decisão inconsistente, mostrando cotações muito diferentes para o mesmo caso dentro de uma mesma organização. Critério escrito não é burocracia: é o antídoto contra essa variação.

Enquanto o critério estiver só na sua cabeça, a empresa não tem processo. Ela tem você.

---

Delegar execução é fácil. O salto é delegar critério.

Você já delegou execução muitas vezes. Contratou gente para fazer, comprou software para automatizar, terceirizou o que não era essencial. Isso você sabe fazer.

Delegar critério é outro jogo, e é aqui que quase todo mundo trava.

Delegar execução é dizer "faça isso assim". Delegar critério é dizer "quando acontecer isso, decida assim, dentro desses limites, e me chame só nestes casos". O primeiro transfere trabalho. O segundo transfere autoridade dentro de uma faixa.

O que torna isso difícil não é técnico. É que escrever o critério obriga você a descobrir que ele não existe pronto. Você acha que sabe como decide, e sabe mesmo, na hora. Mas quando senta para escrever, aparecem as perguntas que nunca foram respondidas: qual é o limite exato de desconto? depende do quê? e se o cliente for antigo? antigo é quantos meses? e se ele já pediu desconto no pedido anterior?

Esse desconforto não é sinal de que você está fazendo errado. É o trabalho em si. A empresa está descobrindo, pela primeira vez, o que ela realmente pensa.

Foi essa constatação que me levou a montar um caminho estruturado para redesenhar a operação por inteiro, e não por ferramenta. O desenho completo desse caminho está em outro artigo aqui do blog, sobre como redesenhar a operação inteira de uma empresa AI-First.

Como se escreve um critério de decisão (exemplo real de uma decisão recorrente)

Vou fazer o exercício até o fim, com uma decisão comum: aprovação de desconto comercial. Adapte o conteúdo, mas mantenha a estrutura.

Passo 1. Nomeie a decisão em uma frase. "Decidir se um pedido de desconto do cliente é aprovado, negociado ou recusado."

Se a frase precisar de um "e também", você juntou duas decisões numa só. Separe. Critério de duas cabeças não funciona.

Passo 2. Liste o que precisa estar na mesa para decidir. Valor do pedido. Margem do produto. Tempo de casa do cliente. Histórico de pagamento. Se já houve desconto nos últimos 90 dias. Se o pedido tem urgência declarada.

Se algum desses dados não existe no seu sistema hoje, você acabou de encontrar um pré-requisito. É melhor descobrir isso agora do que depois.

Passo 3. Escreva a faixa de decisão automática. Em português, com números:

• Até 8% de desconto, cliente com mais de 6 meses de casa e sem atraso de pagamento nos últimos 12 meses: aprovar automaticamente.
• Entre 8% e 15%: aprovar automaticamente somente se a margem do produto for superior a 40% e não houver desconto concedido nos últimos 90 dias. Caso contrário, propor 8% e registrar como contraproposta.
• Acima de 15%: nunca automático. Vai para exceção.

Os números acima são exemplo, não recomendação. Os seus saem da sua margem e do seu apetite a risco. O que não é exemplo é o formato: faixa, condição e destino, sem adjetivo no meio. "Cliente bom" não é critério. "Sem atraso nos últimos 12 meses" é.

Passo 4. Escreva as condições de parada. O sistema para e chama um humano quando: falta qualquer dado da lista do passo 2; o cliente tem pendência financeira aberta; o pedido é do tipo que nunca aconteceu antes; a solicitação vem acompanhada de mudança de escopo.

Passo 5. Defina quem julga a exceção e em quanto tempo. "Exceções vão para o responsável comercial, com resposta em até 4 horas úteis. Acima de 25%, vão para mim."

Repare que você acabou de sair do meio da maioria dos casos sem perder o controle de nenhum.

Passo 6. Defina como o critério muda. "Toda sexta, revisamos as exceções da semana. Exceção que se repetiu três vezes vira regra nova, ou vira faixa ampliada."

Este passo é o que separa um documento morto de um sistema vivo. O critério não nasce certo. Ele nasce razoável e melhora por contato com a realidade.

Passo 7. Só agora, conecte. Com os passos 1 a 6 escritos, conectar isso a sistemas que operam sozinhos é a parte mais simples e mais rápida do processo. Tenho repetido isso à exaustão porque é o inverso do que o mercado sugere: a tecnologia não é o gargalo do AI-First. O critério é.

Onde o humano continua indispensável: definir critério, julgar exceção, mudar a regra

Preciso ser direto sobre isso, porque a leitura apressada deste artigo é "então a IA decide tudo e eu sumo". Não é isso, e nunca foi.

Numa empresa AI-First, o humano ocupa três posições, e nenhuma delas é dispensável:

Autor do critério. Alguém precisa decidir o que a empresa valoriza, o que ela recusa, onde ela arrisca e onde ela não abre mão. Isso é julgamento de negócio, e nasce de contexto, história e apetite a risco. Nenhum sistema vai inventar isso por você, e você não deveria querer que inventasse.

Juiz da exceção. Os casos difíceis continuam chegando, e eles ficam proporcionalmente mais difíceis, porque os fáceis pararam de chegar. Seu dia fica menor em volume e mais denso em complexidade. Isso é promoção, não é folga.

Responsável pela mudança da regra. Quando o mercado muda, quando o concorrente muda de preço, quando o custo sobe, alguém precisa dizer "a regra antiga não vale mais". Sistemas são excelentes em aplicar critério com consistência e não têm nenhuma noção de quando o critério deixou de fazer sentido.

Isso não é só boa prática de gestão. Em contextos considerados de alto risco, supervisão humana efetiva com pontos claros de intervenção e de parada virou exigência formal, como no artigo 14 do regulamento europeu de inteligência artificial. E, para quem quer uma referência de prática sobre governar, mapear, medir e gerenciar risco, existe o referencial de gestão de risco em IA do NIST, público e voluntário.

Sobre a pergunta de fundo, que ninguém faz em voz alta: não, isso não é sobre demitir gente. Na maior parte dos casos que acompanhei, o time não diminuiu. Ele parou de gastar o dia em fila de aprovação e passou a fazer o trabalho que exigia gente desde o começo: relacionamento, casos difíceis, produto, cliente. Quem some do processo não é a pessoa. É a espera.

---

Os quatro erros de quem tenta subir o degrau

Eu vejo os mesmos quatro erros se repetirem, e eles custam meses.

Erro 1: começar pela ferramenta. A pergunta errada é "qual IA eu contrato?". A pergunta certa é "qual decisão eu quero que aconteça sem mim?". Quem começa pela ferramenta acaba com três assinaturas novas e a mesma fila de aprovação. A ferramenta é a última escolha do processo, não a primeira.

Erro 2: tentar automatizar a decisão mais importante primeiro. O instinto manda escolher o que dói mais: a decisão de maior valor, mais estratégica, mais arriscada. É o pior começo possível. Ela é rara demais para gerar aprendizado, complexa demais para caber em um critério simples e cara demais para tolerar erro. Comece pela decisão chata, frequente e de baixo impacto individual. É nela que você aprende a escrever critério e é nela que a economia de tempo aparece rápido, porque acontece toda hora.

Quem constrói esses sistemas profissionalmente chega à mesma conclusão por outro caminho: a recomendação padrão é começar pela solução mais simples que resolve o caso e só aumentar a complexidade quando ela provar que é necessária. Começar pelo caso mais difícil é fazer o inverso disso, com dinheiro e prazo em jogo.

Erro 3: manter o humano no meio "só para conferir". Essa é a mais sutil e a mais fatal. A empresa escreve o critério, conecta o sistema, e mantém uma revisão humana obrigatória em 100% dos casos, "só no começo, por segurança". Seis meses depois, a revisão continua lá. O que você construiu foi um degrau 2 mais caro: agora tem sistema, tem critério escrito e ainda tem uma pessoa parada no meio do caminho.

A revisão total só faz sentido como período de calibração com data de fim marcada no calendário. Escreva a data. Sem data, ela vira permanente.

Erro 4: não medir exceção. Se você não conta quantos casos viram exceção, você não tem como saber se está melhorando. A taxa de exceção é o termômetro do AI-First. Ela começa alta, cai conforme o critério amadurece e sobe de novo quando a realidade muda (o que é uma informação valiosíssima, não um problema). Empresa que não mede exceção não consegue saber se o critério está bom, e acaba julgando o sistema pelo último caso ruim que viu.

Medir exceção é barato: uma planilha com data, caso, motivo da parada e desfecho já resolve o primeiro trimestre. O valor não está na ferramenta de medição, e sim em ter, toda sexta, uma lista concreta do que o critério ainda não cobre.

---

O primeiro movimento desta semana

Não vou pedir que você redesenhe a empresa. Vou pedir uma coisa pequena, que dá para fazer em uma semana comum, sem contratar nada.

Segunda a quinta: colete as perguntas. Abra uma nota no celular. Toda vez que alguém do time trouxer uma decisão para você, anote em uma linha. Só a pergunta, sem a resposta. Não mude seu comportamento, não tente decidir menos, não avise ninguém. Só registre.

Quinta à noite: agrupe. Olhe a lista e junte o que é a mesma pergunta com roupa diferente. Você vai encontrar entre três e seis grupos. Sempre encontra. Ordene por frequência.

Sexta, uma hora bloqueada na agenda: escreva um critério. Pegue o grupo mais frequente e escreva o critério dele seguindo os sete passos que eu detalhei acima. Uma página. Com números. Com faixa automática e com condição de parada.

Segunda seguinte: teste na mão. Ainda sem tecnologia nenhuma. Entregue o critério escrito para a pessoa que hoje traz a pergunta e diga: "dentro dessa faixa, decida e me informe depois. Fora dela, me chame." Rode uma semana.

Durante essa semana, resista a uma tentação específica: a de responder quando perguntarem. Se a pergunta estava dentro da faixa, devolva o critério em vez da resposta. Parece rígido, mas é o único jeito de descobrir se o texto que você escreveu se sustenta sozinho. Toda vez que você responde, o teste reinicia.

Ao fim dessas duas semanas você vai saber, com dados seus e não com teoria minha, duas coisas: se o critério funciona e quantos casos viram exceção. Só depois disso a conversa sobre automatizar faz sentido, e ela fica dez vezes mais fácil, porque a parte difícil já está pronta.

Esse é o movimento mínimo. Ele não depende de orçamento, de fornecedor nem de time técnico. Depende de uma hora na sexta-feira.

Quando esse ciclo estiver rodando e você quiser levar a empresa inteira por esse caminho de forma estruturada, com sequência definida e critério de saída em cada etapa, é exatamente isso que o Protocolo AI-First faz. O ponto de partida é sempre o mesmo: um diagnóstico do seu degrau atual, porque não dá para desenhar rota sem saber o ponto de origem.

---

Perguntas frequentes

Usar ChatGPT todos os dias já é ser AI-First?

Não. Usar todos os dias significa que você é um usuário frequente, e isso está no degrau 2 da escada. Ser AI-First exige que exista pelo menos uma decisão recorrente da empresa que acontece do começo ao fim sem passar por um humano, com o critério escrito e com uma condição clara de exceção. O teste é simples: se você parar de perguntar, o que continua acontecendo sozinho? Se a resposta for "nada", o uso é diário e o degrau é o 2.

AI-First significa demitir gente?

Não é isso que eu vejo na prática, e não é o que eu recomendo. O que sai do processo não é a pessoa: é a espera. A maior parte do tempo do time em uma empresa de degrau 2 vai para produzir e depois esperar aprovação. Quando o critério é escrito e as decisões da faixa comum passam a se resolver sozinhas, esse tempo volta para o trabalho que sempre exigiu gente: cliente difícil, caso fora do padrão, produto, relacionamento, julgamento. Empresas que usam AI-First como sinônimo de corte costumam ficar com a mesma operação de antes, só que sem quem entendia dela.

Empresa pequena consegue ser AI-First?

Consegue, e normalmente com mais facilidade do que uma grande. AI-First não é escala, é desenho. O que uma empresa pequena precisa é de uma decisão recorrente, um critério escrito e uma condição de parada. Uma empresa de seis pessoas com uma decisão automatizada de ponta a ponta é mais AI-First do que uma de seiscentas com licenças para todo mundo e nenhuma decisão fora da fila humana. A vantagem da pequena é que o critério mora na cabeça de uma ou duas pessoas, então escrever é rápido. Na grande, o critério está espalhado por comitês.

Qual a diferença entre AI-First e AI-native?

São descrições de coisas diferentes, e a confusão é comum. AI-native costuma descrever a empresa que nasceu com inteligência artificial no núcleo do produto e da operação: ela nunca teve outro jeito de funcionar. AI-First descreve uma escolha de desenho que pode ser feita por uma empresa que já existe há vinte anos: redesenhar a operação para que a IA execute e decida dentro de critério, com o humano na exceção. Nenhuma empresa vira AI-native, porque isso depende da origem. Qualquer empresa pode virar AI-First, porque isso depende de decisão.

Quando é seguro tirar o humano do loop?

Quando quatro condições estiverem satisfeitas ao mesmo tempo, e não antes. Primeira: o critério está escrito com faixas numéricas e condições de parada. Segunda: você rodou um período de calibração com revisão humana e mediu a taxa de erro real, não a sua impressão sobre ela. Terceira: existe um limite de impacto acima do qual o caso nunca é automático, por definição. Quarta: existe um registro do que foi decidido e um jeito de reverter. Com essas quatro, sair do loop é responsabilidade. Sem elas, é aposta. E eu não recomendo apostar com a operação que paga a folha.

Acrescento uma quinta condição que não é obrigatória, mas que eu recomendo sempre: comece tirando o humano do loop em uma faixa estreita, não na decisão inteira. Automatize primeiro os casos até 8%, mantenha revisão acima disso, e amplie a faixa conforme a taxa de exceção cair. Sair do loop não precisa ser um evento. É melhor que seja um movimento gradual, com o número da faixa subindo de mês em mês.

---

O que eu queria que ficasse

Se você lembrar de uma única coisa deste artigo, que seja a pergunta, não a escada.

Quem foi o autor da decisão?

Se a resposta for "eu, caso a caso", você está no degrau 2, junto com quase todo mundo, e não há vergonha nenhuma nisso. Se a resposta for "o critério que eu escrevi, aplicado pelo sistema, com as exceções vindo para mim", você já está no degrau 3, nem que seja em um processo só.

Eu vim da matemática antes de vir para cá, e trouxe de lá uma mania que não me larga: desconfiar de palavra que não define nada e insistir até a ideia ficar operacional. Foi assim que eu passei a construir sistemas que operam sozinhos, e é assim que eu conduzo cada diagnóstico. A vantagem competitiva nunca foi ter acesso à inteligência artificial, porque isso todo mundo tem desde o primeiro dia. A vantagem é saber dirigi-la: escrever o critério, delimitar a faixa, definir a exceção e mudar a regra quando a realidade muda.

O degrau existe. Agora ele tem nome. E você já sabe em qual está.

Breno Andrade · AI-First