Um piloto de inteligência artificial que impressiona em reunião ainda não indica se o sistema está pronto para funcionar na rotina da empresa. Para Guilherme Friol, CEO da Vircos, empresa de engenharia de inteligência artificial corporativa, essa resposta depende de quatro componentes que raramente aparecem na fase de testes e que passam a ser cobrados assim que o sistema entra em uso: tratamento de erro, escalonamento humano, monitoramento e isolamento da regra de negócio.
O critério parte de uma observação sobre o que cada etapa avalia. Na apresentação, o sistema é julgado pelos acertos. No dia a dia, é julgado pela forma como reage ao inesperado.
“A demonstração mostra o sistema acertando. A operação é definida pelo que acontece quando ele erra, e essa parte quase nunca está no projeto”, afirma Friol.
Quando a resposta é incerta
O primeiro item é o tratamento de erro. Antes de aprovar a passagem para a operação, o gestor precisa saber como o sistema se comporta quando não tem segurança sobre a resposta, quando recebe um dado de entrada incompleto ou quando a integração com outro sistema da empresa deixa de funcionar. Nos testes, esses cenários costumam ficar de fora, já que os exemplos usados são selecionados com antecedência.
Quem assume o caso
O segundo é o escalonamento humano. Em processos que envolvem decisão, o sistema precisa de um caminho definido para entregar o caso a uma pessoa, mantendo o contexto e registrando o motivo da transferência. Quando esse desenho não existe, há dois desfechos possíveis: a operação para ou o sistema decide sozinho algo que caberia a um profissional. O registro do motivo também ajuda a empresa a entender, com o tempo, quais tipos de caso o sistema ainda não resolve bem.
Qualidade e custo sob acompanhamento
O terceiro componente é o monitoramento, com medição contínua da qualidade das respostas e do custo de cada operação. Sem esse acompanhamento, a queda de desempenho costuma ser notada tarde, quando um cliente reclama ou quando a fatura chega acima do previsto.
Regra de negócio separada da tecnologia
O quarto item é o mais estrutural. Os modelos de inteligência artificial são atualizados pelos provedores, e isso pode alterar o comportamento do sistema mesmo sem nenhuma mudança feita pela empresa. Uma arquitetura preparada para operar separa a regra de negócio da tecnologia que a executa, o que permite substituir o modelo sem refazer o processo.
O peso do roteiro no mercado
A atenção a esses quatro pontos ganha relevância diante dos números do setor. O relatório State of AI in Business 2025, da iniciativa NANDA, do MIT (Instituto de Tecnologia de Massachusetts), indica que cerca de 80% das organizações analisadas experimentaram ferramentas de inteligência artificial generativa, aproximadamente 20% chegaram a pilotos estruturados e somente 5% alcançaram a produção com retorno financeiro mensurável.
A Gartner aponta na mesma direção. Em seu ciclo de expectativas de 2026, a consultoria registra que 17% das organizações implantaram agentes de inteligência artificial, enquanto mais de 60% pretendem fazê-lo em dois anos. Os dois levantamentos medem aspectos diferentes, mas descrevem a mesma etapa decisiva: a passagem do piloto que convence para o sistema que funciona na rotina, justamente o trecho em que os quatro itens entram em jogo.
Siga nosso canal no WhatsApp e receba notícias relevantes para o seu dia
Na prática, o empresário que quer avaliar o próprio projeto pode transformar os quatro itens em perguntas. O sistema sabe o que fazer quando erra? Sabe a quem passar o caso? É medido de forma contínua? Continua funcionando se o modelo for trocado? Com as quatro respostas incluídas no projeto, o piloto tem base para se tornar operação. Segundo Friol, é esse conjunto que distingue uma apresentação convincente de um sistema em uso.