Um sistema de AI pode acertar em quase todos os casos e, mesmo assim, ninguém o usar. A maior parte do valor de um projeto perde-se depois da entrega, quando a equipa desconfia do resultado e volta à folha de cálculo. A adoção de AI nas empresas prepara-se antes do arranque, com quatro peças: uma linha de base medida, um período em que o sistema corre ao lado das pessoas sem decidir nada, um mapa claro do que se revê e do que não se revê, e pessoas com nome do lado do cliente.
Usar AI é diferente de tirar valor dela
O AI Index 2026, da Universidade de Stanford, junta os números do inquérito anual da McKinsey: 88% das empresas dizem usar AI em pelo menos uma função. Na maior parte das funções, menos de 10% usam agentes em escala. A distância entre as duas percentagens é onde está o problema. Muitas empresas experimentaram, poucas mudaram a forma de trabalhar.
Em Portugal a distância é maior. O mesmo relatório põe a adoção da AI generativa na população portuguesa à volta de 20%, quando Espanha passa dos 40%. Num inquérito da Universidade de Melbourne e da KPMG a 48 mil pessoas, Portugal aparece entre os três países onde os trabalhadores dizem ter menos apoio da empresa para aprender AI.
Porque é que a equipa não usa o sistema
As razões costumam ser estas, e quase nenhuma é técnica.
- Ninguém sabe se o sistema está a ajudar. Sem a medida de como o processo funcionava antes, não há forma de mostrar que as 30 horas por mês passaram a 2. A equipa sente o esforço da mudança e não vê o ganho.
- A equipa não confia no resultado. Se o sistema errou duas vezes na primeira semana, as pessoas passam a rever tudo à mão, e o sistema passa a ser trabalho a mais.
- Ninguém sabe o que deve rever. Se todos os resultados parecem iguais, ou se revê tudo, ou não se revê nada. As duas coisas correm mal.
- A primeira reação é recusar. Uma ferramenta nova costuma ser recebida com “isto não é para nós”. Essa recusa é previsível e diz pouco sobre o valor do sistema, mas, se ninguém contar com ela, acaba por decidir o projeto.
- Ninguém do lado do cliente ficou dono do sistema. Quando a pessoa que acompanhou a construção muda de funções, o sistema fica sem quem o explique à equipa.
As quatro peças que se preparam antes do arranque
1. A linha de base
Antes de construir, mede-se o processo como funciona hoje: quanto tempo leva cada tarefa, que percentagem de casos tem erros, quanto tempo passa até haver uma resposta. Com ela prova-se o ganho e decide-se se vale a pena automatizar. Também dá à equipa um número que ela reconhece. O método está em como medir um processo antes de o automatizar.
2. O modo sombra
Durante algumas semanas, o sistema corre em paralelo com as pessoas, com os mesmos casos, e não decide nada. No fim compara-se o que o sistema faria com o que as pessoas fizeram. A equipa vê o sistema acertar nos seus próprios casos antes de depender dele, e os erros aparecem quando ainda não custam nada. Explicamos como montar este período em modo sombra: como testar um sistema de AI sem mexer no processo.
3. O mapa do que se revê
Cada resultado do sistema sai com um nível de confiança. O que passa as regras com confiança alta segue sem intervenção, e o que fica abaixo sobe para uma pessoa com a razão explicada. A equipa sabe exatamente onde olhar, e o tempo de revisão vai para os casos que precisam dele. A forma de decidir onde está a linha entre uns e outros está em onde a AI falha, e como decidir o que rever.
4. As pessoas com nome
Do lado do cliente, três funções têm de ter dono. Uma pessoa corrige o sistema e ajuda a afiná-lo. Outra sabe explicar à equipa porque é que o sistema decide assim, e a terceira garante que ele continua a funcionar, um papel que nos nossos projetos fica com a manutenção. O que cada uma destas pessoas precisa de aprender está em como formar a equipa para trabalhar com AI.
Começar por um grupo pequeno
A recusa inicial passa com uso e com resultados que as pessoas veem. Por isso o arranque faz-se com um grupo pequeno que quer experimentar. Esse grupo usa o sistema durante algumas semanas, e os resultados que obtém mostram-se aos outros, com os números da linha de base ao lado.
Convém separar dois tipos de recusa. A que vem de a ferramenta ser nova passa com tempo. A que aponta um problema real no sistema (um campo que aparece no sítio errado, um caso frequente que falha sempre) tem de ser corrigida, e é das melhores informações que um projeto recebe nas primeiras semanas.
O que se verifica todos os meses
Depois da entrega, a adoção mede-se como qualquer outro resultado. Na manutenção mensal, verifica-se primeiro se as pessoas estão de facto a usar o sistema e se o ganho aparece nos indicadores da linha de base. Depois confirma-se que o sistema continua a passar no seu conjunto de testes com casos reais, e que as três funções do lado do cliente continuam a ter dono.
Quando o uso cai, a causa costuma estar numa destas quatro peças, e raramente no modelo de AI. A pergunta de fundo, quem fica dono do processo a longo prazo, está em comprar uma ferramenta de AI ou entregar o processo. As razões por que muitos projetos param antes de chegar aqui estão em porque a maioria dos projetos de AI falha.
Perguntas frequentes
Porque é que a equipa não usa o sistema de AI que foi entregue?
Quase sempre por uma de quatro razões. Ninguém mediu o processo antes e por isso o ganho não se vê, a equipa não confia no resultado, ninguém sabe o que deve rever, ou ninguém do lado do cliente ficou dono do sistema. O modelo de AI raramente é a causa.
O que é o modo sombra?
É um período de algumas semanas em que o sistema corre em paralelo com as pessoas, com os mesmos casos, sem decidir nada. No fim compara-se o que o sistema faria com o que a equipa fez, antes de mudar o processo.
Quanto tempo demora a adoção de um sistema de AI?
Não há um prazo fixo, porque depende do volume do processo e da equipa. Com a linha de base medida, o modo sombra e um grupo pequeno a começar, a adoção acompanha-se semana a semana e vê-se cedo se está a correr bem. Sem estas peças, o sistema pode nunca chegar a ser usado.
Quem deve ficar dono do sistema do lado do cliente?
Três pessoas, ou uma pessoa com três papéis. Uma corrige e afina o sistema, outra explica à equipa porque é que ele decide assim, e a terceira garante que continua a funcionar. Esta última função pode ficar com quem faz a manutenção.
Ver a funcionar: oito horas de receção de documentos por cliente passaram a uma. Ou ver como construímos sistemas de AI.
Tem um sistema que a equipa deixou de usar?
Muitas vezes recupera-se sem mudar o modelo. Marque uma conversa e vemos consigo qual das quatro peças está a falhar.