Onde IA não vale a pena na sua empresa: os casos em que automatizar sai mais caro do que resolver na mão
Rafael Oliveira · · 6 min de leitura
Toda semana chega alguém com a mesma frase: "quero colocar IA na minha empresa". Quando a gente pergunta onde, a resposta costuma ser vaga. "No atendimento, nos processos, sei lá, em tudo." E aqui está o problema: IA aplicada no lugar errado não é inovação, é custo recorrente sem retorno. Você paga API todo mês, paga manutenção, paga alguém para ajustar o prompt quando o modelo muda, e no fim o processo continua dependendo de uma pessoa revisando tudo.
Quem já passou por um projeto travado sabe do que estou falando. A diferença entre um projeto de IA que se paga em três meses e um que vira despesa eterna raramente é a tecnologia. É a escolha do processo. Este artigo é sobre isso: onde IA não vale a pena, dito por quem coloca agentes de IA em produção e recusa projeto quando a conta não fecha.
Por que tanta implementação de IA fracassa
A causa estrutural é simples: IA generativa é probabilística. Ela acerta muito, mas não acerta sempre, e não avisa quando erra. Isso não é um defeito, é a natureza da ferramenta. O fracasso acontece quando alguém coloca uma ferramenta probabilística num processo que exige resposta exata toda vez.
Some a isso o custo invisível. Um chatbot ou agente de IA não é "instalou, esqueceu". Tem custo de API (que varia com o volume), custo de manutenção (modelos mudam de comportamento entre versões) e custo de supervisão nas primeiras semanas. Se o processo automatizado não economiza mais do que isso, o projeto nasce no vermelho.
Os 5 casos em que IA não compensa
1. Processos com resposta exata e regra fixa
Calcular imposto, validar CPF, aplicar tabela de frete, conferir se um boleto foi pago. Nada disso precisa de IA. Precisa de código comum, que custa menos, roda mais rápido e acerta 100% das vezes. O barato que sai caro aqui é o seguinte: usar um modelo de linguagem para uma tarefa determinística é pagar por variabilidade num lugar onde variabilidade é bug.
2. Volume baixo demais para diluir o custo
Se a sua equipe responde 15 mensagens de cliente por dia, um atendente resolve em uma hora. Um projeto de automação de atendimento decente parte de uns R$ 15 mil a R$ 40 mil de implementação, mais R$ 300 a R$ 2.000 por mês de API e manutenção dependendo do volume. Não existe resposta única, mas existe conta certa: some o custo do projeto em 12 meses e compare com as horas que ele economiza. Abaixo de algumas centenas de interações por mês, a conta quase nunca fecha.
3. Decisões com consequência jurídica ou financeira direta
Aprovar crédito, negar reembolso, demitir, precificar contrato. IA pode preparar a análise, resumir o histórico, sugerir. Mas a decisão final precisa de um humano assinando, tanto pelo risco de erro quanto pela responsabilidade legal. Projetos que prometem "decisão 100% automática" nesses contextos estão vendendo um passivo.
4. Processos que ninguém consegue explicar
Este é o mais comum. "Automatiza o pós-venda" e, quando você pergunta como funciona o pós-venda hoje, cada pessoa da equipe descreve um fluxo diferente. IA não organiza processo bagunçado, ela amplifica a bagunça em escala. Antes de automatizar, o processo precisa existir de forma consistente. Às vezes o projeto certo é mapear e padronizar primeiro, sem nenhuma IA, e isso custa uma fração.
5. Onde o cliente valoriza justamente o humano
Venda consultiva de ticket alto, retenção de cliente irritado, negociação. Nesses pontos o contato humano é o produto. Colocar um robô ali economiza salário e queima receita. O uso certo de IA aqui é nos bastidores: resumir o histórico do cliente antes da ligação, sugerir a próxima ação, preencher o CRM. O humano continua na frente.
O checklist antes de aprovar qualquer projeto de IA
Antes de assinar qualquer contrato, pergunta isso:
- Esse processo tem regra fixa? Se sim, é software comum, não IA. Custa menos.
- Qual o volume mensal real? Pegue o número de verdade, não a estimativa otimista. Multiplique pelo custo por interação humana e compare com o custo total do projeto em 12 meses.
- O que acontece quando a IA errar? Se a resposta for "perdemos um cliente" ou "tomamos processo", o desenho precisa de revisão humana no fluxo, e isso muda o custo.
- Alguém consegue descrever o processo em 10 passos? Se ninguém consegue, o projeto começa pelo mapeamento, não pela IA.
- Quem vai manter isso daqui a 6 meses? Modelo muda, API muda, o negócio muda. Sem dono e sem orçamento de manutenção, o agente degrada em silêncio.
Onde IA vale a pena de verdade
Para não parecer que o recado é "não use IA": o recado é use onde a conta fecha. Os padrões que vemos dar retorno em produção são consistentes:
- Alto volume + tolerância a erro + fallback humano. Triagem de atendimento, qualificação de lead, respostas a perguntas frequentes. A IA resolve 70% a 85% dos casos e passa o resto para uma pessoa.
- Tarefas de leitura e resumo em escala. Ler 200 e-mails, classificar, extrair dados, resumir. Humano faz mal e devagar, IA faz rápido e razoavelmente bem, e o erro é barato de corrigir.
- Trabalho repetitivo entre sistemas. Copiar dado do e-mail para o ERP, gerar relatório semanal, atualizar planilha. Agente de IA com acesso às ferramentas certas elimina horas de trabalho chato.
Na OCA a gente opera isso no próprio negócio, não só em projeto de cliente. O REX, nosso agente de vendas, vai da busca de leads até a mensagem de prospecção de forma autônoma, porque prospecção é exatamente o perfil certo: alto volume, erro barato, humano no fechamento. E o VoxField, nosso agente de voz para pesquisas por telefone, roda em piloto com cliente real porque pesquisa é tarefa repetitiva de alto volume onde consistência é vantagem. Nos dois casos a escolha do processo veio antes da tecnologia. É esse filtro que aplicamos quando uma empresa chega pedindo "IA em tudo": às vezes a resposta é um agente, às vezes é um sistema comum, e às vezes é arrumar o processo primeiro. Você pode ver outros projetos em produção no portfólio da OCA.
O próximo passo prático
Antes de falar com qualquer fornecedor, faça o dever de casa: liste os 5 processos mais repetitivos da sua operação, anote o volume mensal de cada um e quantas horas de equipe consomem. Depois passe cada um pelo checklist acima. O que sobrar na lista é candidato real a IA, e você chega na conversa sabendo o que pedir, o que recusar e qual retorno esperar.
Se quiser ajuda para fazer essa conta com números da sua operação, incluindo os casos em que a resposta honesta é "não use IA aqui", a conversa começa por aqui:
