Onde a IA ainda não vale a pena na sua empresa: 6 casos em que automatizar sai mais caro que fazer na mão

Alguém da diretoria voltou de um evento, viu uma demo de agente de IA e mandou a mensagem clássica no grupo: "por que a gente ainda faz isso na mão?". Na semana seguinte o time operacional está listando processos para automatizar e o financeiro já pediu três orçamentos. Vi esse filme várias vezes nos últimos dois anos. Em boa parte dos casos a IA resolve mesmo e o retorno aparece em poucos meses. Em outra parte, que não é pequena, o projeto é aprovado, entregue, funciona tecnicamente, e mesmo assim ninguém consegue explicar o que melhorou na operação. O problema quase nunca é o modelo. É o processo que foi escolhido para automatizar.

Por que quase todo processo parece um bom candidato a IA

Demos de IA são feitas em cima do caso limpo. Um e-mail bem escrito, um documento padronizado, um cliente que pergunta a coisa certa. A sua operação vive do caso sujo: o pedido que veio por áudio no WhatsApp, a nota fiscal digitalizada torta, o cliente que pergunta três coisas ao mesmo tempo e muda de ideia no meio.

A diferença entre os dois mundos não é o modelo de linguagem, é o custo de tratar exceção. Um processo com 5% de exceção é automatizável. Um processo com 40% de exceção vira um sistema que precisa de uma pessoa revisando tudo, e aí você pagou pelo software e continuou pagando pela pessoa.

Antes de assinar qualquer contrato, pergunta isso: qual porcentagem dos casos desse processo hoje foge do padrão? Se ninguém na empresa souber responder, essa é a primeira coisa a medir, não o orçamento.

Os 6 casos em que IA ainda não paga a conta

1. Volume baixo

Automação é diluição de custo fixo. Se o processo roda 40 vezes por mês e leva 6 minutos, você está automatizando 4 horas mensais. A quatro dezenas de reais a hora, isso é menos de R$ 200 por mês de economia contra um projeto que dificilmente sai por menos de R$ 15 mil. A conta não fecha nem em cinco anos. Volume é o primeiro filtro, e é matemático.

2. Processo que muda toda semana

Se as regras de aprovação mudam a cada campanha, se o time redefine a planilha toda virada de mês, qualquer automação nasce desatualizada. Nesse caso o dinheiro certo é gastar primeiro em estabilizar e documentar o processo. Automatizar caos só produz caos mais rápido.

3. Dados espalhados sem fonte única

Muita empresa quer um agente que "responda qualquer pergunta sobre o negócio" e tem a informação dividida entre ERP, três planilhas, um Drive compartilhado e a cabeça de duas pessoas. A IA vai responder com o que encontrar, e o que ela encontra está desatualizado. O barato que sai caro aqui é o seguinte: você paga por um projeto de IA quando o que precisava era organizar e integrar as bases. Esse trabalho custa menos e resolve mais.

4. Erro caro e irreversível

Emissão de pagamento, alteração de preço no site, envio de contrato assinado, exclusão de cadastro. São processos em que um erro em cada duzentos já inviabiliza o ganho. Dá para usar IA aqui, mas sempre com aprovação humana no final, o que significa que você economiza o tempo de preparar, não o de decidir. Se o gargalo real era a decisão, o projeto não vai mover o ponteiro.

5. Regra determinística que um sistema comum resolve

Se a regra é "pedido acima de X reais vai para aprovação do gerente", isso é uma condição, não inteligência artificial. Vi orçamento de seis dígitos para o que um fluxo bem feito no sistema existente resolveria. IA custa mais por execução, é mais difícil de testar e falha de formas menos previsíveis que um código determinístico. Quando a regra é clara e fechada, código simples é melhor tecnologia.

6. A conversa que o seu cliente compra justamente por ser humana

Venda consultiva de ticket alto, negociação de dívida, situação delicada de saúde ou luto, cliente antigo que reclama pela primeira vez em cinco anos. Nesses contatos a presença humana é parte do produto. IA entra atrás da cortina, preparando contexto e histórico para quem vai atender, não na frente.

A conta certa do payback, sem otimismo

Não existe resposta única, mas existe conta certa. A fórmula que uso em reunião de escopo é simples:

Economia mensal real = (horas economizadas por mês x custo da hora) menos (custo mensal de API + infraestrutura + manutenção). Payback = investimento inicial dividido por essa economia.

Um exemplo concreto, com números de mercado em 2026:

Item	Cenário fraco	Cenário bom
Horas economizadas por mês	44 h	180 h
Custo da hora da equipe	R$ 40	R$ 40
Economia bruta	R$ 1.760	R$ 7.200
Custo mensal (API, infra, manutenção)	R$ 800	R$ 1.500
Investimento no projeto	R$ 25.000	R$ 45.000
Payback	26 meses	8 meses

Os dois projetos funcionam tecnicamente. Só o segundo se paga dentro do horizonte em que a operação ainda vai ser a mesma. Faixas de referência para calibrar: um projeto de IA pequeno e bem escopado fica entre R$ 15 mil e R$ 40 mil, um projeto médio com integrações vai de R$ 40 mil a R$ 120 mil, e o custo mensal de API costuma ficar entre R$ 200 e R$ 3.000 dependendo do volume e do modelo. Some ainda de 10% a 20% ao ano de evolução e manutenção. Quem já passou por um projeto travado sabe do que estou falando: o que quebra não é a entrega, é o mês nove sem ninguém responsável.

Checklist para aplicar antes de aprovar o orçamento

1. Quantas vezes por mês esse processo roda, em número, não em impressão?
2. Quantos minutos leva hoje, cronometrados por quem faz?
3. Qual a porcentagem de casos que fogem do padrão?
4. Os dados necessários estão em um lugar só e atualizados?
5. Um erro nesse processo custa quanto e é reversível?
6. Existe uma regra fixa que um sistema comum resolveria mais barato?
7. Quem na empresa vai ser dono desse fluxo depois de entregue?
8. Qual métrica vai provar, em 90 dias, que valeu?

Se você não tem resposta para as quatro primeiras, o próximo passo não é contratar desenvolvimento. É medir o processo por duas semanas. Esse levantamento é de graça e muda completamente a qualidade do orçamento que você vai receber.

Onde a IA realmente pagou a conta

Os casos em que o retorno aparece rápido têm o perfil oposto ao das seis situações acima: volume alto, processo repetitivo e estável, dados acessíveis e erro barato de corrigir. Triagem de mensagens de atendimento, extração de dados de documentos padronizados, qualificação de leads, primeira resposta fora do horário comercial, preenchimento de cadastro a partir de texto livre.

Na OCA operamos IA em produção nos nossos próprios produtos, e é daí que vêm esses critérios. O VoxField é um agente de voz que conduz pesquisas por telefone, um caso de volume alto e roteiro estável, exatamente onde a automação se paga. O REX é um agente de vendas que faz busca de leads e primeiro contato de forma autônoma, e mesmo nele a conversa de fechamento continua com uma pessoa, porque essa parte é onde o humano ganha. Dá para ver outros projetos em produção no portfólio da OCA.

Esse é o tipo de decisão em que a gente entra antes do código: olhar a operação, medir o processo e dizer com clareza quando não vale a pena construir. Já recomendamos SaaS pronto e ajuste de fluxo interno mais vezes do que projeto de IA, e é isso que faz o restante da conversa valer.

Ação gratuita para hoje: escolha os três processos que mais consomem tempo do seu time e responda as oito perguntas do checklist para cada um. Com essas respostas na mão, qualquer orçamento que você pedir vai vir mais preciso e mais barato. Se quiser passar essa lista com alguém que opera IA em produção todo dia, converse com a OCA sobre IA no seu negócio.