Contratar uma ferramenta de IA virou uma das partes mais simples da história. O trabalho seguinte continua exigindo decisões: quais informações ela pode usar, onde a resposta entra no processo, quem confere e como saber se o esforço valeu a pena.

Uma pesquisa com executivos financeiros ajuda a colocar essa conta em perspectiva. Nas empresas menores, a maior parte do gasto com IA está em assinaturas, serviços e treinamento. Ainda assim, a sensação de trabalhar mais rápido pode aparecer antes de qualquer mudança em receita ou produtividade medida.

Nesta edição, vamos olhar para o que acontece depois da contratação. Há uma pequena fabricante usando IA para revisar orçamentos, um varejista brasileiro tentando comprar melhor, uma empresa reorganizando a distribuição de leads e agentes que precisaram de instruções melhores para deixar de gerar ruído.

O ponto de partida para o empresário é bem concreto: escolher uma etapa do trabalho que mereça melhorar e acompanhar o que acontece com ela.

Um estudo com 734 executivos financeiros dos Estados Unidos encontrou um padrão familiar para quem administra uma empresa menor: a entrada na IA acontece principalmente por ferramentas e serviços contratados.

Nas empresas com menos de 500 funcionários, 65% do gasto estava concentrado em assinaturas, serviços e treinamento, em vez de hardware ou desenvolvimento interno.

É um caminho acessível. A empresa pode começar com pouco e ampliar conforme encontra utilidade. Também pode acumular despesas que continuam sendo renovadas sem uma revisão clara do resultado.

O estudo sugere outro ponto interessante: os ganhos aparecem associados ao desenvolvimento de produtos e serviços e à capacidade de alcançar ou atender clientes. Há possibilidades de crescimento, além da economia de trabalho.

Os pesquisadores observaram, porém, uma distância entre a produtividade percebida pelos executivos e o ganho calculado a partir de receita e emprego. Os dados foram coletados perto do fim de 2025, e parte das respostas sobre 2026 era expectativa.

Trabalhar mais rápido é um sinal útil. Ainda falta descobrir o que a empresa faz com essa velocidade.

Nos nossos projetos, essa avaliação precisa incluir integração, testes, manutenção e revisão. Já tivemos de migrar uma operação de atendimento depois de piora de qualidade e anúncio de descontinuação do modelo usado. O preço da alternativa também pesou na decisão.

A ferramenta contratada faz parte de uma operação que precisa continuar funcionando quando o fornecedor muda.

Uma revisão simples ajuda: para cada assinatura, registre quem usa, qual trabalho atende, quanto custa mantê-la e qual resultado justificaria a renovação. A conversa fica mais produtiva do que perguntar apenas se a equipe gostou da ferramenta.

Estudo e análise dos autores · Publicação acadêmica

A Advanced Multi Sign Corp fabrica sinalização nos Estados Unidos. Antes de produzir, sua equipe precisa confrontar os orçamentos com códigos estaduais e requisitos de acessibilidade.

Segundo relato publicado pelo Goldman Sachs, a empresa passou a usar IA nessa revisão e reduziu o trabalho de dias para minutos, mantendo supervisão humana.

O resultado não veio de uma tarefa vaga como “melhorar a produtividade”. Havia documentos, referências e uma comparação recorrente.

Esse tipo de trabalho aparece em muitos negócios: conferir se uma proposta atende a um edital, verificar documentos de um cadastro, comparar pedidos com condições comerciais ou preparar uma análise para um especialista.

A etapa de consulta pode ser demorada mesmo quando o julgamento final exige poucos minutos. Organizar as informações antes da revisão muda a distribuição do trabalho.

Em uma prova de conceito fiscal que desenvolvemos, o problema também estava na experiência de conferência. A equipe precisava abrir chamados e anexos separadamente para localizar e redigitar informações.

O desenho combinou leitura assistida, campos estruturados e uma interface com documento e dados lado a lado. A IA sugere; as regras conferem o que pode ser verificado objetivamente; o profissional corrige e aprova.

Ler o documento é uma parte da solução. Facilitar a conferência é outra.

Antes de escolher uma ferramenta, vale observar uma revisão real da sua equipe. Quanto tempo vai para localizar informações? Quanto vai para comparar? E quanto exige julgamento?

Um primeiro teste com a BrosAI

Se sua equipe revisa propostas, pedidos ou documentos contra regras dispersas, podemos mapear o fluxo, organizar as referências e testar uma triagem assistida com revisão humana. Responda a este e-mail contando qual documento costuma travar a rotina.

Relatório do Goldman Sachs

No Carrefour Brasil, a IA entrou em uma decisão que se repete todos os dias: quanto comprar, quando comprar e para onde enviar.

O motor de abastecimento considera mais de 80 variáveis, incluindo vendas anteriores, sazonalidade, promoções, capacidade operacional e prazo dos fornecedores. As recomendações estão integradas aos sistemas e às áreas de negócio.

Em entrevista ao TI Inside, a companhia informou redução de 12% nas perdas de perecíveis e de 4% no estoque em circulação. Em outra frente, a precificação personalizada teria aumentado entre 3,5% e 4% as vendas dos produtos abrangidos.

São resultados declarados pelo Carrefour. Para uma empresa menor, o aprendizado está no modo de testar uma decisão com efeito observável em perda, disponibilidade e capital de giro.

Um restaurante, distribuidor ou varejista pode começar por uma categoria problemática. Talvez o item que vence com frequência. Talvez aquele que falta justamente quando a demanda aumenta.

Antes do modelo, algumas informações precisam conversar: entrada, venda, estoque, descarte, prazo e fornecedor. Se o cadastro muda entre sistemas ou o desperdício não é registrado, a previsão já começa com uma visão incompleta.

Também é preciso acompanhar os efeitos em conjunto. Comprar menos pode reduzir sobra e aumentar ruptura. Vender mais por causa de um desconto pode diminuir margem. Um indicador sozinho conta apenas parte da história.

O Carrefour descreve uma sequência de teste, medição, governança e expansão. As áreas de negócio participam das decisões; dados e tecnologia sustentam o trabalho.

Uma PME pode aproveitar essa sequência em uma escala muito menor, comparando a recomendação com o método atual antes de mudar as compras.

Qual produto da sua operação mereceria um mês de acompanhamento mais cuidadoso de venda, sobra e falta?

Reportagem do TI Inside

Imagine começar o dia com interessados esperando enquanto alguém organiza quem vai atender cada um.

Na Renuity, empresa de reformas residenciais dos Estados Unidos, a distribuição diária de leads consumia aproximadamente três horas e meia. Segundo a companhia, a automação reduziu a tarefa para cerca de vinte minutos.

O gestor passou a dedicar mais tempo a treinamento, avaliação da equipe e análise das fontes de contatos.

A empresa também construiu uma pontuação mais detalhada dos leads e relatou aumento de conversão em um teste A/B. O percentual e a amostra não foram divulgados. O ganho de tempo na distribuição e o teste comercial são resultados distintos.

Há um trabalho anterior importante: a Renuity convivia com diferentes sistemas de relacionamento e modelos de dados, resultado de aquisições. Para organizar a adoção de IA, identificou quarenta casos e os avaliou por retorno, impacto, eficiência, participação da área e prontidão dos dados.

Você não precisa copiar essa plataforma inteira. Pode observar a própria fila comercial.

O contato chega por onde? Quem recebe? Qual informação precisa estar preenchida? Como é escolhido o vendedor? O que acontece quando ele está ausente? Quem retoma o lead que ficou sem resposta?

Na BrosAI, tratamos o encaminhamento humano e o prazo de atendimento como partes da arquitetura. O agente pode coletar os dados corretamente e, ainda assim, o processo falhar depois da transferência se o humano não atender corretamente.

Essa distinção também evita medir errado. Em uma operação de e-commerce que acompanhamos, por exemplo, enviar um carrinho não comprova venda. A confirmação depende de dados do pedido. Da mesma forma, distribuir um lead não comprova que ele foi atendido.

O indicador precisa acompanhar o caminho até o resultado que a empresa deseja.

Para começar, registre o intervalo entre a chegada do contato, a atribuição de um responsável e a primeira ação. Essa observação pode revelar um gargalo antes de qualquer novo agente.

Um teste no seu fluxo comercial:

Se os leads esperam alguém abrir planilhas, conferir a origem e distribuir contatos, podemos mapear essa etapa e testar uma automação integrada ao CRM, com critérios claros e encaminhamento humano. Responda a este e-mail com a etapa em que os contatos costumam parar.

Caso publicado pela Microsoft

O CEO da Asana, Dan Rogers, contou ao Business Insider como usa agentes no trabalho. Eles ajudam a organizar e-mails, agenda, compromissos e informações de clientes.

Um deles, responsável por acompanhar concorrentes, começou sinalizando coisas irrelevantes. Rogers precisou especificar melhor o que desejava receber.

É uma parte da implantação que aparece pouco nas demonstrações: definir o que merece atenção.

O episódio mostra uma dificuldade reconhecível: um agente pode acessar informação correta e entregar uma saída que não ajuda ninguém.

Nos testes da nossa agente comercial, encontramos outro tipo de atrito. Confirmações repetidas e perguntas sucessivas deixavam a conversa mecânica. As diretrizes foram refinadas para buscar poucas informações, reconhecer quando a dificuldade já apareceu e encaminhar o próximo passo sem prolongar a entrevista.

Isso não depende apenas de escrever uma instrução mais longa. Exige observar conversas e definir a função de cada etapa.

Se o agente vai acompanhar pendências, precisa saber quais pendências importam. Se vai preparar um resumo, alguém precisa dizer para qual decisão ele servirá. A frequência também conta: um alerta diário sem ação possível vira mais uma coisa para ignorar.

Uma boa pergunta para o teste: depois de ler o que um agente de IA trouxe, alguém conseguiu agir melhor?

Reportagem do Business Insider

Uma pesquisa oficial com 3.503 empresas britânicas ajuda a fechar a conta da edição.

Entre as empresas que adotaram IA, metade relatou aumento geral de produtividade, normalmente modesto. Quando a pergunta foi sobre custos operacionais, as respostas se dividiram:

Os impactos são autorrelatados e refletem o Reino Unido. Não servem como previsão para uma empresa brasileira, mas mostram por que produtividade e redução de custos precisam ser medidas separadamente.

Se uma pessoa economiza duas horas e continua com o mesmo salário, a folha não diminui. O valor pode aparecer em mais clientes atendidos, menos atraso, melhor conferência ou capacidade para crescer sem ampliar a equipe na mesma proporção.

Também pode desaparecer, caso o tempo seja consumido por revisão, retrabalho ou novas tarefas pouco úteis.

A pesquisa encontrou limitações de competências em 67% dos adotantes. Fazer a ferramenta funcionar na rotina continua exigindo aprendizado.

Vale decidir o destino da capacidade antes de ampliar o projeto. A Renuity deu um exemplo: o gestor relatou usar o tempo antes gasto na distribuição para treinar pessoas e avaliar melhor a operação.

Na sua empresa, essa escolha pode ser diferente. Quem vive apagando incêndio talvez precise primeiro recuperar prazo e qualidade. Uma equipe comercial pode usar a capacidade para retomar contatos. Uma área financeira pode conferir mais exceções.

Escolha o resultado e procure evidências dele. Horas liberadas são uma parte da medição.

Pesquisa oficial do governo britânico

Para a próxima conversa com sua equipe, leve uma decisão:

Se a IA liberar dez horas de trabalho nesta semana, o que vocês vão fazer com elas?

A resposta ajuda a escolher o processo, o teste e a medida. Também evita que o projeto termine na apresentação de uma ferramenta.

BrosNews
Uma newsletter da BrosAI