Agentes de IA: o gargalo não é gerar, é revisar

Você pediu para a IA gerar as descrições de 300 produtos do seu catálogo. Ela devolveu em quatro minutos. E aí você travou. Porque agora alguém precisa ler as 300, e ler 300 descrições leva mais tempo do que escrever 50 na mão. O gargalo mudou de lugar e ninguém avisou.

Esse é o problema silencioso dos agentes de IA dentro de empresa. A parte de produzir ficou barata. A parte de conferir continua custando exatamente o mesmo que sempre custou: sua atenção. E atenção não escala com assinatura mensal.

Vi um desenvolvedor americano, Daniel Vaughn, escrever sobre isso no contexto de programação. A ideia dele é que revisar código gerado por IA é péssimo porque o formato do texto foi feito para humanos escreverem, não para humanos auditarem em massa. A conclusão vale muito além de código: quando a máquina produz em escala, o formato da entrega precisa mudar. Senão você vira o funil.

O que muda quando a produção fica de graça

Antes, o custo estava na execução. Fazer o orçamento, escrever o e-mail, montar a planilha, responder o cliente. Você contratava gente para executar e o controle acontecia por amostragem, porque o volume era humano.

Agora a execução custa centavos. Um agente responde 400 e-mails enquanto você almoça. Só que o controle continua sendo humano e o volume não é mais.

O resultado prático que eu vejo nas empresas é sempre um destes três:

• A pessoa revisa tudo, se afoga, e o ganho de tempo evapora.
• A pessoa para de revisar, e três semanas depois descobre que o agente vinha prometendo prazo de entrega em 24 horas para uma cidade onde a transportadora leva cinco dias.
• A pessoa desiste da IA e volta pro método antigo, jurando que "não funciona".

Nenhum dos três é culpa da IA. É culpa de ter automatizado a produção sem redesenhar a conferência.

Automatizar a execução sem redesenhar o controle é trocar um gargalo conhecido por um invisível.

Por que revisar é mais caro do que parece

Revisar não é ler. Revisar é ler, entender a intenção, comparar com o que deveria ser, e decidir. São quatro operações mentais por item.

Um teste que eu faço com cliente: cronometro a revisão de dez itens gerados por IA. Quase sempre dá entre 40 segundos e 2 minutos por item, dependendo da complexidade. Pega 2 minutos e multiplica por 300. Dá dez horas. A geração levou quatro minutos.

Tem outro detalhe cruel. Texto de IA passa a impressão de estar certo. Ele é fluente, bem pontuado, seguro de si. Isso desliga seu radar. Quando um estagiário escreve algo esquisito, você percebe na hora. Quando a IA escreve algo errado com confiança total, você lê e concorda. O erro vem embrulhado em competência.

A saída não é revisar melhor, é revisar menos

O instinto de todo mundo é tentar acelerar a revisão. Ler mais rápido, contratar alguém pra ajudar, fazer amostragem de 10%. Isso é remendo.

O que funciona é mudar o que o agente entrega. Em vez de pedir o produto final, você pede o produto final mais uma estrutura que permita conferir rápido. Três coisas ajudam muito:

1. Peça o resumo da decisão, não só o resultado. Se o agente classificou 500 chamados, ele deve devolver também: "agrupei em 6 categorias, 480 caíram em 3 delas, e 20 ficaram duvidosos, listados aqui". Você revisa os 20. Os 480 você confere por amostra. Sua atenção vai pro que é incerto.

2. Faça o agente marcar a própria confiança. Peça pra ele separar o que fez com base sólida do que fez chutando. Modelos atuais fazem isso razoavelmente bem quando você pede de forma explícita. Não é perfeito, mas transforma uma pilha uniforme em uma pilha com prioridade.

3. Coloque a validação onde ela é barata. Se o agente gera preço, um script confere se o valor está dentro de uma faixa antes de qualquer humano ver. Se ele gera prazo de entrega, uma regra bate com a tabela real da transportadora. Regra fixa não cansa, não erra e roda em milissegundos. Deixa o cérebro humano só pro que exige julgamento de verdade.

Um caso concreto

Um cliente meu, distribuidora, recebia uns 200 pedidos por dia por WhatsApp em texto solto. Coisa tipo "manda 3 caixas do 40 e 2 do 25, mesma nota da semana passada". Duas pessoas passavam a manhã inteira transformando isso em pedido no sistema.

A primeira versão da automação foi burra: o agente lia a mensagem e criava o pedido. Funcionou em 85% dos casos. Parece ótimo. Não é. 15% de 200 é 30 pedidos errados por dia entrando no sistema, e ninguém sabia quais eram os 30. As duas pessoas passaram a conferir todos os 200 pra achar os 30. Piorou.

A segunda versão mudou a entrega. O agente passou a devolver o pedido interpretado mais um status: verde quando todos os códigos bateram com o cadastro e o cliente tinha histórico daquele item, amarelo quando teve interpretação, vermelho quando faltava informação. Os verdes entravam direto. Amarelo e vermelho iam pra uma fila com a mensagem original ao lado da interpretação, lado a lado, pra conferir em cinco segundos.

Ficou em torno de 70% verde. As duas pessoas passaram a olhar 60 pedidos em vez de 200, e olhar de verdade, com contexto na tela. A manhã inteira virou uma hora. O que resolveu não foi um modelo melhor. Foi o agente ter começado a mostrar o próprio raciocínio.

"Mas isso não é só desconfiar da IA?"

É desconfiar do processo, que é diferente. Você também não deixa um funcionário novo, por melhor que seja, aprovando pagamento sozinho no primeiro mês. Não é ofensa pessoal, é desenho de processo.

E tem um ponto de negócio aqui que muita gente perde. A responsabilidade continua sendo sua. Se o agente prometeu um prazo ao cliente e você não cumpriu, o cliente não vai aceitar "foi a IA". Se ele calculou um desconto errado em 200 vendas, o prejuízo aparece no seu caixa. A IA não tem CNPJ. Você tem.

Isso não é motivo pra frear. É motivo pra montar direito. Automação com ponto de conferência bem colocado é mais rápida que automação sem, porque a versão sem conferência quebra em algum momento e você para tudo pra investigar.

Como começar sem virar um projeto de seis meses

Pega um processo só. De preferência um que seja chato, repetitivo e de risco baixo. Ninguém deve estrear automação no cálculo de folha.

Aí faz três perguntas antes de escrever qualquer coisa:

• Quando esse processo dá errado hoje, como alguém percebe? Se a resposta for "não percebe", resolve isso primeiro.
• Qual é o erro mais caro possível aqui, e ele dá pra pegar com uma regra fixa?
• Quanto do volume é obviamente rotina, e quanto exige julgamento? Essa proporção é o seu ganho real.

Roda em paralelo com o método antigo por duas semanas. Compara. Quase sempre você descobre que o agente acerta em um tipo de caso e erra sistematicamente em outro, e aí a decisão fica fácil: automatiza o primeiro, deixa o segundo com gente.

A parte difícil de agentes de IA nunca foi fazer funcionar. Foi fazer você conseguir dormir depois de ligar. Isso não vem do modelo, vem do desenho em volta dele.

Se você tem um processo que já roda no automático mas ninguém confia direito no resultado, ou quer montar um sem cair na armadilha do gargalo de revisão, me chama pra conversar sobre o seu caso. Costumo conseguir dizer em uma conversa se vale a pena ou não.

A IA escreveu 300 descrições de produto em 4 minutos. E aí a empresa travou.

Porque agora alguém precisa ler as 300. E ler 300 leva mais tempo do que escrever 50 na mão.

O gargalo não sumiu, ele mudou de lugar. Produzir ficou barato. Conferir continua custando sua atenção, e atenção não escala com assinatura mensal.

Um cliente meu recebia 200 pedidos por dia no WhatsApp. A primeira automação acertava 85%, e ninguém sabia quais eram os 15% errados. Piorou. A segunda versão passou a devolver o pedido com status verde, amarelo e vermelho. Verde entrava direto. A manhã inteira virou uma hora.

O que resolveu não foi um modelo melhor. Foi o agente mostrar o próprio raciocínio.

Se você tem uma automação rodando que ninguém confia de verdade, me chama pra trocar uma ideia sobre o seu caso.

#InteligenciaArtificial #AutomacaoDeProcessos #Gestao #Tecnologia #Produtividade