O erro de começar pela ferramenta em vez de observar a operação
Começar pela ferramenta leva quase sempre a automações inúteis, porque tentas encaixar o teu trabalho na funcionalidade de um software em vez de resolveres um problema concreto. Na aula que dei disse isto de forma direta: "Primeiro tu vais mapear aquilo que são as necessidades, aquilo que tu queres automatizar. A ferramenta vem depois."
É frequente perguntar-se qual é o melhor robô ou qual é o modelo de linguagem do momento. Mas a tecnologia é a parte mais simples do processo. O que separa quem tira valor da inteligência artificial de quem apenas se diverte com ela é o trabalho de observação que vem antes: perceber onde a equipa perde tempo, onde repete decisões e onde os dados que chegam são fracos.
Se não sabes onde estão os pontos de fricção da tua operação, acabas por automatizar passos que não trazem retorno nenhum. Vale a pena, antes de mais nada, olhar para o dia a dia com atenção durante uma ou duas semanas e anotar o que se repete.
As quatro listas do inventário: tarefas, decisões, tempo e desejáveis
Na aula propus quatro inventários que qualquer negócio pode fazer sem depender de nenhuma ferramenta: tarefas repetitivas, decisões recorrentes, tempo investido por colaborador entre ações de alto e baixo impacto, e desejáveis não concretizados. O primeiro pilar são as tarefas repetitivas: ações mecânicas como colocar leads no CRM, responder e-mails transacionais ou publicar conteúdo.
O segundo são as decisões recorrentes, como decidir se um contacto avança para reunião comercial, e as variáveis que essa decisão exige. O terceiro é o tempo investido por colaborador, separando o que gera impacto real do que apenas consome horas. O quarto pilar, os desejáveis não concretizados, junta o trabalho que sabes que devias fazer, mas que fica sempre para trás porque a equipa está ocupada com o operacional.
Dei um exemplo simples deste último ponto na aula: publicar reels com regularidade no Instagram é algo que muita gente sabe que devia fazer, mas não tem tempo. Delegar essa produção a um fluxo automatizado, mesmo que o resultado não seja idêntico ao que a própria pessoa faria, já é melhor do que não publicar nada.
Como usar a IA no negócio para além das perguntas ao chatbot
Como planear uma aplicação com Claude Code antes de começar a programar
Como registar tarefa, frequência, responsável e tempo
Para que o inventário sirva para alguma coisa, cada tarefa precisa de uma frequência definida, um responsável e uma medição honesta do tempo médio gasto. É essa quantificação que transforma queixas genéricas sobre falta de tempo em algo que se pode decidir com dados.
Podes abrir uma folha simples com colunas para a tarefa, a frequência, quem a faz e a duração média. Usei na aula o exemplo de um comercial que gasta trinta minutos a pesquisar cada lead, qualificá-la e escrever a primeira mensagem: se chegam vinte leads por semana, isso são dez horas semanais só nesse trabalho de preparação.
Quando a tabela está preenchida, o padrão fica evidente sem precisar de intuição: percebe-se qual equipa está a operar no limite sem que esse esforço se traduza em valor visível para o cliente.
Porque os dados de entrada e os erros decidem se a automação funciona
Nenhuma automação funciona bem sem dados de entrada consistentes e sem regras claras para tratar erros e exceções. Fui taxativo sobre este ponto na aula: "Dados são ouro. Se eu não tiver bons dados, bom contexto, a inteligência artificial torna-se burra."
Ao mapeares cada tarefa, faz sentido anotar que dados são realmente necessários. Se o formulário do site apenas pede nome e e-mail, falta contexto para qualquer automatismo avaliar a relevância do contacto. Usei esse tipo de lacuna como exemplo ao explicar como a IA pode recolher dados públicos da empresa que faltam no formulário.
Se entregares informação inconsistente a um fluxo automático, o sistema passa a decidir por adivinhação em vez de por regra. É por isso que vale a pena, antes de automatizar, perceber com que frequência a equipa hoje corrige manualmente esses desvios.
O cálculo do custo por decisão, passo a passo
Apresentei nas Sextas Ímpares #128 uma fórmula para comparar o custo do trabalho manual com o custo depois de introduzir automação e inteligência artificial: custo por decisão igual a tempo humano vezes custo da hora, mais custo de infraestrutura, tudo multiplicado pela taxa de erro e pela taxa de latência.
No exemplo que dei na aula, o comercial gasta 30 minutos (0,5 horas) por lead, com um custo de hora de 25€, um custo de infraestrutura de 1€, uma taxa de erro de 20% e uma taxa de latência de 20%. A conta fica: (0,5 × 25€) + 1€ = 13,50€; depois 13,50€ × 1,20 × 1,20 = 19,44€. Foi exatamente esse número que apresentei: "Daria então um custo por decisão para cada lead que chega à minha empresa de 19,44."
Depois de introduzir automação e IA para recolher contexto e preparar um rascunho de resposta para revisão humana, o tempo cai para 6 minutos (0,1 horas), o erro desce para 5% e a latência para 3%. A conta passa a: (0,1 × 25€) + 1€ = 3,50€; depois 3,50€ × 1,05 × 1,03 ≈ 3,79€. A poupança por decisão é de 15,65€, e na aula usei este número numa operação hipotética com 500 leads mensais, chegando a uma redução de cerca de 7.825€ por mês só nesse processo, antes de outros custos do negócio.
Vale sublinhar que as percentagens da fórmula (20% de erro e 20% de latência) foram um exercício ilustrativo assumido como ajustável. Cada negócio deve usar as suas próprias percentagens, pelo que estes valores específicos servem apenas como referência e não constituem prova estatística de poupança garantida no teu caso.
Que fazer com o tempo que a automação liberta
Uma automação não serve só para cortar custo direto; serve também para libertar tempo para o trabalho de maior valor que hoje fica para trás. É nesse ponto que entra o inventário dos desejáveis não concretizados, onde guardamos tudo o que sabemos que devíamos fazer mas nunca sobra tempo.
Se a primeira automação recuperar horas semanais da equipa, esse tempo pode ser redirecionado para o que estava na lista de desejáveis, em vez de ser simplesmente absorvido por mais tarefas operacionais. Mesmo quando as horas libertadas são poucas, vale a pena decidir conscientemente para onde vão, porque pequenos blocos de tempo também podem gerar valor se forem bem direcionados. Essa transição, de reativo para proativo, é o que descrevi na aula como o verdadeiro ganho: não só gastar menos, mas conseguir fazer mais negócio por chegar mais rápido e com melhor qualidade.
Critérios simples para escolher a primeira automação
Para a primeira automação, começaria por uma tarefa de frequência diária, com dados de entrada relativamente estruturados e com um humano a rever antes do disparo final. Descrevi este modelo na aula com o exemplo da qualificação de leads: a automação recolhe o contexto, a IA prepara um rascunho, e a pessoa apenas confirma.
O erro mais comum é tentar automatizar de imediato o processo mais crítico e mais arriscado da empresa. Convém primeiro ganhar confiança com uma tarefa onde o sistema atua como assistente, não como decisor autónomo, e só depois, com a operação estabilizada, avançar para processos de maior risco.
Depois de uma primeira vitória testada e estável, a equipa ganha confiança para continuar. É assim que a adoção de inteligência artificial deixa de ser um projeto assustador e passa a ser um hábito regular de melhoria de margem.
Sextas Ímpares #128: a aula de onde saiu este raciocínio
Esta reflexão nasceu da aula que dei no primeiro dia do Ad Summit, disponibilizada depois na série Sextas Ímpares #128. Podes ver a gravação completa em https://www.youtube.com/watch?v=XTWg_GjK35Q. Vale a pena ver a partir de cerca de 41:40, onde falo sobre mapear as necessidades antes da ferramenta, e a partir de 45:41, onde apresento o inventário de tarefas e decisões.