O que é, na prática, o custo por decisão?
O custo por decisão é o que gastas, em euros, sempre que alguém na empresa avalia um caso e decide o que fazer com ele. Não é abstrato: é a soma do tempo que a pessoa usa, das ferramentas que precisa, dos erros que às vezes comete e do tempo que demora a agir.
Usei o exemplo de uma lead a chegar à minha agência. Alguém tem de pesquisar a empresa, perceber a dimensão do negócio, qualificar o interesse e escrever a primeira mensagem. Trata-se de uma unidade de decisão repetida centenas de vezes por mês. Ao isolares esse custo, evitas que fique escondido na folha de salários e identificas o desperdício.
Se o cliente não sabe dizer de onde vêm as vendas, começamos por aí: primeiro isolas a decisão repetida, só depois decides o que fazer com ela.
Como se desmonta a fórmula: tempo, infraestrutura, erro e demora
A fórmula que propus junta quatro parcelas: tempo humano vezes custo por hora, mais custo de infraestrutura, mais uma percentagem de custo de erro, mais uma percentagem de custo de latência. Fui explícito em dizer que os números escolhidos são um exercício e que cada um deve ajustar as percentagens à sua realidade.
No exemplo, um comercial gasta trinta minutos a tratar de uma lead, com um custo de 25 € à hora (salário, encargos e outros custos ligados ao posto dessa pessoa). Isso dá 12,50 € só em tempo. A infraestrutura, ferramentas como CRM ou plataformas de automação, diluí em 1 € por decisão. Depois vêm as duas percentagens mais difíceis de ver: o erro, que fixei em 20% por causa de qualificações mal feitas e reuniões marcadas com quem não devia; e a latência, outros 20%, porque uma lead que demora dias a receber resposta arrefece ou já fechou com outra agência.
Somando tudo, (0,5 horas × 25 € + 1 €) × 1,20 × 1,20, chega-se a 19,44 € por decisão. Como disse na aula, isto é um exercício e as percentagens podem variar; o hábito de calcular é mais importante do que o valor exato.
Como usar a IA no negócio para além das perguntas ao chatbot
O exemplo de triagem de leads: antes e depois de introduzir inteligência artificial
Na simulação, comparei o mesmo processo com e sem apoio de IA. No cenário manual, o comercial pesquisa, qualifica e escreve tudo de raiz, os tais trinta minutos. No cenário assistido, o sistema recolhe automaticamente dados da empresa que enviou o formulário, compara com clientes anteriores para dar uma pontuação à lead e prepara um rascunho de resposta.
O humano passa a rever esse rascunho em cerca de seis minutos (0,1 horas), em vez de fazer o trabalho todo.
Mantendo o mesmo custo horário de 25 € e o 1 € de infraestrutura, o tempo humano cai para 2,50 €. E porque a qualificação passa a seguir critérios definidos por quem treinou o sistema, e não à interpretação pessoal de cada comercial, o erro desce para 5% e a latência para 3% (a resposta sai muito mais rápido). O resultado final da conta é 3,79 € por decisão.
Na simulação, passei a ter um custo de decisão cerca de 15 € mais baixo para cada lead que chegava. É essa diferença, cerca de 15,65 € por lead neste exercício específico, que se multiplica pelo volume.
Volume e o cuidado de não contar o mesmo ganho duas vezes
Se processo 500 leads por mês, uma poupança de 15,65 € por decisão dá cerca de 7.825 € de custo evitado nesse mês, seguindo a aritmética do exercício. É uma redução de custo, não lucro líquido, porque há outros custos por cobrir. Deixei claro na aula que essa poupança só se torna dinheiro real se a capacidade libertada for usada.
Se a equipa passa a gastar seis minutos em vez de trinta por lead mas continua a receber o mesmo salário sem assumir mais volume ou mais tarefas de valor, não entrou nada de novo na conta da empresa. Houve apenas tempo livre que precisa de ser direcionado, seja para aceitar mais leads sem contratar mais gente, seja para os comerciais dedicarem mais atenção a negociações que realmente pesam. Esse tempo livre tem valor prático mesmo em blocos pequenos, mas só se traduz em resultado se alguém decidir o que fazer com ele.
A simulação também permite olhar para o efeito comercial. Num exemplo hipotético com 500 leads, passar de uma taxa de fecho de 5% para 6% significa fechar 30 negócios em vez de 25. Com um valor de venda de 1.000 €, são mais 5.000 € de faturação dessas vendas, antes dos custos de entrega. Se houver pagamentos recorrentes, o valor futuro depende da duração efetiva da relação. Convém calcular esse valor separadamente da poupança operacional mensal, para comparar períodos equivalentes e evitar somar expectativas de vários meses a ganhos de um único mês.
As quatro etapas: observar, automatizar, meter inteligência, escalar
O ciclo que propus tem quatro passos e começa sempre pela observação, nunca pela ferramenta. Primeiro observas: fazes um inventário sincero das tarefas repetitivas e das decisões recorrentes, e olhas para onde a equipa está a gastar mais tempo sem retorno proporcional.
Depois vem a automação, que muitas vezes nem precisa de inteligência artificial. Se o objetivo é levar uma lead de um formulário para o CRM, isso é integração simples, com ferramentas como Make ou n8n. Insisti neste ponto: dados mal recolhidos tornam qualquer camada de inteligência inútil, porque a IA passa a adivinhar em vez de decidir com base em contexto real.
A terceira etapa é onde entra a inteligência propriamente dita: classificar, priorizar, resumir e sugerir o próximo passo, sempre com base no histórico e nas regras definidas pela empresa, mantendo o modelo ancorado nesses parâmetros. A quarta etapa é escalar com curadoria humana, recorrendo a aprovações em lote, alertas para desvios do padrão e validação da equipa em vez de execução totalmente manual.
Onde o exercício tem limites e o que fica de fora da conta
Sublinhei que uma pessoa experiente traz coisas que a máquina não tem: conhecimento prévio de empresas e pessoas, sensibilidade a contexto não escrito em lado nenhum, rede de contactos. As pessoas valem muito mais que a IA nessa nuance, ainda que, para produzir mais e gerar mais receita, prefira os números da automação.
O espírito do exercício assenta em pedir os dados, explicar a regra e mostrar onde houve falha. A inteligência artificial funciona como assistente de recolha e de rascunho, mantendo as decisões finais sobre compromissos financeiros ou de reputação sob controlo humano. Calcular o custo por decisão serve para saberes onde investir tempo técnico e onde compensa manter alguém a decidir com proximidade.
Se quiseres aplicar isto ao teu negócio, o ponto de partida é o mesmo que sugeri na aula: listar as tarefas repetitivas do teu dia a dia, medir quanto tempo cada uma consome e só depois de teres essa lista perguntar que ferramenta ou automação faz sentido. Podes ler também a nossa reflexão sobre margem, equipa e IA em negócios online e sobre triagem e qualificação de oportunidades comerciais com IA.
Nota da fonte
Este artigo parte da aula que dei nas Sextas Ímpares #128, "A Era da Inteligência da Automação nos Negócios", gravação de uma palestra que apresentei no Ad Summit, disponível em https://www.youtube.com/watch?v=XTWg_GjK35Q. A parte sobre custo por decisão e a simulação de leads começa por volta dos 14:00, o cálculo completo com os números aparece perto dos 27:30, e o ciclo de observar, automatizar, meter inteligência e escalar é explicado a partir dos 41:40. Os valores e percentagens usados na aula são um exercício ilustrativo, não uma medição de poupança realizada em nenhum negócio específico.