IA para empresas de porte médio funciona com outra lógica. Empresa grande tem time de dados, orçamento de inovação e paciência para projetos de 12 meses. Empresa média não. Ela precisa de resultado rápido, investimento proporcional e solução que funcione com o que já existe.
A boa notícia: a IA ficou acessível para quem tem entre 50 e 500 funcionários. Neste guia a gente mostra como escolher o primeiro caso de uso, quanto investir, o que precisa estar pronto antes e os erros que mais queimam dinheiro.
O que mudou na IA para empresas médias
Com modelos pré-treinados (GPT, Claude, Gemini) e integrações via API, não precisa mais treinar modelo do zero nem ter time de ciência de dados interno. A barreira técnica caiu. O que ainda falta é saber onde colocar.
É aí que a maior parte das empresas trava. A diretoria sabe que precisa fazer alguma coisa, a equipe já usa o ChatGPT por conta própria, e ninguém consegue dizer qual processo deveria mudar primeiro. O resultado costuma ser um de dois extremos: nada acontece, ou um projeto enorme começa sem critério.
O primeiro caso de uso (regra dos 80/20)
Não tente implantar IA em tudo ao mesmo tempo. Comece pelo processo que consome mais hora da equipe em tarefa repetitiva. Geralmente é um desses:
| Caso de uso | Sinal de que é um bom candidato | O que medir |
|---|---|---|
| Leitura e classificação de documentos | Alguém abre notas, contratos ou pedidos um por um e digita dados em outro sistema | Horas por semana e taxa de erro de digitação |
| Geração de relatórios | Um relatório é montado à mão toda semana, juntando várias fontes | Tempo de montagem e atraso na entrega |
| Atendimento de primeiro nível | A equipe responde as mesmas perguntas dezenas de vezes por dia | Tempo de primeira resposta e volume resolvido sem humano |
| Consolidação de dados de fontes diferentes | Os números de áreas diferentes nunca batem na reunião | Tempo de fechamento e retrabalho |
Escolha um. Implante. Meça. Se funcionar, avança para o próximo.
No atendimento, por exemplo, o caminho mais comum hoje é um agente de IA para atendimento, que consulta os sistemas da empresa e resolve o primeiro nível sozinho.
Como escolher entre os candidatos
Quando aparecem três ou quatro processos candidatos, seis perguntas ajudam a decidir:
- Volume. Quantas vezes por semana a tarefa acontece? Tarefa rara não paga o projeto.
- Repetição. O caminho é parecido na maior parte das vezes, ou cada caso é único?
- Dado acessível. A informação necessária está num sistema, numa planilha ou num banco?
- Regra clara. Alguém consegue explicar, passo a passo, como a tarefa é feita hoje?
- Custo do erro. Se a IA errar, o que acontece? Erro que uma pessoa revisa em segundos é tolerável. Erro que vira multa ou processo pede outro desenho.
- Dono. Existe alguém na operação que vai acompanhar o resultado e responder pelo processo?
O processo que responde bem às seis é o primeiro. Os outros entram numa fila, em ordem.
Quanto investir no primeiro projeto
Para empresa média, o primeiro projeto de IA costuma ficar entre R$ 25 mil e R$ 60 mil. Resolve um caso de uso específico, conecta com um ou dois sistemas existentes e entrega resultado em 2 a 4 semanas. A faixa varia com o número de integrações, o estado dos dados e o volume de uso.
A tentação é gastar R$ 200 mil num projeto abrangente. Resista. Comece pequeno, comprove o retorno e use o resultado do primeiro para justificar o segundo.
Para entender as faixas de investimento de cada tipo de projeto e o que entra em cada uma, o guia sobre quanto custa implantar IA abre a conta completa.
O que precisa ter antes de começar
O requisito mínimo é ter dados acessíveis. Eles raramente estarão perfeitos, e dá para começar assim. Se os dados estão numa planilha, num banco de dados ou num sistema com API, dá para trabalhar. Se os dados estão na cabeça de alguém, precisa de organização antes de IA.
Também precisa de um processo claro. Se ninguém sabe explicar como a tarefa funciona hoje (passo a passo), a IA não vai saber fazer melhor. O mapeamento de processos vem antes da implantação.
E precisa de uma decisão sobre dados pessoais. Quando o processo envolve cliente, funcionário ou paciente, o dado que vai para um modelo de linguagem está sujeito à LGPD (Lei 13.709/2018). O projeto precisa definir o que pode ser enviado, para qual fornecedor e o que fica registrado.
ChatGPT solto, ferramenta pronta ou projeto sob medida
Existem três caminhos para colocar IA na operação, e cada um serve para uma situação.
| Caminho | Quando serve | Limite |
|---|---|---|
| Uso individual do ChatGPT ou similar | Escrita, resumo e pesquisa no dia a dia de cada pessoa | Não conversa com os sistemas da empresa e depende de cada um usar bem |
| Ferramenta pronta com IA embutida | Quando o processo é padrão de mercado e a ferramenta cobre bem | Pouca adaptação ao jeito da empresa e dado fora de casa |
| Projeto integrado aos sistemas | Quando o ganho depende de ler e gravar nos sistemas da empresa | Pede investimento inicial e alguém para manter |
A diferença entre o primeiro e o terceiro caminho é grande, e a gente detalha em ChatGPT na empresa. Para montar a integração entre sistemas e modelos, ferramentas como o n8n costumam entrar na solução.
O primeiro projeto, passo a passo
- Levantar os processos candidatos com quem executa, não só com quem gerencia. Quem faz a tarefa sabe onde está o tempo perdido.
- Medir a linha de base. Quantas horas por semana, quantos erros, quanto atraso. Sem esse número, não existe como provar o resultado depois.
- Escolher o caso de uso com as seis perguntas acima.
- Construir o recorte mínimo que resolve o problema de ponta a ponta, com uma pessoa revisando as saídas no começo.
- Colocar em uso real e acompanhar por algumas semanas.
- Comparar com a linha de base e decidir: ampliar, ajustar ou parar.
O passo 6 é onde muita empresa se perde. O teste funciona, todo mundo gosta, e o projeto nunca sai do piloto. Os motivos disso estão em como sair da PoC de IA.
Quando ainda não é hora
Existem situações em que a gente recomenda segurar o projeto de IA e resolver outra coisa primeiro:
- O processo muda toda semana. Enquanto a regra não se estabiliza, qualquer automação vira retrabalho.
- Os sistemas principais estão sendo trocados. Integrar com um sistema que sai em seis meses é pagar a integração duas vezes.
- Ninguém tem tempo para acompanhar. Um projeto de IA pede algumas horas por semana de quem conhece o processo, principalmente nas primeiras semanas.
- O volume é pequeno. Se a tarefa toma duas horas por mês, a conta não fecha.
Nesses casos, o dinheiro rende mais arrumando a base: documentar o processo, organizar os dados, estabilizar os sistemas. Quando a IA chegar, ela encontra terreno pronto.
Erros que mais queimam dinheiro
- Começar pela ferramenta. Comprar a plataforma e depois procurar onde usar inverte a ordem e raramente dá certo.
- Escopo grande demais no primeiro projeto. Quanto mais processos, mais integrações, mais tempo sem resultado e mais difícil saber o que funcionou.
- Colocar IA em cima de processo quebrado. A IA acelera o que já existe. Se o processo tem retrabalho e exceção sem regra, ela acelera o problema.
- Não medir antes. Sem linha de base, o resultado vira opinião.
- Projeto sem dono na operação. A equipe técnica entrega, ninguém da área usa, e o sistema morre em três meses.
Os padrões que se repetem nos projetos que não chegam a lugar nenhum estão reunidos em por que projetos de IA falham.
Como medir o resultado
O resultado de um projeto de IA aparece em números da operação, e os mais úteis são simples:
- Horas liberadas por semana na tarefa escolhida.
- Taxa de erro antes e depois.
- Tempo de ciclo: quanto tempo leva do início ao fim da tarefa.
- Taxa de revisão humana: quanto das saídas da IA ainda precisa de correção, e se esse número cai com o tempo.
Se os números melhoram, o primeiro projeto já pagou a pergunta seguinte: qual é o próximo processo da fila. Se não melhoram, a pergunta é se o caso de uso era o certo ou se o processo por trás precisava ser arrumado antes. As duas respostas economizam dinheiro no segundo projeto.
