Nem tudo precisa de IA: quando uma regra simples chega

Recebeste o orçamento do "assistente inteligente" e ficaste na dúvida. Cinco mil euros, talvez mais com a manutenção, para um problema que tu próprio já sabes descrever numa frase: "todos os dias alguém copia os mesmos números de um lado para o outro." A pergunta que quase ninguém te faz antes de te vender a solução é a única que interessa: isto é falta de inteligência ou falta de processo?

Porque há uma verdade desconfortável neste momento de euforia com a IA — grande parte do que come o tempo numa PME não precisa de um modelo de linguagem. Precisa de uma regra, de um filtro, de uma integração que já devia existir. E saber distinguir os dois casos é, no fundo, o que separa quem gasta bem de quem gasta à toa. Literacia de IA não é só saber onde a IA ajuda. É saber, com a mesma frieza, onde ela não serve.

A pergunta certa antes de assinar

Uma regra simples — do género "se o valor for maior que X, envia para aprovação" ou "se o NIF estiver em branco, não deixa faturar" — tem três vantagens que nenhuma IA generativa te dá. É barata (escreve-se uma vez e corre para sempre). É previsível (faz exatamente o mesmo hoje e daqui a um ano). E não inventa. Uma IA generativa, por design, gera texto plausível — e às vezes o texto plausível está errado com toda a confiança do mundo. Para uma decisão que tem de estar certa a 100% das vezes, isso é um defeito, não um detalhe.

A regra prática é esta: se consegues escrever o problema como uma lista de "se isto, então aquilo", provavelmente não precisas de IA. Precisas de automação determinística. A IA só ganha valor quando a pergunta é genuinamente ambígua, aberta ou variável de mais para caberes numa lista de regras.

Processo a processo: onde a regra ganha

Atendimento / WhatsApp. Metade das mensagens que chegam são as mesmas cinco perguntas: horário, morada, estado da encomenda, se têm tal artigo, como devolver. Isto resolve-se com respostas automáticas e um menu — sem IA. Uma resposta rápida configurada custa-te uma tarde e deflete uma boa parte do volume repetitivo. A IA só se justifica quando a pergunta sai do guião: um cliente a explicar um problema à sua maneira, com contexto próprio, que precisa de ser interpretado. Prometer que "a IA responde a tudo" é vender fumo; desenhar o atendimento para que as regras apanhem o fácil e a IA (ou uma pessoa) apanhe o difícil é literacia.

Faturação AT. Se as tuas faturas voltam com erro — NIF mal preenchido, taxa de IVA trocada, um campo obrigatório em branco — não é a IA que te salva. É validação por regras, aplicada antes de submeter. Cada fatura devolvida custa-te minutos de correção e, às vezes, o atraso no recebimento. Uma dúzia de validações determinísticas faz a fatura passar à primeira, sempre, sem margem para "achismos". Meter um modelo generativo a adivinhar taxas de IVA seria trocar uma solução fiável e barata por uma cara e incerta.

Stock e compras. Um alerta de "ponto de encomenda" — quando o stock desce abaixo de um limite, avisa para comprar — é uma regra, não IA. Resolve 80% do problema de rutura por uma fração do custo. A IA (aqui, preditiva, não generativa) só compensa quando queres antecipar a procura com sazonalidade, promoções e histórico — e mesmo assim, começa pela regra e só sobes de nível quando ela deixar de chegar.

Propostas e relatórios. Ter um template bem feito de proposta poupa-te mais tempo do que qualquer gerador de texto. Um relatório mensal que sai automaticamente do teu sistema — sempre com o mesmo formato — não precisa de IA nenhuma. Onde a IA brilha é a fazer um resumo em linguagem corrente de dados que já existem, ou a redigir o primeiro rascunho de uma proposta a partir de um briefing solto. Rascunho, note-se — para tu reveres, não para enviar às cegas.

Então quando é que a IA vale mesmo a pena?

Quando a pergunta é difícil, recorrente e vive nos teus dados. O exemplo típico: "quanto vendi deste artigo, por loja, no último trimestre?" — perguntado em linguagem natural, sem abrires cinco ecrãs nem exportares um Excel. É aqui que entra a IA grounded (ou "fundada"): em vez de inventar, ela responde a partir dos teus próprios dados, em modo só-de-leitura e com registo de quem perguntou o quê. Grounded quer dizer exatamente isto — a resposta sai do que existe no teu ERP, não da imaginação do modelo. É o que fazemos com o Nemea: perguntas ao teu ERP em linguagem natural pelo WhatsApp e recebes a resposta a partir dos dados reais, read-only e auditada, sem arrancar o sistema que já tens (integra com o teu ERP existente, como o PHC).

Como decidir em pequeno e medir em 30 dias

Não precisas de um comité nem de uma consultoria de seis meses. Faz assim:

1. Escolhe UM processo que dói e mede-o hoje: quantas horas por semana, quantos erros, quanto custa cada erro. Sem número de partida, não há ROI para provar.
2. Classifica o problema. Consegues escrevê-lo como "se isto, então aquilo"? Então é regra/automação — mais barato, começa por aí. É ambíguo e variável? Então é candidato a IA.
3. Corre um piloto de 30 dias num só caso, com um objetivo medível ("reduzir faturas devolvidas de 15 para menos de 3 por mês", por exemplo).
4. Compara. Se o ganho não paga o custo mensal com folga, mata o piloto sem drama. Um piloto que morre depressa é barato; uma ferramenta a que ninguém liga durante um ano é que sai caro.

A parte honesta: custos, RGPD e onde não compensa

A IA tem custos que não aparecem no orçamento inicial: preparar e limpar os dados costuma ser a fatia maior do trabalho, e depois há integração, formação e o custo de uso mês a mês. Se a tua operação é pequena e estável, o retorno pode simplesmente não lá estar — e não faz mal nenhum admitir isso.

Sobre dados: não metas informação de clientes em ferramentas públicas de IA sem saberes onde esses dados vão parar. O RGPD não é um obstáculo, é uma exigência de arquitetura. Uma IA fundada nos teus sistemas, só-de-leitura e auditada, mantém o controlo do teu lado — o oposto de colar dados sensíveis num chat qualquer.

E há casos onde a IA simplesmente não compensa: decisões que têm de estar 100% certas (cálculo de imposto, aprovações críticas), volumes baixos que não justificam o investimento, e tudo o que uma regra clara já resolve. Nesses, o dinheiro bem gasto é a arrumar o processo, não a comprar um modelo.

Em resumo

Antes de pagares por "IA", separa os dois problemas. O que é falta de processo, arruma-se com regras e integração — barato, fiável, sem risco de invenção. O que é falta de inteligência de verdade — perguntas difíceis sobre os teus próprios dados — é onde a IA fundada te dá retorno real. Saber onde traçar essa linha é a parte da literacia que te poupa mais dinheiro.

Queres uma análise honesta ao teu caso, a dizer-te onde a IA compensa e onde só seria custo? Fala connosco em hello@leiritech.com ou vê o trabalho em leiritech.pt.