Imagina isto: pedes a uma ferramenta de IA para "tratar das compras de reposição de stock". Há um ano, ela devolvia-te uma lista e tu é que fazias os pedidos. Hoje, essa mesma ferramenta pode abrir o portal do fornecedor, encher o carrinho e carregar em "confirmar" — sozinha. É rápido, parece mágico, e é exatamente aí que o dono de uma PME devia ficar com o pé atrás.
A diferença não é subtil. Uma IA que responde dá-te informação e tu decides. Uma IA que age — a que agora se chama "agente" — executa passos no mundo real: compra, paga, envia emails, altera registos. Passou de conselheiro a funcionário com acesso ao cartão da empresa. E ninguém entrega o cartão da empresa a um funcionário no primeiro dia sem regras.
Este artigo é sobre essas regras. Duas, concretamente, que podes montar esta semana: um teto de gasto e um travão de aprovação. Não é teoria — é a diferença entre a IA poupar-te horas e a IA fazer uma asneira cara às três da manhã sem ninguém a ver.
O que muda quando a IA passa a "agir"
Um agente é um modelo de linguagem ligado a ferramentas: o email, o ERP, o portal do fornecedor, a conta de pagamentos. Tu dás-lhe um objetivo em linguagem natural e ele decide os passos para lá chegar. O ganho é óbvio — trata de tarefas repetitivas fim-a-fim. O risco também: o mesmo modelo que às vezes inventa uma resposta (a famosa "alucinação") agora pode inventar um passo. E um passo errado não é uma frase feia num chat; é uma encomenda de 4.000 € do produto errado, um email enviado ao cliente errado, ou um registo apagado.
Aqui está o ponto que a maioria dos artigos de hype não te diz: o problema não é a IA ser burra. Muitas vezes acerta. O problema é que quando erra, erra em escala e à velocidade da máquina, sem a hesitação natural que um humano tem antes de gastar dinheiro. A tua defesa não é confiar mais ou menos — é desenhar o sistema para que um erro custe pouco e seja sempre visível.
Travão nº 1: o teto de gasto
O teto de gasto é o mais simples e o mais importante. É um limite duro, por operação e por período, acima do qual o agente não pode agir sozinho — tem de parar e pedir. Pensa em três camadas:
- Por transação: o agente pode confirmar uma compra até, digamos, 150 €. Acima disso, prepara tudo mas fica à espera de um humano carregar em "aprovar".
- Por dia ou por semana: um teto acumulado (por exemplo 500 €/dia) para que dez compras pequenas e legítimas não se transformem, por um erro de repetição, em cem.
- Por categoria: talvez confies que ele reponha material de escritório sozinho, mas nunca que pague a fornecedores novos sem verificação.
Um número concreto para pores em perspetiva: se um agente trata de reposições de baixo valor cinco vezes por dia e cada uma te poupa dez minutos de trabalho manual, são cerca de 50 minutos diários, umas 18 horas por mês. Vale a pena. Mas só se o teto garantir que a pior asneira possível é uma compra de 150 €, e não um descontrolo de milhares. O teto não trava o ganho; trava a cauda do risco.
Travão nº 2: os gates de aprovação (o humano no sítio certo)
O segundo travão é decidir onde um humano tem de dizer "sim" antes de o passo acontecer. A chave é não pôr o humano em todo o lado — isso mata a automação e volta ao trabalho manual — mas nos pontos irreversíveis ou caros. Uma regra prática que funciona:
- Ler é livre. Consultar stock, ver faturas, resumir vendas, preparar um rascunho de encomenda — deixa a IA fazer à vontade, isto quase nunca faz mal.
- Escrever pede cuidado. Alterar um registo, criar uma fatura, agendar um envio — passa por uma confirmação, pelo menos no início.
- Gastar ou comunicar para fora pede aprovação explícita. Pagar, comprar acima do teto, enviar algo a um cliente ou à AT — humano carrega no botão, sempre.
Esta é, aliás, a filosofia com que construímos os nossos sistemas na Leiritech. O Nemea — a nossa forma de perguntares ao teu ERP em linguagem natural, inclusive pelo WhatsApp — é read-only e auditado por defeito: responde a partir dos teus próprios dados, mostra de onde tirou a resposta, e não mexe em nada. A parte que age fica separada e passa por aprovação. Não porque a IA seja perigosa por natureza, mas porque um sistema em que cada passo sensível é registado e aprovável é um sistema em que confias — e que aguenta uma auditoria.
Um exemplo trabalhado: compras de reposição
Vamos ao concreto, com o processo de compras. Sem regras, o pedido "mantém o stock cheio" dá a um agente autonomia total para comprar. Com teto e travão, o mesmo pedido fica assim:
- O agente lê o stock no ERP e a previsão de vendas. (Ler — livre.)
- Monta uma proposta de encomenda: 12 referências, 340 € no total, do fornecedor habitual. (Escrever um rascunho — livre.)
- Como o total passa o teto por transação (150 €) e inclui uma referência de fornecedor novo, para e pede aprovação. Manda-te um resumo: o que, quanto, porquê, e a fonte dos números.
- Tu vês, ajustas duas quantidades, aprovas. (Gastar — humano decide.)
- O agente executa e regista tudo: quem aprovou, quando, com que dados. (Auditável.)
Repara no que aconteceu. Continuaste a poupar o trabalho chato — ele leu, calculou e preparou tudo. Mas o único momento que exige o teu julgamento — gastar dinheiro — ficou nas tuas mãos, com a informação toda à frente. É isto que "IA na PME" devia significar na prática: a máquina faz o volume, tu ficas com as decisões que contam.
A parte honesta: custos, RGPD e onde isto NÃO compensa
Literacia de IA inclui saber onde não meter IA. Sejamos diretos.
Custo. Um agente que age tem custos de licença e de integração, e alguém tem de o configurar e vigiar. Para uma tarefa que fazes duas vezes por mês em cinco minutos, não compensa — o tempo de a montar e manter nunca se paga. Automatiza o que é repetitivo, volumoso e chato; deixa o resto manual.
RGPD e dados. No momento em que um agente lê a tua base de clientes ou de faturação, estás a tratar dados pessoais. Isso significa saber onde correm os dados, quem tem acesso e se ficam a treinar o modelo de terceiros (numa ferramenta pública gratuita, muitas vezes ficam — daí não colares dados de clientes no ChatGPT grátis). Uma abordagem grounded e read-only sobre os teus próprios sistemas, com registo de acessos, é muito mais defensável do que exportar tudo para uma ferramenta que não controlas.
Onde não compensa mesmo. Decisões que envolvem juízo sobre pessoas, risco elevado sem retorno claro, ou processos que mudam a cada semana e nunca estabilizam. Se não consegues escrever a regra do teto e do gate para uma tarefa, provavelmente essa tarefa ainda não está madura para um agente.
Como começar em pequeno e medir em 30 dias
Não faças um "projeto de IA". Escolhe um processo repetitivo — reposição de stock, triagem de emails de encomenda, preparação de propostas — e faz assim:
- Semana 1: liga a IA só a ler. Sem agir. Vê se as respostas batem certo com a realidade dos teus dados.
- Semana 2: deixa-a preparar ações (rascunhos), mas com humano a aprovar tudo. Define o teto e os gates por escrito.
- Semanas 3–4: sobe o teto do que é seguro (as leituras e as ações de baixo valor que já provaram acertar) e mantém o gate no que gasta ou comunica para fora.
Ao fim de 30 dias tens um número: horas poupadas por semana, menos os custos e o tempo de supervisão. Se for positivo e o pior erro possível continuar barato e visível, escala. Se não for, aprendeste barato e paras. É assim que se mede ROI de IA sem fé nem hype.
Em resumo
Os agentes de IA são úteis precisamente porque agem. E é por agirem que precisam de duas coisas antes de os soltares: um teto que limita quanto pode correr mal, e um travão que põe um humano nos passos irreversíveis. Read-only por defeito, aprovação onde se gasta, tudo auditado. Não é desconfiança da tecnologia — é a mesma prudência com que darias acesso ao cartão da empresa a alguém novo.
Se quiseres pôr isto a funcionar sobre o teu ERP existente — perguntar aos teus dados em linguagem natural, read-only e auditado, com a parte que age bem travada — fala connosco em hello@leiritech.com ou passa por leiritech.pt. Sem pitch: começamos pequeno, medimos, e só escalamos o que se pagar.
