Por que tentar entender completamente os processos empresariais antes de usar IA pode ser perda de tempo

Semana passada, estava reunido com o setor de compras da Cerâmica Lorenzetti. Eles me mostraram como estavam usando nosso Assistente de IA para analisar propostas de fornecedores.

"Leonardo, antes eu levava 30 minutos para processar cada pedido de compra", um comprador me disse. "Agora, com o Assistente? 5 minutos!”.

Me lembrei de quando comecei esse projeto, meses atrás... Eu tinha tentado mapear meticulosamente cada passo do processo de compras deles. Era assim que eu achava que deveria ser a implementação de IA para empresas brasileiras: metódica, documentada, “perfeita”.

Foi um desperdício monumental de tempo.

Porque no final, não foi o mapeamento perfeito que fez o Assistente funcionar ... Foi algo completamente diferente e que mudou completamente meu jeito de implementar IA nas empresas.

O Dia em Que um CEO Botou a Cabeça na Mesa

Tem um paper acadêmico da Ruthanne Huising que conta uma história fascinante. Ela estudou equipes que foram designadas para mapear seus processos organizacionais do começo ao fim, cada passo de como a empresa realmente funcionava.

Sabe o que descobriram?

Processos inteiros que produziam outputs que ninguém usava. Caminhos semi-oficiais bizarros para fazer as coisas acontecerem com duplicação de esforços. E quando levaram esse mapa para o CEO, ele olhou aquilo tudo, botou a cabeça na mesa e disse:

"Isso tá ainda mais fodido do que eu imaginava."

Esse CEO percebeu algo devastador: ele não tinha controle da própria organização. Pior ainda: sua compreensão sobre ela era uma ilusão.

O Modelo da Lata de Lixo (Sua Empresa Provavelmente É Uma)

Existe uma teoria clássica chamada "Garbage Can Model", o Modelo da Lata de Lixo.

A teoria diz que organizações são essencialmente latas de lixo caóticas onde problemas, soluções e tomadores de decisão são jogados juntos. As decisões não acontecem através de um processo racional planejado. Elas acontecem quando esses elementos colidem aleatoriamente.

Depois de mais de um ano trabalhando com indústrias brasileiras ... Assino embaixo!

Na Contraco, por exemplo, o CEO possui uma planilha histórica (que só ele conhece), e ele é o responsável por preparar os orçamentos dos fornos industriais (orçados em perto de R$ 1.000.000,00). Só ele sabe como fazer isso, e faz com esboços em papel (apesar de se basear na planilha desatualizada há décadas). Não estou criticando o seu método (que funciona!): apenas reconhecendo que a teoria da Lata de Lixo é verdadeira: empresas evoluem organicamente através de negociações entre pessoas, e processos resultantes não são cuidadosamente desenhados e documentados.

O Problema: Adoção de IA em Organizações Caóticas

43% dos trabalhadores americanos já usam IA no trabalho. No Brasil, provavelmente menos, mas o número cresce rápido (mas a maioria usa de forma informal, cada um no seu canto).

Escalar IA para toda a empresa? Isso “deveria” exigir:

✔️ Processos mapeados

✔️ Regras claras

✔️ Sistemas desenhados para casos específicos

É um trabalho lento, caro e doloroso... Eu sei por que me pego tentando fazer exatamente isso.

Mas e se... não precisássemos?

A Lição Amarga: Quando o Conhecimento Humano Perde para Força Bruta

Em 2019, o cientista da computação Richard Sutton escreveu sobre algo chamado "The Bitter Lesson" (a Lição Amarga).

Por décadas, programadores de xadrez codificaram conhecimento humano meticuloso: aberturas, avaliações posicionais, padrões táticos... Eles estudaram séculos de sabedoria enxadrística e a programaram em software elegante.

E então, veio o AlphaZero: zero conhecimento prévio de xadrez. Nada de aberturas programadas, táticas codificadas, finais memorizados... Apenas: "aqui estão as regras, agora jogue contra si mesmo milhões de vezes até aprender."

Resultado? Derrotou todos os humanos e todos os outros computadores.

A lição é "amarga" porque significa que todo aquele conhecimento humano cuidadosamente codificado, décadas de trabalho de pesquisadores, foi menos eficaz do que simplesmente jogar mais poder computacional no problema.

Como Agentes de IA Aprendem com Resultados (Não com Processos Mapeados)

Todos (interessados em IA) sabem que o futuro próximo será dominado por Agentes (sistemas que recebem uma meta e a executam sozinhos). Diferente de um chatbot que você guia, ao Agente você apenas delega uma tarefa.

Mas os novos Agentes (como o ChatGPT Agent da OpenAI) usam uma abordagem diferente: aprendizado por reforço focado em resultados finais. A mesma técnica usada no AlphaGo: apenas as regras fornecidas, e o aprendizado veio após literalmente 44 milhões de partidas contra si mesmo.

E algo similar (guardadas as devidas proporções) ocorreu no caso da Lorenzetti.

O Assistente de Compras: Quando Menos Autonomia Funcionou Melhor

Confesso: comecei completamente errado.

Propus um Agente autônomo para o setor de Compras da Lorenzetti. Me baseei no processo atual deles, tentei copiar a perfeição em código. Imaginei que a autonomia total seria a solução.

Resultado? Meses de uso pontual e esporádico.

Então fiz o que deveria ter feito desde o início: analisei meticulosamente os logs do Agente e conversei a fundo com o pessoal de Compras sobre o feedback deles.

Descobri que eles não precisavam de um Agente autônomo. Precisavam de um Assistente supervisionado: algo que fizesse o trabalho pesado mas deixasse a decisão final com eles.

Redesenhei esta solução como um Assistente de IA, respeitando o "human in the loop". Esse sim está sendo usado intensamente e já provou sua produtividade: ganho de tempo de 83% por compra solicitada. O que antes levava 30 minutos agora leva 5 minutos.

Por Que Isso É Revolucionário

Pensa comigo: empresas gastam meses (e como estamos quase em 2026, até mesmo anos!) mapeando processos antes de implementar IA.

Mas e se testássemos simplesmente:

1. Definir o que é um bom resultado (ex: relatório de vendas bem feito)

2. Mostrar exemplos de bons resultados

3. Deixar a IA encontrar seus próprios caminhos através do caos organizacional?

Aquele CEO com a cabeça na mesa, desesperado com seus processos bagunçados? Ele não precisa desembaraçar cada processo quebrado. Ele só precisa definir o que é sucesso e deixar a IA (que atualmente já possui inteligência suficiente) navegar pela "bagunça".

Mas... E a Complexidade Humana?

Xadrez é um jogo com regras fixas. Organizações são organismos vivos, complexos, cheios de nuances humanas ...

Será que a Lição Amarga realmente se aplica?

Talvez sim. Talvez as organizações sejam problemas que podem ser resolvidos com escala computacional, como xadrez.

Ou talvez não. Talvez a complexidade humana e aqueles processos bagunçados e evoluídos sejam intrincados demais para IA navegar sem entendê-los profundamente.

Estamos prestes a descobrir.

E aqui no Alto Vale, trabalhando com empresas com décadas de experiência, tenho um laboratório perfeito para testar essas teorias.

A Virada Competitiva: Quem Vai Ganhar Essa Corrida?

Cenário A: Empresas que gastaram anos refinando processos, construindo conhecimento institucional, criando vantagens competitivas através de excelência operacional.

Cenário B: Empresas que simplesmente treinam IA com bons exemplos de resultados, independente de entenderem seus próprios processos ou não.

Se a Lição Amarga se aplica ao mundo organizacional (e cada vez mais acredito que sim), o Cenário B ganha.

Toda aquela vantagem competitiva baseada em processos bem documentados? Pode se tornar irrelevante... Qualquer empresa que consegue definir qualidade e fornecer exemplos suficientes (cases de sucesso) pode alcançar resultados similares.

Como Começar a Usar IA Sem Perfeccionismo

Semana passada, um cliente me perguntou: "Leonardo, como vou saber se a IA não está errando?"

Respondi com outra pergunta: "Você confere manualmente cada decisão que sua equipe toma?"

Silêncio.

A questão certa não é "isso está 100% correto?"
É "isso é útil o suficiente para este propósito?"

Aqui está o convite: pare de tentar controlar tudo antes de começar.

Use IA no que ela é realmente boa AGORA.

Não precisa ser perfeito. Precisa ser bom o suficiente para te dar tempo de volta. Você consegue aceitar "bom o suficiente" em algumas tarefas?

Veja também: Método IAlto para implementar IA

Por Que Começar Agora É Mais Importante do Que Começar Perfeito

Aqui está algo crucial que é bom ter em mente: IA é diferente de qualquer outra tecnologia.

Não é só uma questão de "quanto antes você adota, mais tempo tem para refinar". É mais profundo que isso.

IA aprende com dados. Então quanto antes você implementar, mais tempo ela tem para aprender com SEUS dados específicos, com SUAS exceções, com SEU contexto único.

Cada dia que você espera para "mapear tudo perfeitamente" é um dia que sua IA deixa de aprender com você, com seus processos.

Como Começar: Duas Abordagens para Testar

Se você é gestor, empreendedor ou engenheiro ...

Minha sugestão prática? Experimente ambas em paralelo:

Abordagem A (Tradicional):

• Escolha um processo específico (que você conheça a fundo) para mapear detalhadamente

• Documente cada passo, cada exceção

• Implemente IA seguindo esse mapeamento

Abordagem B (Lição Amarga – foco em resultados):

1. Identifique 20-30 exemplos de bons resultados

2. Defina qualidade claramente

3. Deixe a IA aprender com exemplos

4. Itere baseado em resultados

Compare qual entrega valor mais rápido. (minha aposta é na B)

A Lição é amarga, mas o gosto pode ser surpreendentemente agradável.

Pronto para implementar IA focando em resultados?

Entre em contato com a IAlto para consultoria personalizada em IA para indústrias e PMEs.

Leonardo Coelho, PhD | Fundador da IAlto | Especialista em IA para Indústrias Brasileiras

Referências:

• Huising, R. "The Erosion of Expert Control through Formalization" (paper sobre mapeamento de processos)

• Sutton, R. "The Bitter Lesson" (2019) - http://www.incompleteideas.net/IncIdeas/BitterLesson.html

• Mollick, E. "The Bitter Lesson versus The Garbage Can" (2025)

Perguntas Frequentes sobre Implementação de IA

Preciso mapear todos os processos antes de implementar IA?

Não. Nossa experiência mostra que focar em resultados é mais eficaz que mapear processos detalhadamente.

Quanto tempo economizo com Assistente de IA?

Na Cerâmica Lorenzetti, o ganho foi de 83% - reduzindo tarefas de 30 para 5 minutos.

IA substitui funcionários?

Não substituem - complementam. Funcionam com supervisão humana ("human in the loop"), onde o funcionário aprova as decisões finais. O Assistente faz o trabalho pesado de análise, mas humanos mantêm o controle.