Talvez a maior limitação da inteligência artificial na sua empresa ainda não esteja no modelo. Esteja na imagem que você construiu sobre o que ela é.

TL;DR

Muita gente conheceu a IA por uma janela de conversa e concluiu que ela serve para responder perguntas, escrever e-mails e produzir textos com uma voz meio genérica. Isso já pode ser útil, se houver contexto e método. Mas a interface de chatbot é apenas uma porta. Um sistema de IA também pode interpretar documentos, comparar dados, validar entregas, localizar falhas, coordenar ferramentas, preparar decisões e executar ações delimitadas. Em alguns casos, pode tomar uma decisão operacional de baixo impacto dentro de regras estritas, com evidência, limite, abstenção, registro e possibilidade de reversão. O salto não é dar liberdade irrestrita à máquina. É transformar critérios humanos em uma arquitetura verificável.

Quando alguém me diz que inteligência artificial serve para escrever um e-mail mais rápido, eu não discordo.

Serve.

Quando diz que pode resumir uma reunião, montar uma apresentação ou responder uma dúvida, também está certo.

O problema é acreditar que a tecnologia termina aí.

É como olhar para um computador e concluir que ele é uma máquina de escrever com tomada. Tecnicamente, ele também faz isso. Só não é uma descrição muito útil do que existe na mesa.

A maioria das pessoas conheceu a IA por uma caixa de texto.

Escreve de um lado. Recebe uma resposta do outro.

Depois de algumas respostas genéricas, referências inventadas ou frases com perfume de LinkedIn corporativo, forma uma convicção: “isso é interessante, mas não dá para confiar”; “vai soar muito IA”; “se eu usar, vou perder autoridade”; “serve para brincar, não para operar uma empresa”.

Parte desse medo é saudável.

O erro é confundir falta de controle com limite inevitável da tecnologia.

O chatbot é uma interface, não a definição

Um chatbot é uma interface de conversa. Ele recebe mensagens e devolve respostas.

Por trás dessa interface pode existir apenas um modelo de linguagem respondendo ao texto atual. Também pode existir memória, documentos, ferramentas, regras, permissões, validadores e outros sistemas capazes de consultar ou alterar o mundo fora da conversa.

A tela pode ser praticamente igual.

A arquitetura não é.

No primeiro caso, você faz uma pergunta e recebe uma resposta.

No segundo, você pode dizer “prepare este artigo” e iniciar uma operação que lê contratos editoriais, pesquisa fontes, verifica referências, cria arquivos, gera uma imagem, produz versões em três idiomas, valida o site e para antes de publicar porque essa decisão continua sendo minha.

O chat é a maçaneta.

Não é a casa.

Mesmo o uso só pelo chat pode ser muito melhor

Antes de sair distribuindo agentes pela empresa, vale reconhecer que uma boa conversa já resolve problemas reais.

Uma interface de chat pode ajudar a:

• transformar uma fala desorganizada em perguntas que revelam o requisito;
• comparar duas propostas e mostrar critérios diferentes, sem fingir que escolheu o objetivo por você;
• resumir um conjunto de documentos com links para a origem;
• preparar uma reunião, antecipando objeções e informação ausente;
• reescrever um texto segundo uma voz e um público definidos;
• testar a clareza de uma decisão pedindo ao sistema que procure premissas frágeis;
• converter uma ideia em checklist — uma lista de verificação —, plano ou especificação verificável;
• explicar um termo técnico no nível de quem realmente vai usar a informação.

Isso não exige que a IA clique em nada.

Exige que a conversa tenha contexto, critérios e um contrato melhor do que “me ajuda com isso”.

O uso limitado não é necessariamente um uso ruim.

Ruim é não saber que foi uma escolha.

“Vai soar muito IA” é um alerta de processo

Texto genérico não é uma assinatura inevitável da ferramenta.

Geralmente é o resultado previsível de uma instrução genérica, pouco contexto, nenhuma referência de voz e ausência de revisão.

Se eu peço “faça um post profissional sobre inovação”, não deveria ficar surpreso quando recebo uma coleção educada de lugares-comuns. O modelo não conhece a percepção que me incomodou, a experiência que sustenta minha leitura, a piada que eu faria, a afirmação que eu me recusaria a publicar nem o tipo de fonte que considero suficiente.

Essas coisas precisam entrar no sistema.

Foi por isso que transformei meu modo de trabalhar em um harness: um conjunto de contexto, memória, procedimentos, ferramentas e validações ao redor do modelo. O objetivo não é fazer a IA “parecer comigo” por truque. É impedir que ela preencha lacunas importantes com a resposta estatisticamente confortável.

Minha autoridade não aumenta porque digitei cada caractere manualmente.

Também não aumenta porque a resposta saiu bem formatada.

Ela depende de eu conseguir sustentar a tese, mostrar a origem dos fatos, declarar os limites e responder pelas decisões que tomei.

O erro não se resolve proibindo a ferramenta

Modelos de linguagem produzem saídas probabilísticas: diante de entradas parecidas, podem formular respostas diferentes e errar com uma confiança verbal bastante inconveniente.

Isso é motivo para governança.

Não é motivo para fingir que os processos humanos já eram livres de erro.

Uma pessoa pode esquecer uma regra, copiar o número errado, deixar de conferir um documento ou decidir sob pressão. A IA pode introduzir outros erros: inventar uma fonte, interpretar mal uma exceção, usar contexto desatualizado ou escolher uma ferramenta inadequada.

O desenho responsável não pergunta apenas “humano ou IA?”.

Pergunta:

• Que tipo de erro pode acontecer em cada etapa?
• Como ele será detectado?
• Qual verificação pode ser feita por regra fixa?
• Qual parte exige interpretação?
• Quando o sistema precisa se abster de responder?
• Quem recebe a exceção?
• Como a ação pode ser interrompida ou revertida?

Medo do erro é um péssimo arquiteto quando produz paralisia.

É um ótimo requisito quando produz controles.

Da conversa à operação: seis papéis diferentes

Chamar tudo de “IA” esconde decisões importantes. Eu prefiro separar os papéis que o sistema pode exercer.

No celular, deslize a tabela para os lados para comparar uso e controle.

Papel	Exemplo de uso	Controle necessário
Interface de reflexão	Organizar uma ideia, formular perguntas, comparar alternativas ou preparar uma conversa	Contexto claro, fontes quando houver fatos e decisão preservada com a pessoa
Leitura e estruturação	Classificar chamados, extrair campos de notas, resumir históricos ou normalizar documentos	Acesso limitado, origem do dado, amostragem de qualidade e rota para exceções
Validação e garantia de qualidade	Comparar uma entrega com requisitos, localizar links quebrados, apontar campos ausentes ou revisar consistência	Critérios explícitos, validações determinísticas quando possíveis e proibição de aprovar o próprio trabalho sem contrapeso
Agente executor	Consultar sistemas, reunir evidências, criar artefatos, abrir tarefas e usar ferramentas para cumprir um objetivo	Permissões mínimas, registro das ações, limites de custo e pontos de aprovação humana
Apoio à decisão	Montar cenários, mostrar premissas, organizar risco e revelar informação ausente	Evidência rastreável, incerteza declarada e responsável humano pelo objetivo e pela consequência
Decisão operacional delimitada	Encaminhar um chamado, bloquear um item fora da política ou autorizar uma reposição pequena dentro de limites aprovados	Política estrita, baixo impacto, reversibilidade, limiar de confiança, abstenção, auditoria, monitoramento e escalonamento

Esses papéis podem aparecer juntos.

Um atendimento pode começar no chat, consultar o pedido, resumir o histórico, validar a política, propor três opções e executar apenas aquela que está dentro da autoridade concedida. Se a situação ultrapassa o limite, o sistema não improvisa poder.

Ele para.

Garantia de qualidade também é trabalho para IA — mas não só para ela

Um dos usos mais interessantes não é produzir o conteúdo principal.

É tentar provar que a entrega está errada.

Um agente pode comparar uma proposta com o levantamento de requisitos e apontar itens ausentes. Pode procurar uma afirmação sem fonte. Pode revisar se um contrato usa o mesmo conceito de maneiras incompatíveis. Pode ler um conjunto de chamados e encontrar um padrão que ninguém havia agregado.

Ao mesmo tempo, regras determinísticas — código que produz o mesmo resultado para a mesma condição — podem verificar o que não precisa de interpretação: campo obrigatório, formato de data, link interno, valor máximo, assinatura esperada, teste aprovado.

Não precisamos escolher entre IA e software convencional.

Um sistema confiável combina cada um onde funciona melhor.

A IA interpreta linguagem e contexto.

A automação fixa protege invariantes: condições que precisam permanecer verdadeiras durante todo o processo.

O humano define o que importa e assume o que não pode ser delegado.

Um agente não é um chatbot com autoestima

Um agente de IA é um sistema em que o modelo consegue escolher próximos passos e usar ferramentas dentro de um objetivo delimitado.

Ele pode observar o resultado de uma ação, ajustar o plano e continuar até concluir, encontrar um bloqueio ou precisar de decisão humana. Essa capacidade aumenta utilidade e risco ao mesmo tempo.

A Anthropic distingue workflows de agentes: em um workflow, o caminho é predefinido pelo código; em um agente, o modelo dirige dinamicamente parte do processo e do uso de ferramentas. É a taxonomia de uma empresa a partir da própria prática, não uma definição universal. O princípio útil é começar pela solução mais simples e só adicionar autonomia quando ela melhorar um resultado mensurável.

Em 2026, a empresa também publicou seus princípios para agentes confiáveis, defendendo controle humano, transparência, segurança e privacidade. A fonte descreve o desenho dos produtos e a posição da própria Anthropic. Não prova que qualquer agente de mercado cumpra esses princípios.

Dar ferramentas a um modelo sem restringir permissões não cria um funcionário digital.

Cria uma superfície de erro com acesso a sistemas.

“IA decisora” precisa de uma frase maior

Eu não gosto muito da expressão “a IA decidiu” quando ela encerra a explicação.

Prefiro dizer:

O sistema executou uma decisão operacional específica dentro de uma política aprovada, usando estas evidências, sob estes limites e com esta rota de exceção.

É uma frase menos vendável.

Também é uma arquitetura muito mais honesta.

Decisão automatizada não deveria significar autoridade genérica. Significa transformar uma política em condições verificáveis:

• qual entrada é válida;
• que fonte pode ser usada;
• qual resultado está autorizado;
• qual limite de valor ou impacto se aplica;
• qual nível de confiança é necessário;
• em que situação o sistema se abstém;
• quem recebe a exceção;
• o que fica registrado;
• como desfazer o resultado.

Encaminhar um chamado para a fila correta pode caber nesse desenho. Autorizar uma reposição pequena dentro de orçamento e fornecedores aprovados também pode.

Contratar alguém, negar crédito, definir tratamento médico ou assumir risco jurídico relevante exigem análises, direitos e responsabilidades que não desaparecem porque um modelo produziu uma pontuação.

Quanto maior o impacto, menos aceitável é esconder a decisão atrás da palavra “inteligência”.

Governança amplia o que pode ser feito

Às vezes governança é tratada como o departamento encarregado de dizer “não” depois que alguém teve uma ideia.

Eu vejo de outro modo.

Quando sabemos quais dados podem ser usados, que ferramenta pode agir, qual evidência precisa existir, onde a aprovação é obrigatória e como o sistema falha com segurança, conseguimos permitir mais execução sem depender de confiança cega.

O AI Risk Management Framework do NIST organiza gestão de risco em quatro funções: governar, mapear, medir e gerenciar. É uma estrutura voluntária e ampla, atualmente em processo de revisão; não certifica uma implementação nem fornece uma lista de verificação universal. Ele sustenta uma ideia importante: o risco precisa acompanhar todo o ciclo de vida do sistema.

Governança não é o oposto de capacidade.

É o que transforma capacidade bruta em autoridade delimitada.

A imaginação abre a porta. A arquitetura decide se devemos entrar

Também existe o erro contrário: descobrir que IA pode fazer mais que conversar e concluir que ela deve fazer tudo.

Não deve.

Muitas tarefas continuam pedindo uma integração simples, uma regra determinística, um formulário melhor ou a remoção de uma etapa inútil. Em “Sua empresa não precisa descobrir onde colocar IA”, mostrei como partir do gargalo para escolher a menor intervenção suficiente.

O ponto aqui é anterior.

Se sua imagem de IA termina no chatbot, você talvez nem consiga formular as opções que merecem ser avaliadas. Se sua imagem começa numa inteligência autônoma que resolverá a empresa inteira, você também não conseguirá.

Uma visão é pequena demais.

A outra é grande demais para continuar responsável.

Um exercício para olhar a operação de outro jeito

Escolha um trabalho recorrente da sua empresa e não pergunte ainda “como colocar IA?”.

Pergunte:

1. Que informação entra e de onde ela vem?
2. O que alguém precisa compreender antes de agir?
3. Qual parte segue uma regra fixa?
4. Qual parte depende de linguagem, contexto ou exceção?
5. Que erro se repete?
6. Que evidência mostraria que a entrega está correta?
7. O sistema poderia apenas preparar o trabalho?
8. Poderia validá-lo de forma independente?
9. Poderia executar uma ação reversível?
10. Existe alguma decisão de baixo impacto que cabe numa política estrita?
11. Quando precisa parar e chamar uma pessoa?
12. Quem continua sendo responsável pelo resultado?

Talvez a resposta seja um chatbot melhor.

Talvez seja uma automação, um validador, um agente, um sistema de apoio à decisão ou uma combinação dos cinco.

O que não deveria ser é uma compra de tecnologia procurando um problema para justificar a fatura.

É esse tipo de tradução que eu entrego

Na i-9.ai, meu trabalho não começa oferecendo um chatbot para cada setor.

Começa entendendo como a operação funciona, onde o contexto se perde, quais critérios já existem, que decisões se repetem e qual é a menor arquitetura capaz de melhorar o resultado com controle.

Às vezes a resposta é software convencional. Às vezes é automação. Às vezes é uma interface de conversa. Às vezes é um conjunto de agentes, memória, ferramentas e validações. Frequentemente é uma combinação.

Se você reconheceu um processo que poderia ser mais bem compreendido, validado ou executado, entre em contato. A conversa não precisa começar pela ferramenta.

Pode começar pelo trabalho que hoje depende de esforço, improviso ou confiança demais.

O limite que vale preservar

Eu não tenho medo de uma resposta “soar IA”.

Tenho medo de uma resposta soar segura sem ter evidência, critério ou responsável.

Também não acredito que autoridade venha de fazer tudo manualmente. Autoridade vem de saber explicar por que algo foi feito, com que informação, sob quais limites e como será corrigido se estiver errado.

A IA pode ser uma conversa.

Pode ser uma ferramenta.

Pode ser uma camada de interpretação, um validador, um executor ou uma parte limitada de uma decisão.

O que ela não pode ser é a desculpa para ninguém mais responder pelo sistema.

Se a sua imaginação ultrapassar a janela do chatbot e a sua governança acompanhar esse movimento, a conversa muda.

A pergunta deixa de ser “o que a IA consegue fazer?”.

Passa a ser:

Que capacidade vale construir aqui — e qual controle precisa nascer junto com ela?

Continue lendo

• Sua empresa não precisa descobrir onde colocar IA: como partir do gargalo e escolher entre processo, automação, assistência, agente e decisão governada.
• IA não é uma coisa só: modelo, agente, automação e harness: um mapa das camadas escondidas pela palavra “IA”.
• A melhor resposta não é a que mais me agrada: por que contexto, fontes, discordância e validação importam mais que uma resposta agradável.

Para se aprofundar

• Chatbot: contexto enciclopédico sobre interfaces de conversa.
• Automação: visão geral de sistemas que executam processos com diferentes níveis de intervenção humana.
• Garantia de qualidade: introdução ao conjunto de práticas usadas para prevenir e detectar problemas de qualidade.
• Observabilidade: capacidade de compreender o estado interno de um sistema por evidências como logs, métricas e rastros de execução.
• Princípio do menor privilégio: regra de segurança segundo a qual cada pessoa ou sistema recebe apenas os acessos necessários para cumprir sua função.

Referências e limites de uso

• NIST, “Artificial Intelligence Risk Management Framework 1.0” (2023): organiza atividades de risco em governar, mapear, medir e gerenciar. É voluntário, amplo e não certifica nenhuma arquitetura descrita neste artigo.
• NIST, “AI RMF Playbook”: oferece ações sugeridas para operacionalizar a estrutura. O próprio NIST informa que o material evolui e que suas sugestões não constituem uma lista de verificação universal.
• Anthropic, “Building Effective Agents” (2024): apresenta a distinção da empresa entre workflows predefinidos e agentes que dirigem dinamicamente ferramentas. É uma referência de engenharia da própria Anthropic, não uma taxonomia obrigatória.
• Anthropic, “Trustworthy Agents in Practice” (2026): descreve princípios e escolhas dos produtos da empresa para controle humano, transparência, segurança e privacidade. Não avalia todos os agentes nem garante que uma implementação externa seja confiável.

Os exemplos são hipóteses de arquitetura para explicar graus de capacidade e controle. Não substituem análise técnica, jurídica, trabalhista, financeira, médica ou de segurança no contexto real.

A imagem de capa é uma ilustração editorial sintética criada para mostrar a passagem da conversa para um sistema operacional governado.