A conversa sobre inteligência artificial em empresas costuma se concentrar no que ela pode fazer, e essa é a metade menos útil da discussão. Saber onde a tecnologia não se aplica é o que evita projetos caros que precisam ser revertidos, e é também o que direciona o orçamento para onde ele rende. Este artigo trata dos limites reais — não os teóricos, mas os que aparecem na operação de empresas brasileiras que já implantaram alguma coisa. Reconhecê-los cedo é o que separa uma iniciativa que se sustenta de uma que vira caso de fracasso interno.

Decisões que alguém precisa assinar

Quando uma decisão gera consequência legal, financeira ou contratual, é preciso haver uma pessoa responsável por ela. Modelos produzem recomendação, não responsabilidade.

Casos que se enquadram:

  • Aprovação de crédito e definição de limite
  • Demissão, contratação e avaliação de desempenho
  • Aceite de cláusula contratual
  • Diagnóstico e orientação em áreas reguladas
  • Decisão que afeta segurança de pessoas

A IA pode preparar o material, resumir, apontar riscos e sugerir. A assinatura precisa ser de alguém que responde pela decisão — inclusive porque, se der errado, "o sistema decidiu" não é uma defesa aceitável perante cliente, órgão regulador ou judiciário.

O contexto que não está escrito em lugar nenhum

Modelos trabalham com o que recebem. Uma parte grande do que faz uma empresa funcionar nunca foi registrada:

  • Que aquele cliente específico está sensível por causa de um problema no ano passado
  • Que o fornecedor atrasa sempre em dezembro
  • Que aquela regra existe por causa de uma decisão de um sócio
  • Que o comprador daquela conta prefere ser avisado antes de receber proposta formal

Esse conhecimento tácito é justamente o que evita erros caros em relacionamento comercial. Automatizar interação sem ele produz respostas tecnicamente corretas e comercialmente desastrosas.

Relacionamento, negociação e conflito

Em vendas B2B com ciclo longo e ticket relevante, a relação é parte do produto. O comprador está avaliando se pode confiar na empresa para assumir algo que afeta a operação dele.

Três situações onde a presença humana não é substituível:

  • Negociação — envolve leitura do que não foi dito, concessões e julgamento sobre o que vale ceder
  • Reclamação — o cliente insatisfeito quer ser reconhecido por alguém com autoridade para resolver
  • Comunicação de má notícia — atraso, erro, aumento de preço. Automatizar isso é o caminho mais rápido para perder a conta.

Nesses momentos, a IA pode preparar o atendente com contexto e histórico. Não pode ocupar o lugar dele.

Situações onde erro não é tolerável

Modelos geram respostas plausíveis, e plausível não é sinônimo de correto. Em processos onde qualquer erro é inaceitável, a saída não é confiar no modelo: é desenhar verificação.

  • Cálculo fiscal e tributário
  • Valores em proposta e contrato
  • Especificação técnica com implicação de segurança
  • Dados que alimentam obrigação legal

Nesses casos, a IA pode acelerar a preparação, mas o número que vale precisa vir de um cálculo determinístico e ser conferido. Um modelo que erra uma alíquota com total confiança causa mais dano que o trabalho manual que ele substituiu.

Processo que ninguém conseguiu definir

Se as pessoas da empresa não conseguem explicar como uma decisão é tomada, a IA não vai descobrir sozinha. Ela vai produzir algo que parece uma resposta e que ninguém consegue validar.

Sintomas de que o processo ainda não está pronto para automação de nenhum tipo:

  • Duas pessoas fazem o mesmo trabalho de formas diferentes e ambas consideram correto
  • As regras mudam conforme o caso, sem critério explícito
  • Ninguém sabe dizer o que caracteriza um resultado certo

Aqui o investimento certo é em definição de processo, não em tecnologia.

Cenário hipotético: empresa de serviços técnicos

Uma tentativa de automatizar a precificação de orçamentos com IA não avançou porque cada orçamentista aplicava critérios próprios de ajuste, todos justificáveis e nenhum escrito. O trabalho que destravou o projeto não teve nada de tecnológico: foi reunir os orçamentistas e definir a política de precificação. Depois disso, boa parte do problema já estava resolvida sem IA nenhuma.

Onde, então, ela rende

O perfil que funciona é consistente: volume alto, tarefa repetitiva, resultado verificável e tolerância a revisão.

  • Extração de dados de documentos, com conferência automática
  • Triagem e classificação de solicitações
  • Primeira versão de texto que uma pessoa revisa
  • Busca e resumo sobre a base de conhecimento interna
  • Apoio ao atendente, com o humano decidindo
  • Análise de grande volume de texto — avaliações, respostas de pesquisa, chamados

Repare que em todos os casos há um ponto de verificação. É esse ponto que torna a aplicação segura, e é a ausência dele que caracteriza os projetos que dão errado.

Conclusão

Inteligência artificial rende bem em trabalho mecânico de alto volume com resultado conferível. Não substitui responsabilidade sobre decisão, conhecimento tácito de relacionamento, negociação, comunicação difícil, nem cálculo onde erro não é tolerável.

Reconhecer esses limites não é conservadorismo: é o que permite concentrar o investimento onde o retorno existe. Projetos que tentam aplicar IA onde ela não cabe consomem orçamento, queimam credibilidade interna e atrasam os projetos que funcionariam.