Há uma pergunta que quase toda a gente faz quando começa a usar IA num negócio: "Mas o que é que isto faz mesmo por mim?"
Depende do ponto da escada em que o negócio está.
Porque existe uma escada de três degraus, e a maior parte dos pequenos negócios fica no primeiro: falta-lhe menos capacidade técnica do que saber que os outros dois existem.
Este artigo explica os três degraus com exemplos concretos. O objetivo é mostrar onde se está agora, o que significa subir um degrau, e quando faz sentido fazê-lo, sem passar por possibilidades futuristas.
O primeiro degrau: pedir
É aqui que começa quase toda a gente. Uma janela de chat, uma frase escrita, a IA responde.
Perguntas feitas, respostas recebidas. Um rascunho de email pedido, a IA escreve. Um resumo de um documento longo pedido, a IA resume. Sugestões de títulos para uma publicação pedidas, a IA propõe cinco opções.
É útil, e não é pouco, mas tem um limite: só acontece quando alguém aparece.
A IA no primeiro degrau é como um assistente muito rápido que não age enquanto ninguém faz uma pergunta. Cada interação é isolada. Não há memória do contexto anterior, não há continuidade entre tarefas, não há nada que aconteça sem presença ativa.
Para a Helena, consultora de TI de 39 anos que fatura cerca de 100€ por hora, o primeiro degrau foi suficiente durante meses. Usava IA para redigir propostas com maior rapidez, resumir documentos técnicos antes de reuniões, e reformular partes de relatórios para clientes não técnicos. Poupava duas a três horas por semana.
O problema: continuava a precisar de estar presente em cada passo. A IA não fazia nada sem ela.
O segundo degrau: automatizar
Aqui a lógica muda. Deixa de ser preciso iniciar cada interação: uma regra definida antes faz a IA agir quando algo acontece.
O padrão: quando X acontece, a IA faz Y.
Quando chega um formulário de contacto preenchido, a IA analisa o pedido e gera um rascunho de resposta personalizada para revisão. Quando um cliente submete um questionário de acolhimento, a IA cruza as respostas com um template e produz um documento de diagnóstico inicial. Quando um novo produto é adicionado a uma loja online, a IA redige a descrição a partir das especificações técnicas.
A distinção importante: a IA não decide nada sozinha. Executa um passo repetido, dentro de regras definidas antes, e o resultado fica à espera de aprovação ou ajuste.
Andrew Ng, investigador e professor de aprendizagem automática em Stanford, descreve este tipo de fluxo como a base dos sistemas de IA práticos, tarefas bem delimitadas, com entradas e saídas previsíveis, onde a IA substitui o trabalho mecânico sem precisar de autonomia real.
Para a Helena, o segundo degrau chegou quando percebeu que passava cerca de 45 minutos por semana a fazer sempre a mesma coisa: receber pedidos de orçamento por email, ler a descrição do projeto, abrir um template, preencher os campos básicos, guardar o rascunho. Era trabalho mecânico, do tipo que não exige julgamento nenhum.
Configurou uma automação simples: quando chega um email com determinadas características, uma ferramenta extrai as informações principais e preenche o template. O rascunho aparece na sua caixa de saída com um campo de estado "para revisão". Helena lê, ajusta quando necessário, e envia. O que demorava 45 minutos passou a demorar dez.
O critério para subir este degrau não é técnico: esta tarefa é sempre a mesma? O que entra é previsível? Dá para verificar o que sai antes de enviar? Se a resposta for sim às três, pode automatizar-se.
O terceiro degrau: delegar a um agente
Este é o degrau onde a linguagem muda. Aqui dá-se um objetivo a um sistema que vai planear como atingi-lo, executar vários passos em sequência, verificar o próprio trabalho, e só parar quando tiver algo para mostrar.
Um agente recebe um objetivo ("analisa o feedback dos últimos 30 clientes e identifica os três padrões mais comuns"), acede aos dados a que tem acesso, decide a ordem dos passos, executa, revê se o resultado faz sentido, e entrega um documento estruturado.
Andrew Ng descreveu em 2024 o que chama "fluxos de agente": a IA planeia, executa passos intermédios e revê o próprio trabalho antes de entregar o resultado final. Os resultados são substancialmente melhores do que os de um único pedido, precisamente porque o sistema consegue corrigir o próprio percurso.
O agente continua supervisionado. O que muda é a forma da supervisão, que passa a ser mais eficiente.
Paul Daugherty e James Wilson, no livro Human + Machine, argumentam que o trabalho mais valioso na era da IA está em encontrar os pontos de colaboração onde humanos e máquinas fazem, cada um, o que fazem melhor. Um agente só é seguro com um humano a definir o objetivo, a delimitar o acesso aos dados, e a poder travar o processo quando necessário. A responsabilidade editorial e de julgamento não desaparece: muda de lugar.
Para a Helena, o terceiro degrau ainda é parcial. Tem um agente que, uma vez por semana, agrega o feedback recebido de clientes em vários canais, cruza com os projetos em curso, e produz um resumo com sinais de risco e oportunidades de venda adicional. Helena lê o resumo ao início da semana e decide o que fazer com ele. O que antes era um processo manual de 90 minutos passou a ser uma leitura de dez minutos.
O critério para este degrau é diferente do anterior. Não basta a tarefa ser repetida. É preciso que o objetivo seja claro, os dados acessíveis de forma controlada, e que exista uma forma de verificar o resultado antes de agir. E é preciso saber onde travar: que decisões nunca se delegam, que resultados nunca saem sem leitura, que tipos de dados nunca vão para o sistema.
Rafaela: os mesmos três degraus, outro negócio
A Rafaela tem 38 anos, é coach, e o seu negócio é essencialmente ela: o seu tempo, a sua presença, as suas sessões.
Quando começou a usar IA no primeiro degrau, usava-a para preparar materiais de acompanhamento entre sessões: resumos de cada conversa que ela ditava, recursos recomendados por perfil de cliente, perguntas de reflexão adaptadas ao objetivo de cada pessoa. Poupava uma hora por semana.
No segundo degrau, automatizou o pré-trabalho administrativo: quando um novo cliente preenche o formulário de inscrição, a IA gera um documento de acolhimento personalizado com base nas respostas. Quando uma sessão termina e a Rafaela deixa uma nota de voz no telemóvel, essa nota é transcrita e formatada automaticamente como registo de sessão.
O terceiro degrau foi mais lento a chegar, e com mais critério. A Rafaela usa um agente para preparar o acompanhamento mensal de cada cliente: o sistema cruza as notas das sessões do mês, os exercícios feitos, e o que ficou por fazer, e produz um rascunho de relatório de progresso. A Rafaela lê, ajusta para refletir o que sabe da pessoa para além do que está nas notas, e envia.
O que não delegou: a interpretação emocional de cada sessão, a decisão sobre que direção tomar com cada cliente e o contacto humano direto.
Num estudo publicado pelo National Bureau of Economic Research em 2023, Erik Brynjolfsson, Danielle Li e Lindsey Raymond analisaram o impacto de ferramentas de IA no trabalho de assistência a clientes. O ganho médio de produtividade foi de cerca de 14%, mas chegou a 34% para os trabalhadores menos experientes. A conclusão foi que a IA permite a pessoas com menos experiência acumulada atingir resultados que antes exigiam mais anos de prática, precisamente porque lhes dá mais estrutura e feedback imediato. Para a Rafaela, isto traduz-se em conseguir acompanhar mais clientes com a mesma qualidade, sem aumentar as suas horas.
A pergunta que organiza tudo
Olhando para o trabalho desta semana, há uma pergunta mais útil do que "como posso usar mais IA?":
Há aqui trabalho de julgamento, ou trabalho mecânico?
O trabalho de julgamento fica com quem gere o negócio: a conversa com o cliente, a decisão sobre o preço, a avaliação de uma proposta, a escolha estratégica. Ninguém delega isso, e não há razão para o fazer.
O trabalho mecânico (o mesmo passo repetido, o mesmo modelo preenchido, o mesmo resumo produzido da mesma forma) é o que a IA executa bem. E quanto mais tempo se gasta nesse trabalho, menos sobra para o outro.
Subir degraus nesta escada dispensa saber programar e pede outra coisa: distinguir as duas categorias no próprio trabalho, definir onde fica o travão, e manter o critério sobre o que se verifica antes de agir.
A autonomia de um agente é sempre a que lhe é atribuída, dentro dos limites definidos, sobre dados controlados. Quando isso está claro, delegar passa a ser aplicar o tempo onde ele tem mais valor.
O que o Elevate Club tem para isto
No Elevate Club, a área IA no negócio dedica duas aulas a estes dois degraus superiores: "Automações com IA" trabalha como as construir, o que faz sentido automatizar e os erros mais comuns de quem começa, e "Agentes de IA" entra nos agentes: o que são em termos práticos, como delegar com critério, e como manter o controlo sem fazer o trabalho à mão.
São aulas sobre como pensar antes de configurar qualquer coisa, sem se prenderem a uma ferramenta, porque o critério de delegação é anterior à escolha da ferramenta.
O objetivo é ter IA onde faz sentido, e estar presente onde o julgamento humano é insubstituível.
Para pôr isto em prática, o plano «Automatizar com IA» tem as aulas e as ferramentas, em dias de até 15 minutos, e acaba com a primeira automação desenhada, pronta a montar, e os dados do negócio num texto para dar à IA.