Exemplos de IA generativa: usos reais por área

Exemplo de IA generativa não falta: falta exemplo com endereço. Demonstração de palco impressiona e não diz quem usa, com qual dado, quem confere o resultado e quanto se economiza.

Esta é uma lista de usos que já estão em operação em empresas comuns, organizados por área. Cada um traz o que precisa existir para funcionar e onde ele falha, porque essa segunda parte é a que decide se o projeto sobrevive ao piloto.

Atendimento e suporte

• Resposta rascunhada para o atendente. O modelo lê o histórico do chamado e sugere a resposta, que a pessoa edita e envia. Precisa da base de conhecimento da empresa como fonte. Falha quando a sugestão vira envio automático e o cliente recebe uma promessa que ninguém verificou.
• Resumo de chamado e de conversa. Transforma uma thread de vinte mensagens em três linhas para quem assume o caso. Precisa de acesso ao histórico e quase não erra, porque o revisor é quem vai atender.
• Triagem e encaminhamento. Classifica o que chega e manda para a fila certa. Precisa de categorias bem definidas e de uma regra clara para o que ele não conseguir classificar.

Comercial e marketing

• Resumo de reunião com o cliente, a partir da gravação, com os próximos passos separados. Precisa de consentimento para gravar, e o resumo é conferido por quem estava lá.
• Primeira versão de proposta, montada a partir do modelo da casa e dos dados do cliente no sistema. Falha quando o preço sai do modelo em vez de sair da tabela: número tem que vir do sistema, sempre.
• Variações de texto para anúncio e página, com a marca definida em um documento de referência. É o uso mais popular e o de menor risco, porque tudo passa por revisão antes de publicar.
• Enriquecimento de cadastro, lendo material público sobre a empresa do cliente e preenchendo campos. Precisa de verificação por amostragem, porque a invenção aqui é silenciosa.

Financeiro e administrativo

• Extração de nota e de recibo. Documento chega em PDF ou foto e vira lançamento estruturado, sem digitação. É o exemplo de melhor retorno em quase toda empresa, porque o resultado é conferível item a item e o ganho é medido em horas.
• Conciliação assistida. O modelo sugere o casamento entre extrato e lançamento nos casos ambíguos, e a pessoa confirma. Não substitui a regra determinística: ela resolve os casos óbvios, e o modelo entra no que sobrou.
• Resposta a pergunta sobre política interna, do tipo “posso reembolsar isso”. Precisa buscar na política vigente e citar o trecho, senão vira invenção com cara de norma.

Operação, jurídico e RH

• Leitura de contrato com checklist. O modelo aponta onde está cada cláusula de interesse e o que está ausente. Não emite parecer: ele reduz o tempo de leitura de quem decide.
• Triagem de currículo por critério objetivo, como requisito declarado e experiência mínima. Exige cuidado redobrado com viés e com transparência, e a decisão continua sendo humana.
• Descrição de vaga e de processo, padronizadas a partir de um modelo da casa.
• Documentação de procedimento a partir de gravação, transformando o que alguém explicou em passo a passo escrito. É o uso que mais surpreende quem tenta, porque o conhecimento da operação costuma estar só na cabeça de duas pessoas.

Produto e tecnologia

• Geração e explicação de trecho de código, com revisão de quem entende. O ganho é real em código repetitivo e em teste; o risco aparece quando ninguém revisa o que foi gerado.
• Busca em documentação interna, respondendo com o trecho e o link da fonte. É o que substitui a pergunta no grupo de mensagens.
• Análise de retorno de usuário em volume, agrupando o que centenas de pessoas escreveram em temas com exemplos.

O que muda conforme o tamanho da empresa

O mesmo exemplo tem valor diferente conforme quantas pessoas repetem a tarefa:

• Até dez pessoas. O ganho vem de ferramenta de prateleira usada com disciplina: resumo, rascunho, transcrição. Não vale integrar nada ainda, porque o volume não paga o esforço.
• De dez a cem. Aparece o primeiro projeto que se paga, quase sempre extração de documento ou busca na base de conhecimento interna. Aqui a integração começa a fazer sentido, e o dado da empresa entra na conta.
• Acima de cem. A conversa muda de ferramenta para arquitetura: onde o dado fica, quem pode enviar o quê para fora, e como registrar tudo. É também onde modelo em infraestrutura própria deixa de ser exagero.

Se o conceito por trás de tudo isso ainda estiver em aberto, vale começar por o que é inteligência artificial, porque escolher exemplo sem entender a categoria é como comprar ferramenta sem saber o que ela faz.

Como saber se o exemplo virou resultado

Todo caso desta lista tem uma medida óbvia, e ela precisa existir antes de começar:

• Extração de documento: minutos por documento, antes e depois, e taxa de correção manual.
• Atendimento: tempo até a primeira resposta e quantos chamados terminam sem escalar.
• Resumo de reunião: quantas atas passaram a existir, comparadas com antes, que costuma ser zero.
• Busca interna: queda no número de perguntas repetidas no grupo de mensagens.
• Código: tempo de revisão, e não linhas geradas, que é a métrica que engana.

Sem número de antes, o resultado vira opinião, e opinião sobre IA costuma seguir o entusiasmo de quem propôs o projeto. Vale medir por duas ou três semanas antes de ligar qualquer coisa, mesmo que a medição seja tosca: cronometrar a tarefa em cinco casos já dá base suficiente para comparar depois, e evita a discussão sobre se melhorou.

Os exemplos que não funcionam ainda

Vale ser específico sobre o outro lado, porque é onde o dinheiro se perde:

• Responder cliente sem supervisão em assunto com consequência, como prazo, preço e cobertura contratual.
• Fechar número. Cálculo é trabalho de sistema, e modelo que soma erra de um jeito difícil de perceber.
• Decidir sozinho o que tem efeito jurídico, de aprovação de crédito a desligamento.
• Substituir a revisão de especialista em qualquer área regulada.
• Prometer memória que não existe. Sem um mecanismo próprio, o modelo não lembra da conversa da semana passada.

Como escolher o primeiro

Três filtros resolvem a escolha, e eles eliminam quase toda ideia empolgante:

1. A tarefa é repetitiva e tem volume. Sem volume, o ganho não paga o esforço de integrar.
2. Existe um revisor natural que já olharia aquilo de qualquer jeito.
3. O erro é visível na hora, e não daqui a três meses no fechamento.

Extração de documento passa nos três, e é por isso que ela aparece como primeiro projeto em tanta empresa que deu certo, enquanto o assistente que responde tudo aparece em tanta que parou no piloto. O funcionamento por trás desses usos está em IA generativa: como funciona e onde ela erra, e as categorias de IA que sustentam cada caso, em tipos de IA.

Antes de começar, vale ler os motivos mais comuns de fracasso em por que a IA falha nas empresas, a conta em quanto custa criar uma IA, e o recorte de escopo que vale para qualquer projeto: como definir o escopo do primeiro produto digital.

Perguntas frequentes