Epoca Negócios
Todo mundo se lembra da época em que os funcionários postavam no LinkedIn o unboxing do welcome kit, a academia e a comida de graça do escritório. Aquilo fazia brilhar os olhos de muita gente. Mas, quando o desafio e o propósito não se materializavam, o encantamento durava pouco.
Hoje, o post mudou de assunto e passou a destacar quantos tokens a empresa consome por dia. E isso acaba sendo o mesmo tipo de sinal: parece uma evidência de que algo importante está acontecendo. Mas não necessariamente. A pergunta que deveríamos estar fazendo é outra: por que estamos aplicando essa tecnologia e como sabemos que ela está funcionando? Aprendemos isso do jeito difícil. Levantamos nossa primeira rodada de venture capital em 2008 e, em 2010, o dinheiro acabou. Passamos boa parte da nossa história sem espaço para errar, e isso ensinou uma disciplina que se aplica bem à IA: nenhum recurso escasso se transforma em resultado apenas porque foi consumido. Evoluímos porque as dores do mercado mudam e porque aprendemos a escutar. Hoje, vivemos um momento parecido com a chegada da IA, que exige a mesma maturidade. O foco não está na tecnologia em si, mas em sua aplicação prática, na sequência certa e no tempo certo. A operação é quem decide Enquanto todos discutem produtos transformados por IA, a verdadeira revolução acontece nos bastidores: na operação, no relacionamento com os clientes, na otimização e no redesenho de processos. A transformação vem de questionar processos que foram padronizados há muitos anos, apenas porque “sempre foi assim”. Muitos processos corporativos continuam iguais há anos simplesmente porque ninguém parou para perguntar se deveriam existir. A IA nos dá uma oportunidade rara de fazer essa pergunta: esse processo precisa mesmo existir? Quando a resposta é sim (e muitas vezes é não), qual é a melhor forma de estruturá-lo? O que costuma acontecer é o contrário: no lugar de transformar, apenas automatizamos um processo que já estava errado. Implementamos IA para fazer o que sempre foi feito, só que mais rápido. Isso não é inovação. É desperdício com mais eficiência. A IA generativa, em sua execução básica, está se tornando uma commodity. E a regra do “lixo entra, lixo sai” nunca foi tão verdadeira. Sem governança e dados limpos, você apenas escala o erro. A verdade incômoda dos tokens Gastar tokens não é sinônimo de sucesso. É fácil consumir milhões deles em prompts mal estruturados, testes sem propósito ou experimentos que não levam a lugar nenhum. Estamos em uma curva de aprendizado, e ela é cara. Na RecargaPay, aprendemos isso na prática. Nossa primeira tentativa de usar IA no atendimento ao cliente foi um aprendizado doloroso. O bot anterior cobria apenas 20% dos temas com 43% de CSAT. Quando o substituímos por IA generativa que cobria 100% dos contatos, a satisfação saltou para 64%, a retenção de 25% para 70%, e o self-service triplicou. Mas, antes disso, tokens jogados fora. Tivemos que parar, repensar a base de dados e a governança. Passamos mais de um ano reestruturando todas as bases do projeto antes de escalá-lo e oficializá-lo. O piloto inicial do projeto mostrou que a IA estava atrapalhando: o tempo médio de operação era 4,5 minutos maior no novo modelo, com IA embarcada. A decisão foi pausar completamente o assistente de IA para todos envolvidos e refazer o projeto do zero. Após a reformulação, a produtividade aumentou 30%, e a percepção de utilidade pelos colaboradores da área cresceu 45%. Adoção comprada não se sustenta Vale fazer um paralelo com um erro que o mercado já cometeu: o dilema do cupom de desconto. Enquanto você paga, o usuário está lá. No dia em que para de pagar, ele some, porque nunca houve um problema sendo resolvido, mas apenas um incentivo sendo comprado. A adoção de IA funciona da mesma forma. É possível construir números com mandato, meta de uso e licenças distribuídas para todo mundo. Mas, se a ferramenta não estiver resolvendo um problema concreto de quem trabalha, o uso cai no instante em que a pressão diminui. Ser pragmático com IA não significa proibir ou restringir o acesso das equipes à ferramenta. Na prática, isso costuma ter o efeito contrário ao desejado e quem precisa usar a tecnologia encontra outro caminho, muitas vezes fora do controle da empresa, e o risco que a restrição tentava evitar só aumenta. Pragmatismo é abrir espaço para a experimentação segura dentro de ambientes controlados, com a participação da área de segurança da informação antes de qualquer solução chegue à produção. A métrica que importa Se o token não é a métrica, qual é? Escala. E escala não significa conquistar 20% de market share. Escala é fazer com que a próxima unidade de trabalho custe menos que a anterior. Esse é o teste, e é nesse ponto que a IA ajuda de forma muito clara. Se o token que você gastou não fez a próxima unidade ficar mais barata, seja o próximo atendimento, a próxima contratação ou a próxima análise, ele foi custo, não investimento. Não importa quantos tokens foram gastos. Na prática, isso significa olhar para o tempo economizado e, finalmente, para a receita por colaborador. Em geral, são menos atraentes para apresentar do que o consumo de tokens. Mas são as únicas que, de fato, interferem no resultado. A verdade incômoda é que a IA dá trabalho. No nosso caso, o Botmaker piorou antes de melhorar. O Copilot foi pausado e reiniciado. Quem só implementa quando tem certeza de que vai funcionar nunca chega ao resultado. A IA não é “automágica”. O que diferencia sua empresa não é a quantidade de tokens que você queima, mas a inteligência estrutural com que os utiliza. Isso exige cultura de inovação e rigor. Exige pensamento crítico. Exige coragem para dizer “não funciona, vamos recomeçar”. Do velho playbook, a parte que vale manter nas empresas é a obsessão por velocidade e escala. A parte a ser descartar logo de cara é “a qualquer custo”. Valia para o crescimento e vale igualmente para os tokens: em um mundo em que o capital é escasso, sustentabilidade não é o freio da estratégia. É a estratégia. Gustavo Victorica é cofundador e COO da RecargaPay Mais Lidas
