Automatizar o caos só acelera o caos: IA em cima de processo quebrado piora tudo

Tem uma frase velha de chão de fábrica que envelheceu melhor que qualquer relatório de tendência: automatizar um processo ruim só faz você produzir defeito mais rápido. Em 2026, com IA agêntica em todo pitch de vendedor, essa frase virou a explicação mais honesta pra um número incômodo: a McKinsey aponta que a maior parte das empresas que escalam IA com sucesso fez uma coisa antes de tudo, redesenhar o processo em torno do que a IA faz, em vez de jogar um agente por cima do fluxo quebrado que já existia.

O contraponto está nas estatísticas de fracasso que circularam no primeiro semestre: para cada 33 protótipos de IA, só 4 chegam à produção (88% de mortalidade), e a Gartner projeta o cancelamento de mais de 40% dos projetos de IA agêntica até 2027. Quando você lê os motivos, raramente é o modelo. É processo: dado sujo na entrada, ninguém sabendo medir o resultado, e fluxo de trabalho que ninguém entende inteiro o suficiente pra automatizar com segurança.

O que acontece quando você automatiza um processo que ninguém mapeou

Imagine uma clínica de médio porte que decide colocar um agente de IA pra confirmar consultas e reduzir o no-show. Boa intenção, problema real. Só que a agenda vive em três lugares: o sistema da recepção, uma planilha da enfermagem e o WhatsApp da gerente. O cadastro do paciente tem telefone desatualizado em metade dos casos. Não existe uma definição única de o que é uma consulta confirmada.

Você pluga a IA nesse cenário e ela faz exatamente o que foi pedida: dispara confirmações em escala. Só que confirma horário errado porque puxou da planilha desatualizada, manda mensagem pra paciente que já cancelou, e gera uma enxurrada de respostas que ninguém definiu quem trata. Em duas semanas, a recepção está mais sobrecarregada do que antes, agora apagando incêndios que a automação acendeu. O agente não errou. Ele acelerou um caos que já estava lá, só que invisível porque era lento.

Redesenhar não é digitalizar o que você já faz errado

O erro conceitual mais comum é tratar IA como uma camada de digitalização: pegar o processo atual, do jeito que está, e colocar um robô pra fazer mais rápido. McKinsey e BCG são diretos ao dizer que isso não escala. O ganho de verdade aparece quando você usa a chegada da IA como pretexto pra fazer a pergunta que ninguém fazia: esse processo deveria existir desse jeito?

Voltando à clínica: o redesenho não é colocar IA pra confirmar consulta. É primeiro decidir que existe uma única fonte de verdade pra agenda, definir o que conta como confirmação, limpar o cadastro de telefone, e só então automatizar a etapa que sobra. Muitas vezes, ao redesenhar, você descobre que metade das tarefas que ia automatizar nem precisava existir. A IA acabou sendo a desculpa pra arrumar a casa, e o ganho real veio da arrumação, não do robô.

Isso bate com um movimento que as próprias fabricantes de IA estão fazendo. OpenAI e Anthropic, em maio de 2026, anunciaram braços de serviços e consultoria pra ajudar empresas a sair do experimento e chegar à produção. Por que uma empresa de modelo de IA monta uma consultoria? Porque eles perceberam que o gargalo do cliente não é o modelo, é a operação ao redor dele. O modelo eles já entregam por API. O que falta no cliente é processo desenhado, dado organizado e gente que sabe medir.

O ciclo que a qualidade já conhecia há 40 anos

Quem vem de gestão da qualidade vai reconhecer o que estou descrevendo: é o velho mapeamento de processo antes de qualquer mudança. Antes de automatizar, você desenha o fluxo real (não o fluxo do manual, o fluxo que de fato acontece), identifica onde o valor é criado e onde só existe retrabalho, define o indicador que diz se está funcionando, e padroniza a entrada. ISO 9001 chama isso de abordagem de processo. Lean chama de mapa de fluxo de valor. O nome muda, a disciplina é a mesma.

A IA não tornou o mapeamento de processo obsoleto. Tornou ele urgente. Nunca foi tão caro automatizar um processo que você não entende.

O detalhe que a maioria pula: medir antes. Se você não sabe a taxa de no-show de hoje, o tempo de ciclo de hoje, o custo por atendimento de hoje, então você nunca vai conseguir provar que a IA melhorou alguma coisa. Vai ter uma sensação, não um número. E sensação não sustenta investimento quando o orçamento aperta. Os 88% que falham quase sempre falham aqui: não tinham baseline, então não conseguiram defender o projeto na hora de renovar.

Um roteiro de quatro passos antes de comprar qualquer IA

1. Mapeie o fluxo real. Sente com quem executa e desenhe o que de fato acontece, passo a passo, incluindo os contornos e os puxadinhos. Quase sempre o mapa real choca quem está na gestão.
2. Corte o que não cria valor. Antes de automatizar, elimine. Tarefa que existe só por inércia não merece um robô; merece um delete.
3. Padronize a entrada e defina a fonte de verdade. Um lugar só pro dado, uma definição clara de cada estado. IA odeia ambiguidade tanto quanto auditor odeia.
4. Meça o baseline e só então automatize a etapa certa. Com o número de hoje na mão, plugue a IA na etapa específica onde ela rende, com regra clara de quando um humano aprova.

Repare que três dos quatro passos não têm nada de IA. São gestão de processo pura. É por isso que insistimos que tecnologia entra no fim, não no começo. O facilita.ops nasceu pra dar esse trilho à PME: mapear processo, amarrar indicador, registrar não conformidade e ação corretiva num lugar só, com a IA acoplada exatamente onde existe dado limpo e decisão com dono. Não é IA pela IA; é a IA chegando depois que a casa está arrumada, que é o único jeito de ela não virar a estatística dos 88%.

A objeção que sempre aparece aqui é: não tenho tempo nem gente pra mapear processo, preciso de resultado rápido. Entendo a pressão, mas ela é justamente o que produz os 88%. Mapear o fluxo de um processo dói por uma ou duas semanas; refazer uma automação que espalhou erro em escala dói por meses e queima a confiança do time na IA, às vezes de forma definitiva. O atalho é mais lento que o caminho. Quem pula o mapeamento não economiza tempo, só transfere o custo pra frente e o paga com juros, na forma de retrabalho e de um projeto cancelado que ainda precisa ser explicado pra diretoria.

O mesmo erro, agora numa indústria de autopeças

A clínica é só um exemplo didático. Troque o setor e o padrão se repete idêntico. Pegue uma indústria de autopeças de médio porte que decide usar IA pra prever quebra de máquina e reduzir parada não planejada. Manutenção preditiva, tema quente, ganho real quando funciona. Só que o histórico de manutenção está em ordens de serviço de papel digitalizadas pela metade, os sensores de três das oito máquinas estão descalibrados, e ninguém registra de forma padronizada o motivo real de cada parada (o operador anota defeito genérico e segue a vida).

O modelo de IA, treinado nesse histórico, vai aprender o caos: vai prever quebra com base em dado de sensor errado e em rótulo de defeito que não quer dizer nada. Resultado: alarme falso que faz a equipe parar máquina boa, e quebra real que passa batida porque o sensor daquela máquina estava descalibrado. Em poucos meses, a manutenção volta a confiar no faro do encarregado veterano e ignora o painel da IA. O projeto morre não porque a IA é ruim, mas porque o dado que a alimentava era uma ficção.

O redesenho, de novo, é quase todo anterior à IA: padronizar o registro de motivo de parada, calibrar e validar os sensores, consolidar o histórico num formato único e confiável. Feito isso, o modelo mais simples já entrega valor. Sem isso, o modelo mais avançado do mundo só dá ao caos uma aparência de ciência. A ordem importa, e ela é sempre a mesma, da clínica ao chão de fábrica: organizar o dado e o fluxo primeiro, automatizar a etapa certa depois.

O resumo que cabe num post-it

Se a sua empresa está sendo pressionada a colocar IA em tudo, a melhor defesa não é resistir nem ceder. É inverter a ordem da pergunta. Em vez de onde eu coloco IA, pergunte qual processo me dói, ele está mapeado, eu sei medir o resultado, o dado de entrada está limpo. Se a resposta pra essas três últimas for não, você ainda não tem um problema de IA. Tem um problema de processo, e nenhum modelo do mundo resolve isso por você.

Arrume o fluxo primeiro. A IA fica muito mais barata, muito mais segura e muito mais fácil de defender no orçamento quando ela é a última peça, e não a primeira. Automatizar o caos só acelera o caos. Organizar primeiro, automatizar depois: essa é a ordem que separa os 12% que chegam à produção do resto que vira slide de aprendizado.

Klaus Fuchs Founder da facilita.etc. 15+ anos liderando gestão estratégica em saúde, educação e organizações sociais. Conduziu acreditações em uma das maiores OSS do Brasil. Escreve sobre o que pratica.