Quanto custa automatizar um processo operacional com IA sob medida

A maioria dos fornecedores responde 'depende' e muda de assunto. A resposta mais honesta é que há três faixas distintas de investimento em automação de processos operacionais com IA sob medida, e quatro variáveis determinam em qual sua operação vai cair antes do primeiro protótipo estar no ar. Entender essas variáveis antes de assinar o contrato é a diferença entre um projeto que chega à produção e um piloto eternamente em fase de avaliação.

Por que a resposta 'depende' nunca é suficiente

Segundo relatórios da McKinsey e da Deloitte sobre adoção de inteligência artificial em empresas, a maioria dos pilotos de IA não chega à produção. Uma das causas centrais identificadas é a falta de alinhamento entre expectativa de investimento e escopo real entregue. O problema começa no primeiro contato: o fornecedor usa 'depende' para evitar um número que possa afastar o cliente antes de criar vínculo. O resultado prático é que a empresa entra no projeto com uma expectativa de custo que não corresponde à realidade, o escopo cresce durante a execução, e o projeto termina mais caro do que o orçado e com menos do que foi prometido.

Esse ciclo tem um nome no mercado: piloto eterno. O projeto prova o conceito em ambiente controlado, gera entusiasmo interno e então trava na transição para operação real por falta de orçamento, dados mal preparados ou integrações subestimadas. Para sair desse ciclo, a empresa precisa chegar à primeira conversa com o fornecedor já sabendo em qual faixa de projeto está, e quais são as variáveis que vão determinar o custo total, incluindo tudo que vem depois do go-live.

As três faixas de investimento em automação com IA

Projetos de automação com IA sob medida se organizam em três faixas principais, determinadas por escopo, complexidade e profundidade de integração. A primeira faixa cobre pilotos focados: um processo único, bem delimitado, com dados minimamente estruturados e uma ou duas integrações simples. O objetivo é validar o modelo operacional antes de escalar, com time de projeto enxuto e ciclo curto. Esse é o ponto de entrada mais comum, e também onde mais projetos travam porque o escopo foi subestimado desde o início.

A segunda faixa cobre implantações operacionais completas: o processo entra em produção, há integrações com ERPs ou sistemas de gestão, a equipe opera com o agente no dia a dia e há um plano de sustentação. Nessa faixa, o valor entregue começa a aparecer em métricas de operação reais, não apenas em demonstrações. A terceira faixa envolve reconstrução de operações em múltiplos processos: agentes especializados por função, integração profunda com infraestrutura existente, orquestração entre fluxos e um plano formal de evolução ao longo do tempo. O que move um projeto de uma faixa para a outra são sempre as mesmas quatro variáveis.

Variável 1: complexidade do processo e o mapa de exceções

A complexidade de um processo operacional não é medida pelo número de etapas no fluxograma. É medida pelo volume de exceções que não seguem o caminho padrão. Um processo de compras que parece simples pode ter dezenas de variações por categoria de fornecedor, tipo de item, regra tributária estadual ou aprovação por alçada. Cada exceção exige lógica adicional no agente, testes adicionais e tempo de projeto adicional.

O problema é que a maioria das exceções não está documentada. Elas existem na cabeça das pessoas que operam o processo há anos, não nos manuais ou nos fluxogramas apresentados na reunião de briefing. Na automação de compras que desenvolvemos em operação de mineração, o processo caiu de 30 para 5 minutos por pedido, mas isso só foi possível depois que mapeamos e codificamos cada uma das exceções que a equipe operava no automático. Subestimar esse mapeamento é a causa mais comum de escopo inflando no meio do projeto, e de prazo estourando junto com o orçamento.

O que mais encarece um projeto de IA não é o modelo de linguagem. São as regras não documentadas que a equipe opera no automático e que só aparecem quando o agente erra pela primeira vez em produção.

Variável 2: estado dos dados e custo de preparação

Agentes de IA operam sobre dados. Se esses dados estão em planilhas manuais, PDFs sem estrutura, campos de texto livre em sistemas legados ou dispersos entre departamentos sem padronização, o custo de preparação de dados pode representar parte substancial do esforço total de um projeto. Esse esforço não é glamoroso e raramente aparece destacado numa proposta comercial, mas é determinante para o prazo e para o custo final.

O problema tem raiz estrutural. A empresa convive com dados inconsistentes porque o processo ainda funciona com intervenção humana, que corrige as inconsistências de forma invisível. Quando o objetivo é automatizar, cada inconsistência precisa ser tratada como risco de falha. Segundo a Deloitte, a qualidade de dados é citada recorrentemente como um dos principais obstáculos à implantação de IA em operações de médio porte. Projetos que chegam com dados bem estruturados, APIs acessíveis e histórico limpo têm custo de desenvolvimento menor e chegam à produção em menos tempo. Projetos que descobrem o estado real dos dados depois de assinar o contrato têm escopo revisado durante a execução.

A forma de antecipar isso é fazer uma avaliação técnica de dados antes de qualquer proposta formal. Fornecedor que propõe escopo sem ver os dados está precificando no escuro, e o risco dessa conta cai inteiramente sobre o cliente.

Variável 3: profundidade de integração com sistemas existentes

Toda automação de processo operacional precisa conversar com pelo menos um sistema de gestão. O custo dessa integração varia radicalmente dependendo de três fatores: se o sistema tem API documentada e acessível com autenticação padrão; se há regras de negócio embutidas no ERP que precisam ser respeitadas e testadas individualmente; e se há equipe interna ou parceiro técnico capaz de dar suporte à integração ao longo do projeto, não apenas no momento do setup inicial.

Projetos que envolvem Protheus ou outros módulos TOTVS em ambientes de médio porte costumam ter integrações mais complexas porque o comportamento do sistema varia por parametrização local. Duas empresas rodando o mesmo módulo podem ter configurações completamente diferentes, o que significa que cada integração precisa ser mapeada e testada do zero. A nossa fábrica de agentes foi construída para absorver essa variabilidade, mas ela tem custo real de engenharia que precisa estar na conta desde o início da proposta, e não surgir como item adicional depois que o contrato foi assinado.

Integração não é uma linha no orçamento. É uma variável de risco que pode dobrar o esforço de um projeto quando avaliada tarde demais.

Variável 4: sustentação e evolução pós-go-live

O custo que quase nunca aparece no primeiro orçamento é o da sustentação. Um agente em produção não é um software estático entregue e esquecido. O processo muda, as regras de negócio mudam, os sistemas integrados recebem atualizações, novos cenários de exceção surgem, e o agente precisa acompanhar tudo isso para continuar operando com qualidade. Sem um plano de sustentação, o agente que funcionou perfeitamente na entrega começa a degradar em semanas ou meses.

Em projetos da Forya, a sustentação inclui monitoramento contínuo de performance, ajuste de lógica de negócio quando o processo muda, suporte a novas exceções identificadas em produção e evolução planejada de funcionalidades. Esse componente representa um custo recorrente que precisa entrar no planejamento financeiro do projeto desde o início. Ignorá-lo cria a ilusão de um projeto mais barato do que é, e gera descontinuidade operacional no momento em que o agente começa a errar em cenários que não existiam na fase de projeto.

O que os dados de mercado dizem sobre automação em empresas de médio porte

A McKinsey tem documentado em seus relatórios sobre o futuro do trabalho que a automação de processos operacionais repetitivos tem alto potencial técnico, mas que a distância entre potencial técnico e adoção real em produção permanece grande. A Deloitte aponta em estudos sobre transformação digital que a maioria das iniciativas de IA em empresas de médio porte esbarra nas mesmas barreiras: governança de dados, integração com sistemas legados e falta de plano de mudança organizacional. Esses estudos convergem num ponto central: a barreira raramente está na tecnologia de IA em si. Está na infraestrutura ao redor dela.

Para empresas de médio porte, isso tem uma implicação direta no custo total: projetos que investem na preparação do ambiente antes de construir o agente têm resultado melhor do que projetos que tentam acelerar para a entrega e tratam o ambiente como problema do cliente. A sequência importa tanto quanto o orçamento.

Como calcular o retorno antes de assinar o contrato

A conta do ROI em automação de processos operacionais é mais direta do que parece quando o processo está bem mapeado. Estime o tempo médio de execução humana por transação, multiplique pelo volume mensal, multiplique pelo custo hora da equipe envolvida diretamente no processo. Esse número representa o custo operacional atual do processo. Compare com o custo total do projeto, incluindo desenvolvimento, integração, preparação de dados, sustentação por doze meses e treinamento de equipe quando necessário. Essa é a conta completa.

Em processos de alto volume com etapas repetitivas bem definidas, o breakeven costuma aparecer antes do final do primeiro ano de operação. Na automação de compras que desenvolvemos em operação de mineração, a equipe passou a operar com 6x a capacidade anterior mantendo o mesmo tamanho, e o índice de erros no ERP chegou a zero. Esses resultados vieram de um projeto estruturado que mapeou exceções com rigor, preparou os dados antes de construir, integrou com o Protheus local da operação e teve plano de sustentação desde o início.

O custo de não automatizar não aparece em nenhuma linha do orçamento. Mas ele existe: é o teto de capacidade da sua operação atual, o erro que passa pelo cansaço humano e o tempo de gestor gasto em revisão manual que poderia estar em decisão.

Antes de entrar em qualquer conversa com fornecedor de IA sob medida, mapeie as quatro variáveis do seu projeto: complexidade de exceções, estado dos dados, profundidade de integração e modelo de sustentação. Um fornecedor que responde a essas quatro perguntas com clareza antes de qualquer proposta está precificando com responsabilidade. Um fornecedor que responde 'depende' e avança para a demonstração está vendendo escopo que vai crescer depois que você assinar. A diferença entre um piloto que fica em apresentação e uma automação que roda em produção começa nessa conversa.

Quer ler a sua operação a fundo?