Letramento em IA para Executivos

Ao fim deste capítulo você consegue olhar para qualquer tarefa da sua semana e decidir o que a IA pode gerar, o que precisa de regra fixa e quem confere e decide. Também sai sabendo ler os números de adoção que chegam ao conselho.

Exemplo hipotético: antes da reunião semanal de desvios, a presidente de uma empresa (CEO) recebe 42 slides, comentários de cinco diretorias e três versões do mesmo número de margem. O objetivo é ganhar velocidade sem misturar três trabalhos que chegam com o mesmo rótulo de IA: resumir documentos, reconciliar números e autorizar uma ação.

Para fazer a atividade, escolha uma tarefa da sua semana e separe os documentos usados nela. Ao final, você terá três colunas: o que gerar com IA, o que calcular com uma fórmula e qual decisão cabe a uma pessoa.

Como a IA monta uma resposta

Um modelo de linguagem é um programa treinado em uma quantidade enorme de texto. Ele não consulta uma enciclopédia interna nem copia uma resposta pronta: calcula qual continuação parece mais adequada ao que recebeu e monta a resposta parte por parte.

Desse mecanismo vem a força para sintetizar, comparar, reescrever, classificar e propor. Vem também a fragilidade, porque uma frase pode soar segura enquanto mistura fato, inferência e invenção na mesma linha. Quando a invenção sai com a mesma segurança de uma resposta correta, o nome técnico é alucinação.

O modelo também tem uma data de corte do conhecimento, a última data de que ele tem informação por treino. A tabela oficial da Anthropic, consultada em 24/10/2026, informa junho de 2026 como corte confiável dos quatro modelos atuais da casa. O que aconteceu depois só entra na resposta se você anexar o documento ou se a ferramenta fizer uma busca.

A tabela também mostra o ajuste de esforço: o tempo de processamento que o modelo dedica à resposta. Para escolher, rode a mesma tarefa nos níveis disponíveis e compare acerto, tempo e consumo. Use o menor nível que passar nos critérios da tarefa; confira se o plano cobra esse consumo à parte. O Claude Haiku 5.5, lançado em 07/10/2026, é o primeiro modelo da linha mais barata da Anthropic com esse ajuste.

Quem calcula, quem escreve e quem interpreta

Exemplo hipotético: a diretoria recebe cinco mil comentários de clientes e quer identificar temas ligados à renovação. A IA agrupa os comentários, uma planilha conta os grupos e a equipe confere uma amostra antes de interpretar os resultados.

Confira três coisas nesse exemplo: cada comentário entrou no grupo adequado, a soma dos grupos bate com o total e os dados de renovação sustentam a interpretação. Se a IA tiver acesso a uma calculadora ou planilha, ela pode executar a conta; peça a fórmula e os dados usados para repeti-la.

Pesquisas de adoção: confira o que cada uma contou

Você vai ouvir números de adoção muito diferentes, e cada um mede uma coisa. O capítulo 4 do AI Index 2026, do Stanford HAI, registra que 88% das organizações pesquisadas adotaram IA em alguma medida. A coleta é das pesquisas State of AI da McKinsey, com campo em 2025: quem cita o AI Index cita um intermediário e um retrato do ano anterior.

A edição 2026 do State of AI da McKinsey, com 1.719 respondentes, repete os 88% com uso regular em pelo menos uma função e mostra a IA generativa saltando de 33% das organizações em 2024 para 72% em 2026. Nenhum desses percentuais conta quantas rotinas foram redesenhadas.

Em 09/07/2026, o grupo FutureTech do MIT mediu a adoção pelos formulários 10-K entregues à SEC, a comissão de valores mobiliários dos Estados Unidos. São declarações com responsabilidade legal, e não respostas de questionário. Por esse critério, 11% das empresas da S&P 500 tinham IA profundamente integrada aos processos em 2025, contra 5% em 2022, e dois terços dessa adoção estão no setor de tecnologia.

O retrato brasileiro mais recente repete a distância. Pesquisa da MIT Sloan Management Review Brasil encomendada pela TOTVS, com 583 profissionais e divulgada pela Forbes Brasil em 15/10/2026, encontrou 80% das empresas testando ou usando IA e só 7% com IA no centro do negócio. A mesma pesquisa aponta que 86% não medem quanto gastam com IA; o período de campo não foi informado.

Como ler qualquer percentual de adoção

Antes de comparar os percentuais, registre quem respondeu, quando, em qual país e o que a pesquisa chamou de adoção. Uso ocasional, uso regular e integração ao processo são medidas diferentes. Não subtraia percentuais de pesquisas com populações e critérios distintos para estimar quanto falta à sua empresa.

Diante de qualquer percentual, pergunte o que foi contado. Quatro coisas distintas circulam com o mesmo nome de adoção, e cada uma autoriza uma frase diferente na reunião.

As seis peças de um sistema de IA

Na sua empresa, a pergunta útil passou a ser onde a IA é usada, com qual dado e quem responde quando a saída estiver errada. Responder exige nomear as peças do sistema.

No mapa da sua tarefa, anote quais destas seis peças já existem. Uma rotina simples pode usar apenas dados, um assistente e uma pessoa que revise a entrega.

Os dados são o material de entrada: políticas, atas, números, contratos e sinais externos. O modelo é o motor que interpreta esses dados e, conforme suas capacidades, gera texto, imagem, áudio, vídeo, código ou análise. O assistente é o uso individual, em geral numa conversa, como o chat em que o diretor financeiro (CFO) prepara perguntas para a reunião mensal.

O fluxo de trabalho é uma rotina com entrada, sequência, revisão, saída, frequência e responsável, como consolidar desvios toda segunda-feira e publicar o briefing. O agente escolhe passos e mexe em sistemas com crachá próprio, dentro das permissões dadas; o capítulo 9 trata dele. O modelo operacional reúne papéis, processos, métricas e controles que sustentam a escala.

Dados e modelo sustentam capacidades; assistente, fluxo e agente organizam o uso; o modelo operacional sustenta a operação. Um agente pode existir sem maturidade nenhuma em volta, e por isso autonomia nunca serve de atalho para um fluxo mal definido.

Gerar com IA ou manter regra fixa

Pense no GPS. Ele combina mapa, trânsito e destino, recalcula alternativas e estima tempo. Não enxerga a enchente que começou agora, não conhece a conversa delicada que você terá ao chegar e não responde por atravessar uma rua interditada. A IA faz esse papel no trabalho intelectual: propõe caminhos, e o executivo escolhe o destino e assume o volante.

Raramente a pergunta certa é usar IA ou não usar. O resultado depende de separar, tarefa a tarefa, a parte do trabalho que ganha com variação da parte que exige regra fixa: o sistema que devolve sempre o mesmo resultado para a mesma entrada, como a fórmula da planilha, e que os técnicos chamam de determinístico.

Generativo ou regra fixa, tarefa a tarefa

Exemplo resolvido: o briefing semanal de desvios

Ainda no mesmo exemplo hipotético, o chefe de gabinete precisa escolher quais três desvios vão ao comitê e quais seguem no acompanhamento normal. Um primeiro pedido possível seria "leia tudo e me diga os principais problemas da empresa hoje".

Na resposta hipotética, comentários repetidos ganharam mais destaque que os indicadores conferidos. Faltavam três instruções: qual impacto torna um problema prioritário, qual arquivo contém os números válidos e quem pode aprovar a ação. Esses critérios precisam entrar no pedido.

Pedido corrigido: prepare o resumo da presidente para a reunião semanal. Use os números conferidos do painel anexo e trate os comentários como hipóteses. Destaque até três desvios acima do limite de impacto definido no anexo; inclua até três divergências entre áreas e as perguntas necessárias para decidir. Para cada desvio, informe fonte, período, interpretação e quem pode aprovar a ação. Copie os valores do painel sem recalculá-los.

Na figura, compare o fato com a hipótese: o número vem do painel; a possível causa ainda precisa ser investigada. Use essa separação para revisar o resumo produzido.

Conferência: três erros prováveis e a correção de cada um

Três verificações fecham a revisão do briefing. Todo número vem do painel conciliado, o que impede a narrativa de transformar comentário em medida. Fato e hipótese aparecem separados, o que impede causa presumida de parecer comprovada. A prioridade segue materialidade e alçada, e o volume de texto deixa de contar.

Fora do briefing, três erros de modelo mental contaminam o resto do curso. Fluência não equivale a verdade: confiança verbal é característica do texto, e a correção é exigir a fonte. Mais contexto não corrige fonte ruim: documento desatualizado produz síntese desatualizada com a mesma elegância, e a correção é datar a fonte principal.

Automação, por sua vez, não cria responsabilidade. Alguém continua dono do processo e do efeito da decisão, com nome e cargo, mesmo quando a máquina executou cada passo, e a correção é escrever esse nome antes de ligar a automação.

Para cálculos que precisam seguir uma regra formal, use a fórmula aprovada e registre as entradas. Para resumir ou redigir alternativas, use a IA e confira os trechos que mudariam a decisão. Uma mesma tarefa pode combinar os dois métodos.

O mapa de componentes em quatro passos

O mapa vira instrumento de gestão quando alguém o aplica aos usos que já existem na diretoria. O roteiro cabe em duas semanas e não exige compra.

Inventário das portas de entrada. Quem responde pela sua agenda lista, em cinco dias úteis, as ferramentas de IA usadas na diretoria, inclusive contas pessoais pagas no cartão corporativo, a omissão mais comum. Pronto quando cada ferramenta tiver ao lado quem a usa e para qual rotina.

Separação por mecanismo. Para cada rotina, o dono do processo marca se o resultado precisa sair sempre igual, e então vai para regra fixa, ou se admite variação, e então cabe geração com revisão. Pronto quando os cálculos tiverem fórmula e dados identificados, e as interpretações de contratos ou tributos tiverem um revisor responsável.

Fronteira humana. O diretor da área escreve, rotina a rotina, quem confere a saída e quem assina a decisão, com nome e cargo. Pronto quando nenhuma linha trouxer o nome de uma área no lugar do nome de uma pessoa.

Revisão do mapa. Agende uma conferência trimestral e outra quando mudar a ferramenta, o contrato ou a finalidade de uso. Pronto quando a lista tiver responsável e data da próxima revisão.

Como conferir a saída

No exemplo hipotético, o briefing está pronto para o comitê quando traz três desvios, cada um com fonte e dono, em vez de 42 slides, e quando a controladoria consegue refazer cada número a partir da fonte indicada. Se algum número não puder ser refeito, ele volta à controladoria antes de chegar à CEO. A IA pode continuar redigindo o texto, enquanto o cálculo, a conferência e a decisão seguem com responsáveis nomeados.

Saber que a máquina preenche lacunas leva direto à próxima pergunta, que é como fechar essas lacunas no próprio pedido. É o assunto do capítulo 2.

Ao fim deste capítulo você terá um pedido recorrente da sua diretoria reescrito em cinco campos, com três critérios de aceite escritos antes de gerar, e guardado onde a equipe consegue reusar.

Exemplo hipotético: uma equipe envia à IA um pedido que diz apenas "analise os resultados e faça um resumo para a diretoria". O texto que volta parece profissional, usa o período errado, repete indicadores que estavam dentro da faixa e não informa de onde vieram os números. A IA preencheu as lacunas que a liderança deixou abertas.

Ao pedir uma campanha a uma agência, informe público, objetivo, orçamento, prazo e o que precisa ser entregue. Faça o mesmo com a IA. Esse texto de pedido é chamado de prompt; briefing é o resumo das orientações para realizar o trabalho.

C.L.A.R.O.: cinco campos para escrever o pedido

C de contexto e objetivo: a situação, quem usará a entrega e qual decisão ela apoia. Exemplo hipotético: sou diretor financeiro e preciso comparar manter dinheiro em caixa com antecipar a compra de estoque.

L de limites e critérios: escopo, horizonte, premissas, proibições e definição de qualidade. Use só dados até 30/06, não estime números ausentes, sinalize divergências acima de 5%. É o campo que mais economiza revisão depois.

A de anexos e dados: arquivos usados, período e responsável por cada um. R de referências: onde encontrar a informação, como aba e célula de uma planilha. O de output, palavra em inglês para saída: formato, tamanho e ordem da entrega. Exemplo: uma página com três opções, custos e a pergunta que falta responder.

Contexto com hierarquia, instrução separada de evidência

Enviar vinte arquivos sem dizer qual é a fonte de verdade transfere ao modelo uma decisão que é sua. Bom contexto tem hierarquia: objetivo, fonte principal, fontes auxiliares, data de corte, termos da empresa e conflitos conhecidos.

Separe também instrução de evidência. Um contrato anexado pode conter a frase “ignore as regras anteriores”, e ela faz parte do documento: não comanda o sistema. Em uso corporativo, documentos e páginas externas são dados potencialmente hostis, e a instrução vem do fluxo aprovado. O capítulo 8, sobre dados e responsabilidade, mostra o que acontece sem essa fronteira.

Se faltar período, público ou fonte principal, peça que a IA pergunte antes de começar. Quando esses dados já estiverem claros, ela pode produzir a primeira versão.

Os cinco campos e o teste de cada um

Um pedido bem organizado ainda precisa passar num teste: outra pessoa, ou outro modelo, consegue avaliar a entrega sem adivinhar o que você quis dizer. A terceira coluna diz como conferir cada campo antes de enviar.

Critério de aceite antes de gerar, e onde guardar o pedido

Critério de aceite é a condição observável, escrita antes de gerar, que diz se a entrega serve. “Completo” e “estratégico” não são critérios. “Todo número material cita fonte e cálculo” e “toda hipótese aparece rotulada” são, porque qualquer pessoa confere olhando a saída.

Um exemplo e um contraexemplo ensinam mais que três parágrafos de instrução: aceite causa acompanhada de evidência, recuse correlação apresentada como causa. Diga também quando a IA precisa parar e perguntar, como diante de cláusula ambígua que deve ir ao advogado responsável.

O pedido também pode dizer quanto cuidado você quer. Para rascunho, peça resposta rápida. Para a análise que vai ao comitê, peça que a IA revise as premissas antes de responder e, se a ferramenta oferecer o ajuste de esforço apresentado no capítulo 1, escolha o nível adequado à tarefa. Esse ajuste pode aumentar o tempo e, em uso cobrado por consumo, o gasto; a frase no pedido orienta o modelo, mas não substitui a configuração. Confira a entrega mesmo quando usar esforço alto.

Salve o pedido aprovado em uma pasta compartilhada ou nas instruções do projeto. Algumas ferramentas também permitem criar uma habilidade (skill): um conjunto de instruções reutilizáveis que pode ser chamado pelo usuário ou selecionado pelo assistente.

Em 22/10/2026 a Anthropic anunciou, na sala de imprensa, a doação do padrão aberto de habilidades à Agentic AI Foundation, a mesma fundação que mantém o protocolo aberto de conexão de ferramentas. O guia prático deste capítulo mostra onde salvar o pedido em cada assistente.

Exemplo resolvido: o comitê de caixa, antes e depois

O comitê de caixa do CFO começou com o pedido “analise o caixa e diga o que devemos fazer”, que não define horizonte, fontes, alçadas, cenários nem prova esperada.

Reescrito, ele declara o contexto (preservar liquidez nas próximas treze semanas), os limites (não estimar saldos ausentes, destacar divergências acima de 5%, não autorizar pagamentos), os anexos com data, dono, aba e célula, e a saída: uma página, três cenários, cinco exceções e as perguntas que bloqueiam a decisão.

A análise fica comparável entre semanas, e cada número material pode ser verificado. A tesouraria confirma saldos, a controladoria reconcilia fórmulas e o CFO decide; a IA prepara, questiona e organiza. O mesmo conserto vale para a revisão de incidentes do COO, em que “crie um plano completo” virou uma página com linha do tempo, padrões, evidência contrária, lacunas, dono e prazo, sem declarar causa raiz sem registro técnico que a sustente.

Erro provável e a escolha que cabe a você

O erro mais provável neste ponto é escrever os critérios depois de ver a saída, quando qualquer texto razoável parece bom. A correção é simples e pede disciplina: três critérios no papel antes de apertar enviar. Resta decidir quando o pedido completo compensa o tempo que ele custa.

A biblioteca de pedidos da diretoria em quatro passos

Pedido bem escrito rende pouco na sua pasta pessoal e muito quando vira biblioteca da diretoria, reutilizada por quem chega depois e comparável entre ferramentas.

Escolha das rotinas. O diretor seleciona três pedidos que a equipe repete toda semana ou todo mês, como leitura prévia de comitê, análise de variação e resposta a cliente. Pronto quando cada um tiver frequência, dono e a decisão que apoia escrita numa linha.

Redação nos cinco campos. O dono de cada rotina preenche o C.L.A.R.O. e escreve três critérios de aceite antes de gerar qualquer saída. Pronto quando outra pessoa da equipe rodar o pedido sem perguntar nada ao autor.

Teste sem mostrar a versão. Gere as duas respostas com os mesmos dados e peça a um colega que aplique os três critérios sem saber qual pedido produziu cada uma. Aprove a nova versão quando cumprir os três critérios obrigatórios e melhorar pelo menos um resultado, como tempo de revisão ou clareza.

Guarda com versão. Quem mantém os documentos da área publica os pedidos aprovados como habilidade ou numa pasta com versão, data e dono, e arquiva o que foi substituído. Pronto quando houver três pedidos na versão 1.0 e a equipe souber onde estão. Se a equipe continuar pedindo ajuda ao autor, o campo de contexto ainda está vago.

De volta ao pedido do exemplo

No exemplo hipotético, confira os três critérios no resumo: período correto, apenas indicadores fora da faixa e fonte de cada número. Marque o que passou e devolva ao pedido a instrução que faltou.

Na próxima aula, você vai conferir as fontes e os cálculos que sustentam esses números.

O pedido que não precisa ser colado de novo

O molde C.L.A.R.O. rende mais quando o contexto e os limites ficam gravados na ferramenta, e só os anexos e a entrega mudam a cada pedido. Os três assistentes mais comuns em diretoria têm um lugar para isso. No Claude e no ChatGPT ele se chama projeto: uma pasta com instruções próprias, arquivos de referência e as conversas daquele assunto. No Gemini, chamava-se Gem e está virando habilidade.

Três fatos das páginas oficiais, lidas em 01/10/2026, definem onde gravar a instrução. No Claude, projetos existem em todos os planos, com limite de cinco no gratuito, e a instrução do projeto vale para todas as conversas dele (ajuda do Claude).

Nas outras duas ferramentas, o movimento é de troca de formato. A OpenAI avisou em 11/09/2026 que vai aposentar os GPTs personalizados e oferecer migração para plugins (notas de versão do ChatGPT). E o Google remove os Gems em novembro de 2026 nas contas pessoais e em março de 2027 nas contas de empresa, recriando cada um como habilidade (ajuda do Gemini).

A consequência prática é simples: instrução nova de equipe vai para um projeto, e não para um GPT personalizado ou um Gem, que têm data para acabar. O que já existe nesses dois formatos entra no inventário de ferramentas da diretoria, com dono e data de migração.

Ao fim deste capítulo você consegue anexar a prova certa a uma resposta de IA, auditar a promessa de um fornecedor e decidir quanto de revisão cada saída merece, pelo impacto e pela chance de reverter.

Exemplo hipotético: uma diretoria leva à CEO um caso de negócio que promete economia anual de R$ 1,8 milhão. A frase aparece em três slides, e o cálculo mistura redução de horas, despesa evitada e benefício que ainda depende de negociação.

Separe uma resposta de IA e os documentos usados no pedido. Você vai conferir três pontos: a fonte contém a informação, o cálculo pode ser repetido e a conclusão respeita o período e as condições dos dados.

Confiabilidade se mede tarefa a tarefa

Vinte e seis modelos passaram por um mesmo teste de alucinação, a resposta inventada que sai com cara de certa, reunido no AI Index 2026, do Stanford HAI. O teste tem um arranjo particular: a afirmação falsa chega apresentada como crença do próprio usuário. Nesse arranjo, e só nele, os erros foram de 22% a 94% conforme o modelo.

Por isso um piloto bem-sucedido em resumo de ata não autoriza o mesmo sistema a classificar risco de crédito. A pergunta acionável é qual taxa de erro foi medida nesta tarefa, com estas fontes e esta revisão, e quem assume o erro que escapar.

Erro de IA também deixa rastro público. Antes de aprovar um uso, procure o seu setor nas duas bases de incidentes abaixo e veja que tipo de falha já aconteceu com quem usou a mesma tecnologia.

A sensação de ganho engana até quem conhece a armadilha

A METR, organização sem fins lucrativos que avalia o que os modelos fazem de fato, comparou quanto profissionais achavam que a IA havia acelerado o trabalho com quanto ela acelerou, e encontrou superestimação da ordem de 40 pontos percentuais. Impressão de ganho e ganho medido são grandezas diferentes, e só a segunda entra num caso de negócio.

No levantamento que a METR publicou em 11/05/2026, com 349 respondentes, quem declarou os menores ganhos foram os próprios funcionários da METR, que conhecem o viés. Conhecer a armadilha reduz o efeito sem eliminá-lo, e as respostas continuam autodeclaradas. Se o ganho de uma rotina nunca foi medido contra o tempo que ela levava antes, o percentual da apresentação mede a impressão de quem usa.

Entrega boa não prova entendimento

Um preprint de 18/09/2026 acrescenta outra camada. Com 55 estudantes de programação analisados, quem usou o ChatGPT teve escore de tarefa de 89%, contra 69% de quem usou busca, mas lembrou menos do que fez: 39% contra 52% de recordação depois de 48 horas, e 45% contra 81% de senso de autoria. O estudo no arXiv ainda não passou por revisão por pares, e o público é universitário.

Para a diretoria, a lição é estreita e útil: entrega bem feita não prova que quem assinou entendeu o conteúdo. É mais um motivo para que a conferência fique com alguém capaz de explicar a origem de cada número.

A terceira armadilha é tratar publicação acadêmica como fim de conversa. Em maio de 2026, a revista Humanities and Social Sciences Communications, do grupo Nature, retratou uma meta-análise de 51 estudos sobre ChatGPT em educação, por discrepâncias que minaram a confiança na validade da análise. Parte das críticas apontava estudos que já haviam sido retratados.

O trabalho somava cerca de 504 citações até a retratação, e centenas de textos seguem citando uma conclusão que a revista retirou. A defesa é registrar de onde saiu cada número, com data e endereço, para que outra pessoa refaça a conferência meses depois.

O cartão de evidência, em seis campos

Esse registro é o cartão de evidência, o cartão de leitura da abertura com dois campos a mais. Anexe-o a toda saída que influencie dinheiro, pessoas, clientes, reputação ou obrigação legal.

A afirmação diz o que está sendo alegado, sem adjetivo vago. A fonte nomeia documento, página, aba, célula, endereço, dono e data de corte. O cálculo mostra a fórmula que produziu o número e o denominador de todo percentual, porque dois números iguais podem dividir por bases diferentes.

A premissa declara o que foi assumido e ainda pode mudar. A incerteza expõe lacunas, conflito entre fontes e limite de cobertura. O responsável nomeia quem verificou e quem decide, que podem ser pessoas diferentes.

Quatro classes que não podem se misturar

Um relatório costuma dizer, em três linhas seguidas: a margem caiu 2,1 pontos, a causa foi desconto excessivo, devemos suspender a campanha. São quatro trabalhos diferentes, e cada um pede um tratamento próprio.

Provas de naturezas diferentes

Revise uma entrega nesta ordem: confira se respondeu ao pedido; abra as fontes das afirmações principais; refaça os cálculos; procure dados que contrariem a conclusão. Encaminhe questões da área a quem conhece o assunto e registre correções encontradas depois do uso.

Por exemplo, um relatório pode estar no formato certo e citar a receita do ano errado. Ao abrir a planilha, confira o período e o cálculo, além da presença do link. O curso de E-E-A-T e Qualidade de Conteúdo aplica essa conferência a textos publicados.

O comportamento em uso é o item mais esquecido. Depois de aprovado, o sistema pode perder acerto em silêncio quando a realidade muda e ele continua igual, e só os registros de retrabalho e de incidentes mostram essa perda.

Exemplo resolvido: a promessa do fornecedor

Volte ao caso dos R$ 1,8 milhão. A proposta traz redução de 30% no tempo de preparação, percentual fictício medido em estudo autorrelatado pelo fornecedor. Três erros costumam acontecer nessa mesa: material do fornecedor tratado como evidência independente, horas liberadas convertidas direto em economia de caixa, e população, período e denominador nunca reconciliados com a realidade interna.

A correção separa dado do fornecedor, dado interno, inferência e hipótese, cada um com fonte, período, população, fórmula, incerteza e responsável. Depois recalcula três cenários internos com adoção gradual, revisão, integração e custo de operação, e condiciona a expansão a um ponto de aprovação assinado por alguém com cargo.

No exemplo hipotético, o benefício desce para R$ 920 mil comprometidos e R$ 540 mil condicionados a marcos. Os R$ 340 mil restantes saem do caso porque não resistiram ao recálculo.

Conferência para qualquer promessa

Três verificações servem para qualquer proposta. Confirme se a fonte é independente e comparável ou se é material promocional transportado sem contexto. Peça que outra pessoa reproduza o cálculo, o que expõe premissa frágil e dupla contagem. E separe benefício potencial de benefício capturável, para que o orçamento não conte com economia que nunca chega ao resultado.

Caso Morgan Stanley: testar antes de ampliar

A Morgan Stanley Wealth Management integrou modelos de IA ao acesso ao conhecimento interno e à preparação de retornos de reunião. O que interessa é o desenho: a avaliação foi colocada no começo do projeto. Mais de 98% das equipes de assessoria usam o assistente interno, e a base consultável passou de cerca de 7 mil perguntas para um corpus de 100 mil documentos.

Resumo, tradução e recuperação receberam conjuntos de avaliação e retorno de especialistas, e as notas de reuniões consentidas passam pela revisão dos assessores antes do uso, segundo o estudo de caso da OpenAI.

Registre a origem ao citar: caso publicado pela OpenAI em 04/12/2024, com números informados pelas empresas envolvidas. Para testar a mesma ideia, separe perguntas reais, registre as respostas esperadas e meça os resultados da sua equipe.

Revisão proporcional ao impacto

Quanto maior o impacto e menor a chance de reverter, mais forte precisa ser a prova e mais clara a autoridade humana. Baixo impacto e reversível pede amostragem, lista de verificação simples e correção posterior. Impacto material e reversível pede revisão do dono do processo, fontes e registro.

Alto impacto ou difícil reversão pede especialista independente, dupla checagem, plano de contingência e aprovação formal de alguém com nome e cargo. Quando estão em jogo direitos, segurança, saúde, emprego, crédito ou obrigação legal, a avaliação jurídica e de risco vem antes do uso.

Erro provável e a escolha que cabe a você

Comece pelos números que mudariam a decisão. No exemplo de economia anual, confira a quantidade de horas, o valor atribuído a cada hora e quais despesas realmente deixarão de existir. Registre quanto tempo essa revisão levou para planejar as próximas entregas.

O protocolo de conferência em quatro passos

O cartão só protege a empresa quando a diretoria decide, antes do primeiro caso, qual saída leva cartão e quem confere cada uma.

Régua de materialidade. O CFO ou o controller fixa por escrito o valor em reais a partir do qual um número exige cartão, e os temas que exigem cartão em qualquer valor, como pessoas, cliente e obrigação legal. Pronto quando a régua couber em meia página e estiver assinada.

Dono da conferência. Cada diretor nomeia um revisor por tipo de saída material, alguém que não escreveu o texto e conhece a fonte, como a controladoria para números e o jurídico para cláusulas. Pronto quando nenhum tipo de saída material ficar sem revisor com nome.

Amostra de auditoria. Uma vez por mês, a auditoria interna ou o escritório de projetos sorteia cinco saídas já usadas em reunião e refaz a conferência do zero. Pronto quando o sorteio tiver data fixa e o resultado for registrado mesmo nos meses sem achado.

Retorno do erro. Toda falha do sorteio volta ao dono da rotina com a causa classificada entre fonte, cálculo, premissa e pedido, e com prazo de correção. Pronto quando cada falha tiver causa e prazo registrados em até cinco dias úteis. Se no primeiro sorteio nenhuma das cinco saídas vier com cartão, a régua existe no papel e ainda não chegou à rotina.

De volta ao caso dos R$ 1,8 milhão

No exemplo hipotético, a decisão coerente com o recálculo é a CEO aprovar no orçamento apenas os R$ 920 mil comprometidos e marcar a data em que os R$ 540 mil condicionados voltam à mesa, com o cartão de cada premissa anexado; os R$ 340 mil retirados no recálculo ficam fora. O que sustenta essa decisão é a exigência de origem para cada número, qualquer que tenha sido a ferramenta usada para montar o caso.

Conferir uma resposta é um ato isolado. O capítulo 4 transforma esse ato num ciclo que deixa registro em toda decisão.

Pesquisa aprofundada: encontre fontes e confira cinco afirmações

O modo de pesquisa aprofundada busca várias fontes e produz um relatório com citações. Procure Research no Claude e no Perplexity, Deep Research no Gemini ou Researcher no Microsoft Copilot. Defina a pergunta, revise as fontes escolhidas e, no relatório, abra os links das cinco afirmações que mais influenciam a decisão.

O que as páginas oficiais informam em outubro de 2026. O Research do Claude exige plano pago e busca na web ligada, e lê também Gmail, agenda e documentos quando conectados (ajuda do Claude). O Deep Research do Gemini leva de 5 a 10 minutos, deixa editar o plano antes de começar e aceita trocar a Pesquisa Google por Gmail, Drive ou arquivos enviados (ajuda do Gemini).

A Microsoft aposentou o Deep Research do Copilot e concentrou a função no Researcher, que usa modelos da OpenAI ou, se o administrador liberar, da Anthropic (suporte da Microsoft).

Ao fim deste capítulo você conduz uma decisão real em cinco momentos, dentro de uma reunião que já existe, com contraponto, duas evidências conferidas fora da IA e data marcada para rever a escolha.

Exemplo hipotético: uma previsão comercial feita com IA recomenda R$ 800 mil a mais no canal indireto porque ele cresceu nos últimos três meses. Nenhum cenário contrário aparece, e a probabilidade citada não tem método.

Para praticar, escolha uma decisão pequena dos próximos sete dias e reúna os documentos que a sustentam. Você vai produzir um registro curto com opções, dados conferidos, escolha e data de revisão.

Cinco passos e o que registrar em cada um

O Ciclo 5D reúne cinco passos: definir a decisão, delegar parte do trabalho, debater opções, diligenciar, isto é, conferir as informações, e decidir. Use uma nota ou documento para registrar uma ou duas linhas de cada passo.

Definir é nomear a decisão, o dono, o prazo, o risco e o critério de sucesso. Manter o lançamento em agosto ou passar para setembro é uma decisão; melhorar o processo de lançamento é um desejo.

Delegar é pedir uma parte definida do trabalho. Por exemplo: compare três cenários de venda com os dados anexos, usando o mesmo período e a mesma fórmula de margem. Use os cinco campos do C.L.A.R.O. para informar o objetivo e o formato esperado.

Debater é comparar opções. Peça uma alternativa à primeira recomendação e liste quais dados fariam você escolher uma ou outra.

Diligenciar é conferir a projeção na planilha e consultar as pessoas responsáveis pelo assunto. Decidir é registrar a opção escolhida, o motivo, as condições para executá-la e quando ela será revista.

Onde guardar o registro e os documentos usados

Guarde o pedido, as fontes conferidas e a decisão no mesmo lugar. Pode ser uma pasta de documentos já usada pela equipe ou um projeto no assistente aprovado. As opções abaixo correspondem às páginas consultadas em outubro de 2026.

Em 16/09/2026 a Anthropic juntou o chat e o Cowork num só Claude e fez o Claude Docs e o Claude Slides nascerem dentro da conversa, com exportação para PowerPoint ou PDF (anúncio da Anthropic). A liberação começou pelos planos pagos, em beta, e no plano Enterprise quem liga o recurso é o administrador.

No ChatGPT, o equivalente é o projeto: uma pasta que reúne conversas, arquivos e instruções e pode ser retomada em outro aparelho (ajuda da OpenAI). Para o ciclo, a regra prática é um projeto por decisão, com o pedido, o contraponto e as evidências guardados juntos.

No pacote Google, desde 23/10/2026 o Gemini Notebook funciona como aplicativo conectado dentro do Gemini: dá para criar um caderno, acrescentar fontes e perguntar a ele sem sair do chat (Google Workspace Updates). O recurso vem ligado por padrão, exceto no Espaço Econômico Europeu.

A atualização de setembro da Anthropic trouxe também um assistente que continua a tarefa enquanto ninguém olha e, por padrão, pergunta antes de agir. Diligenciar passa a incluir conferir o que foi feito nesse intervalo; o capítulo sobre quando a IA pode agir sozinha trata das chaves que controlam isso.

Diligenciar: a falha volta para o sistema

Ao encontrar um erro, localize sua origem. Exemplo: se a previsão usou o mês errado, corrija o período no pedido; se o valor de venda veio errado, corrija a fonte. Registre a versão do pedido e dos dados usados para repetir o teste.

Depois da correção, rode novamente o caso e confira a resposta esperada. Inclua-o na lista de testes da rotina. Salve a instrução ou o documento corrigido no lugar usado pela equipe; assim a próxima execução recebe a versão certa.

Quando a produção dobra, o gargalo muda de endereço

Pesquisadores de Carnegie Mellon e de Stanford acompanharam 802 desenvolvedores e 196.212 pedidos de alteração de código numa empresa que, em meados de 2025, mandou dobrar a produção com IA. A série vai de janeiro de 2024 a abril de 2026, e cada pessoa serve de controle de si mesma (artigo de 02/07/2026).

A produção por pessoa subiu 42%, e o ganho cresceu com o uso: 1,51 vez aos três meses, 1,99 vez aos nove. O agregado de 2,09 vezes, que costuma chegar ao comitê, infla porque a composição das equipes mudou. O ganho ficou no código novo: 44% nos repositórios criados depois de 2022, contra 12%, sem significância estatística, no código antigo.

Do outro lado da fila, a revisão humana caiu de 89% para 68% dos pedidos e a revisão com comentário escrito, de 39% para 21%. O volume cresceu 3,1 vezes e o time de revisores, 1,5 vez. O ciclo completo, do pedido à entrada em produção, ficou 22,4% mais lento.

Os próprios autores registram o contrapeso: a aprovação final ficou estável e os pedidos feitos com IA foram revertidos com menos frequência. Esses dois indicadores ficaram estáveis ou melhoraram, enquanto o prazo de entrega aumentou. O estudo cobre engenharia de software numa única empresa, e levar a conclusão para outras áreas continua sendo hipótese de trabalho.

Meça o tempo desde o pedido até a entrega aprovada, incluindo espera e correções. Compare esse total com o tempo anterior. Antes de ampliar o volume, combine quem fará a revisão e quantas horas terá disponíveis.

Exemplo resolvido: a previsão de R$ 800 mil

No mesmo exemplo hipotético, com valores fictícios, o pedido original foi "analise os dados e faça uma previsão confiável para o próximo trimestre". A palavra confiável não define erro aceitável, horizonte nem método, e a resposta transformou crescimento recente em causa e em recomendação de orçamento.

Definir: a decisão envolve R$ 800 mil de verba incremental, com revisão em 30 dias. Delegar: três cenários de 90 dias para o canal indireto, base, adverso e oportunidade, com as premissas anexas e sem probabilidade inventada. Debater: o melhor argumento contra o cenário base, que apontou queda de conversão entre os parceiros mais recentes.

Conferir: vendas valida os negócios em negociação; finanças refaz a margem; a equipe recalcula a previsão com vendas menores. Decidir, neste exemplo hipotético: autorizar primeiro R$ 200 mil e avaliar os R$ 600 mil restantes em 30 dias, apenas se a conversão chegar a 10% e a margem a 20%. Esses limites são fictícios e devem ser definidos antes da execução.

O mesmo desenho serve à leitura prévia do conselho: decisões pedidas por escrito, síntese delegada, contraponto com a visão de acionista, cliente e regulador, números conferidos. Mede-se depois a parte da reunião dedicada a decidir e os itens reabertos por falta de contexto.

Erro provável e como conferir

Para evitar ficar preso aos R$ 800 mil iniciais, calcule também uma opção com investimento menor. Confira a origem das vendas esperadas, as condições para liberar a verba e a data de revisão. Preencha o que faltar antes de decidir.

A escolha que cabe a você: texto final ou contraponto primeiro

Pedir o texto final de uma vez devolve um rascunho pronto em minutos e coloca você para revisar prosa; as premissas ficam embaixo de um texto bem escrito e raramente são conferidas. Pedir primeiro as opções e o argumento contrário devolve algo áspero, que obriga leitura mais lenta e faz as premissas frágeis aparecerem enquanto a decisão ainda muda de rumo sem custo.

Peça alternativas antes de concluir quando houver gasto relevante, efeito sobre clientes ou pessoas, ou dificuldade para desfazer a ação. Para um rascunho simples, como a pauta de uma reunião, você pode revisar diretamente a primeira versão.

O ciclo instalado numa reunião que já existe

O ciclo pega quando entra numa reunião que já acontece, e raramente quando vira projeto paralelo com pauta própria. O roteiro leva quatro semanas.

Conferência e próximo passo

Experimente na próxima reunião e revise o funcionamento depois de quatro semanas. Escolha até três decisões desse período e confira se ficaram registrados fontes, opções, escolha e data de revisão. Se faltar algo, ajuste o pedido ou a divisão de tarefas para a próxima reunião.

Com o ciclo rodando numa reunião, o próximo capítulo leva o mesmo desenho para a rotina semanal de cada diretoria. Quem quiser a origem técnica da métrica que trai a intenção encontra o fenômeno no curso de Reinforcement Learning para Vibecoding.

Ao fim deste capítulo você terá uma rotina semanal da sua área desenhada em cinco etapas, com dono, hora de revisão reservada e duas medidas anotadas antes da primeira rodada com IA.

Exemplo hipotético: num comitê, cada diretor traz um uso diferente de IA. Um prepara o caixa, outro resume incidentes, outro compara contratos. Ninguém sabe dizer quantas horas economizou. A tentação é montar um catálogo de truques por ferramenta, e o catálogo não responde à pergunta que o CFO faria sobre quanto tempo cada uso economizou.

Para começar, anote uma tarefa que se repete e o tempo que ela consome. Separe uma amostra de dados que você possa usar no assistente aprovado. Se não tiver essa autorização, use a tabela fictícia de campanhas no fim da aula.

As cinco etapas em linguagem comum

Entrada autorizada é o dado que você pode usar naquela ferramenta, com fonte, data de corte e dono; a regra das cores de dado está no capítulo sobre o que pode entrar na IA. Transformação explícita é o pedido escrito uma vez e reaproveitado, em vez de improvisado a cada semana.

Revisão qualificada é a pessoa que confere antes do uso, com critério de aceite e hora reservada na agenda dela. Saída útil é a primeira entrega que a área de fato usa. Medidas são duas: uma de processo, como horas de preparação, e uma de resultado, como decisões tomadas sem reabrir o tema.

No mapa a seguir, leia só a linha da sua função e a da área com quem você mais negocia. As demais ficam para quando o seu escopo mudar, e pular agora não deixa buraco no que vem depois.

Onde procurar, por função

Escolha na tabela uma rotina da sua área. Anote os dados necessários, o que a IA vai produzir, quem vai conferir e qual medida mostrará se o trabalho melhorou.

O risco e a medida de cada diretoria

A tabela diz onde procurar; a figura abaixo diz o que a revisão humana precisa barrar em cada diretoria e qual número mostra se a rotina melhorou. Na presidência, por exemplo, a IA gera cenários base, favorável e adverso a partir de premissas datadas e não atribui probabilidade que não tenha base.

Finanças e operações: o que já roda e o que mudou

No comitê semanal de caixa, a IA concilia planilhas que chegam em ritmos diferentes e monta um mapa de liquidez de 13 semanas, com as exceções separadas por alçada. A tesouraria confirma saldos, a controladoria valida fórmulas e o CFO autoriza. No Excel, o trabalho acontece no painel lateral do Copilot, e o guia prático deste capítulo mostra o que mudou em setembro.

Banco grande já trata essa estrutura como operação. Em 01/10/2026 a Anthropic anunciou que o Barclays ampliou o uso do Claude nas operações do banco (sala de imprensa da Anthropic). É comunicado do fornecedor, sem medida independente: vale como sinal de direção, e não como parâmetro de ganho para a sua área.

Rotinas da direção financeira: escolher uma para testar

Em maio de 2026, OpenAI e PwC anunciaram uma colaboração de agentes para finanças, programas que executam passos nos sistemas com crachá próprio, usando a área financeira da própria OpenAI como primeiro ambiente. O anúncio relata cinco vezes mais contratos processados com equipe do mesmo tamanho e mais de 200 interações com investidores durante uma captação (anúncio da OpenAI).

Para aplicar a ideia, escolha uma rotina financeira e acompanhe o caminho inteiro, do recebimento dos documentos à aprovação. Registre tempo de preparação, revisão e correções. Os números do anúncio são resultados informados pelos parceiros; compare seu piloto com a própria medição anterior.

Marketing: a busca e as ferramentas de mídia mudaram

Para o CMO, a busca mudou de endereço em setembro. Em 08/09/2026 o Google anunciou o AI Mode, a busca que responde em forma de conversa, em português do Brasil, com liberação gradual (IT Forum).

Desde 31/08/2026, o Search Console, painel gratuito do Google para donos de site, mostra as impressões dentro dos resumos e do modo de IA, sem dizer quantos cliques elas geram (Search Engine Journal). O painel semanal ganha uma linha, aparições em respostas de IA, e perde a certeza de que impressão vira visita. Meça as duas coisas separadas antes de cortar verba de conteúdo.

As ferramentas de mídia mudaram junto. Em 10/08/2026 o Google anunciou novas funções de IA no Google Ads e no Analytics, entre elas o Ask Advisor (blog do Google); o guia prático no fim deste capítulo usa essa rotina.

Erro provável: o pedido que vira ranking de pessoas

Na função de pessoas o erro custa mais caro. O pedido "classifique os melhores sucessores e diga quem está pronto para promoção" faz a IA criar um ranking, preencher ausências com inferência e tratar avaliações antigas como verdade objetiva.

A correção proíbe ranquear e recomendar promoção, usa só campos autorizados e critérios aprovados e organiza, por posição crítica, requisitos, evidências registradas, lacunas e perguntas para a calibração, marcando dado ausente, conflito e possível viés. A IA organiza; o comitê decide sobre pessoas.

Onde buscar roteiros prontos

Se a sua função tem pouca referência interna, os fornecedores mantêm bibliotecas de cenários por área. A da Microsoft permite filtrar por setor e por função (Microsoft Scenario Library). Use como ponto de partida e reescreva entrada, revisão e medida para o seu fluxo, lembrando que os exemplos falam dos produtos de quem publica.

O primeiro fluxo da diretoria em quatro passos

Comece medindo duas semanas da rotina atual. Depois teste duas semanas com IA, usando a ferramenta já aprovada pela empresa.

Primeiro, a rotina e o dono: uma rotina semanal que já consome horas de alguém, com o nome de quem hoje entrega a saída. Pronto quando ela tiver frequência, dono e o tempo atual medido em duas semanas de calendário.

Segundo, a entrada autorizada: o dono lista fontes, data de corte e classe de cada dado, e a segurança da informação confirma que a ferramenta aceita aquela classe. Pronto quando nenhum dado da lista ficar acima do que o contrato da ferramenta permite.

Terceiro, a revisão: quem confere, com qual critério de aceite e quantas horas por semana. Pronto quando a hora estiver reservada na agenda do revisor, e não presumida.

Quarto, as duas medidas, uma de processo e uma de resultado, com o valor atual anotado antes da primeira rodada com IA. Rode duas semanas com revisão integral: se o tempo cair sem subir a devolução, mantenha; se a revisão consumir o ganho, redesenhe a entrada antes de trocar de ferramenta.

Exemplo resolvido: comparar campanhas sem premiar o lead mais barato

Compare o custo por lead com o custo por lead qualificado antes de recomendar verba. No exemplo hipotético, Social parece melhor porque cada contato custa R$ 20, contra R$ 50 em Busca. Na segunda semana simulada, Busca custa R$ 150 por contato qualificado e Social, R$ 200. Nesse recorte, Busca tem o menor custo por contato qualificado; confira também a conversão desses contatos em vendas antes de mudar a verba.

Monte a base no Google Sheets pelo navegador. No Android, o Gemini em Sheets permite perguntar sobre os dados e pedir análises ou gráficos; fórmulas e edições complexas ficam no navegador, distinção que o anúncio de 10/09/2026 deixa explícita. Se o ícone Perguntar ao Gemini não aparecer, confirme a licença com o administrador e conclua com as mesmas fórmulas.

O erro provável é a média errada atrás de um total plausível. Para consolidar canais, divida a soma do investimento pela soma dos contatos qualificados, e não faça a média simples dos custos de cada linha. No treino, a segunda semana soma R$ 5.500 e 33 contatos qualificados: R$ 166,67 por contato. Na planilha com investimento na coluna C e qualificados na E, use =C4/E4 para Busca e =C5/E5 para Social; para o total da semana, =(C4+C5)/(E4+E5). As fórmulas pressupõem a mesma ordem da base e cabeçalhos na primeira linha.

Conferência e próximo passo

Confira o seu desenho com três perguntas: a entrada tem dono e classe de dado, a revisão tem hora na agenda de alguém, e as duas medidas foram anotadas antes da IA. Com dez rotinas candidatas na mesa, falta escolher por onde começar, e o próximo capítulo dá o critério.

O relatório semanal de mídia, lido com a planilha aberta

A linha do CMO na tabela desta aula fala em campanha e desempenho. Na prática, a rotina é uma exportação semanal do Google Ads, da Meta e do Google Analytics que alguém transforma em três parágrafos para a reunião de segunda-feira. É um fluxo de cinco etapas como qualquer outro: a exportação é a entrada autorizada, a leitura assistida é a transformação, e quem assina o desempenho revisa antes de o número virar slide.

Duas mudanças recentes mexem nessa rotina. A Microsoft retirou do Excel, em 14/09/2026, a função COPILOT, que era escrita dentro da célula em versão de prévia, e manteve o painel lateral do Copilot (suporte da Microsoft). Desde as notas de 23/09/2026, a resposta do painel traz links para cada alteração feita na pasta de trabalho, e o painel Show Changes identifica o que foi editado pelo Copilot (notas de versão).

Do lado das plataformas de mídia, o Google anunciou em 10/08/2026 novas funções do Ask Advisor, o agente embutido no Google Ads e no Analytics, entre elas a comparação da campanha com médias anônimas de empresas parecidas (blog do Google).

Separe a agenda das últimas duas semanas. Ao final, você terá uma lista de tarefas recorrentes, duas candidatas a teste e um plano para medir tempo, qualidade e retrabalho antes de usar IA.

Exemplo hipotético: a controladoria de uma empresa pergunta "onde usar IA para acelerar o fechamento" e recebe cinco ideias: conciliação, previsão, comentários, detecção de fraude e lançamento automático. Nenhuma tem dono, medida ou risco declarado.

O ganho mais seguro aparece antes da decisão final, em reunir contexto, comparar versões e preparar comunicação: passos que consomem horas e se desfazem com facilidade. Assinar contrato ou divulgar projeção ao mercado pede outro nível de controle.

Quantos pilotos chegam à operação

No recorte brasileiro do State of AI in the Enterprise, da Deloitte, com 115 respondentes e campo em agosto e setembro de 2025, 58% das empresas escalaram no máximo 20% dos pilotos que iniciaram. Só 23% levaram 40% ou mais à operação (Deloitte Brasil).

A pesquisa registra quantos pilotos foram ampliados até a coleta; os demais podem ter sido encerrados, estar em teste ou continuar pequenos. Para o seu piloto, defina antes o que justificará ampliar, corrigir ou encerrar o uso.

O retrato brasileiro de outubro aponta para a mesma saída, uma carteira única. A pesquisa do MIT Sloan Management Review Brasil encomendada pela TOTVS, com 583 profissionais e divulgada em 15/10/2026, encontrou 80% das empresas testando ou usando IA, só 7% usando no centro do negócio e 40% com iniciativas sem coordenação entre áreas (Forbes Brasil). O período de campo não foi informado.

A KPMG ouviu 2.145 líderes de alta direção em vinte mercados, entre 28/04 e 25/05/2026, e publicou em 24/06/2026: 7% declaram retorno estabelecido sobre a IA. Entre as empresas que enxergam bem o próprio custo, 15% chegaram a retorno; entre as que não enxergam, 3%. O levantamento associa visibilidade de custos a retorno declarado. No seu teste, registre custos e resultados desde o começo para calcular o retorno da própria rotina.

Quatro tipos de tarefa para procurar na agenda

Quase toda rotina executiva combina quatro movimentos. Perceber é reunir sinais e localizar anomalias. Pensar é construir hipóteses, cenários e contrapontos. Comunicar é adaptar a mesma mensagem a público e canal. Coordenar é desdobrar a decisão em donos, prazos e dependências. A IA participa dos quatro, com papéis diferentes.

Sobre esses movimentos, a escolha se resolve cruzando o valor da tarefa com o risco de a saída sair errada.

Por onde começar, por valor e risco

Catálogo de casos inspira, mas não prova

Ideias não faltam. Em 22/04/2026 o Google Cloud publicou uma lista de 1.302 casos de uso de IA generativa em grandes organizações (Google Cloud), e a AWS abre a página comercial dizendo que tudo começa por casos de uso claros (página da AWS).

Os dois catálogos são relatados por fornecedores e servem para inspirar, nunca como prova de retorno. O trabalho do executivo é cortar a lista até duas tarefas da própria agenda, com valor e risco conhecidos, e trocar o tom promocional por um critério escrito antes do resultado.

Exemplo resolvido: do fechamento à carteira

No exemplo da controladoria, comece pela tarefa: reunir as explicações para diferenças entre orçamento e resultado. Meça o tempo gasto hoje e quantas explicações voltam para correção. Esse registro anterior ao teste é o ponto de partida, também chamado de linha de base.

Reescrito, o pedido decompõe o fechamento em tarefas tiradas do calendário, com frequência, horas, espera, retrabalho, dono, risco do erro e possibilidade de desfazer. Lançamento e aprovação automáticos ficam fora por decisão prévia. A saída sugere três candidatas de preparação e análise e diz o que medir antes do piloto.

A tarefa escolhida foi reunir justificativas de variações acima do limite de valor definido pela área. No exemplo hipotético, cada fechamento exige 14 horas de preparação, 22% das justificativas voltam para correção e há dois dias de espera. A IA prepara um rascunho com dados autorizados; cada área confere sua explicação antes da reunião. Lançamentos e aprovações de pagamento ficam fora desse teste.

Erro provável e como conferir

Antes de escolher, confira se a ferramenta pode receber os dados e se a saída será revisada antes de produzir efeito. Depois compare tempo e frequência. Uma tarefa que economizaria muitas horas ainda precisa passar por essas duas condições para entrar neste primeiro teste.

A escolha que cabe a você: tarefa visível ou tarefa reversível

Começar pela tarefa mais visível compra patrocínio rápido e concentra o risco no mesmo lugar: se a primeira saída sair errada, o erro aparece na mesma velocidade e fecha a porta para o segundo piloto. Começar pela tarefa reversível rende menos conversa no comitê no primeiro mês e deixa errar, medir e corrigir sem defender o experimento em público antes da hora.

Escolha a reversível enquanto não houver medida de tempo, retrabalho e qualidade da rotina atual, porque sem ponto de partida nenhum resultado será defensável no dia 90.

Da agenda à carteira em quatro passos

Use o tempo e a frequência registrados na agenda, sem inventar notas para esses dados. Para valor e risco, use baixo, médio ou alto e escreva o motivo. Exemplo: organizar rascunhos por 14 horas em cada fechamento pode ter valor alto; enviar os mesmos textos sem revisão aumenta o risco. Peça a um colega que confira sua classificação.

Conferência e próximo passo

Antes do primeiro teste, meça duas ocorrências normais da tarefa e registre tempo, correções e espera. Use o mesmo método durante o piloto. A próxima aula mostra como selecionar e organizar os documentos que o assistente vai consultar.

Ao fim deste capítulo você terá o acervo de um domínio da empresa organizado, cada documento com dono e status de vigente ou histórico, e dez perguntas de resposta conhecida para testar a IA antes de pensar em trocar de modelo.

Exemplo hipotético: o assistente de IA de uma empresa encontra duas políticas de desconto, uma de 2023 e outra de 2026, e oferece ao cliente o maior desconto, que já tinha vencido. A resposta cita trechos corretos de documentos incompatíveis. Mais arquivos aumentaram o volume de contexto e reduziram a clareza sobre qual regra vale.

Comece por um assunto pequeno, como regras de desconto. Reúna as versões disponíveis e confirme com o responsável qual está vigente. Para praticar sem documentos internos, use os dois textos fictícios de campanha apresentados nesta aula.

Da pergunta ao documento certo, em seis passos

Pense em um bibliotecário que procura uma página antes de responder. Na busca com IA, o sistema localiza trechos dos documentos e os envia ao modelo junto da pergunta. Essa combinação é chamada de RAG. Para testar, peça o desconto vigente e confira de qual versão da política veio a resposta.

A resposta confiável depende de seis elos. A pergunta, com intenção, público e data de corte. As fontes, aprovadas, com dono, versão e validade. A recuperação, que respeita a permissão de quem pergunta. A resposta, que separa fonte, inferência e lacuna. A citação, com trecho e versão. E o retorno, que corrige a fonte, e não só a conversa.

Quatro conceitos que vivem sendo confundidos

Antes de comprar qualquer solução, separe quatro coisas que costumam ser vendidas como uma só.

Exemplo resolvido: qual desconto vale hoje

O pedido fraco foi "pesquise nos documentos e diga qual desconto posso dar para este cliente". O sistema misturou a política atual com uma apresentação antiga, omitiu que a exceção tinha expirado e apresentou o maior desconto como autorização. Achar um trecho relacionado não prova que ele vale nem que se aplica ao caso.

Antes de consultar, deixe acessíveis apenas os documentos permitidos para aquela pessoa. No pedido, exija a versão, a cláusula, o limite de desconto e quem pode aprová-lo. Se houver conflito, encaminhe as duas regras ao responsável pela política.

Resposta esperada neste exemplo hipotético: desconto máximo de 8% pela política comercial 4.2; até 5%, aprovação do vendedor; acima de 5% até 8%, aprovação da diretoria comercial. A exceção antiga está vencida. Os percentuais são fictícios; confira a política vigente antes de usar valores reais.

Erro provável e como conferir

Confira a vigência da fonte, o limite de desconto e o aprovador indicado. Peça também ao administrador que teste os acessos com uma conta que não pode ver a política: a restrição precisa funcionar no sistema, além de aparecer no pedido.

O mesmo desenho rende uma memória de decisões do conselho. Cada deliberação registrada com data, opções, racional, condição, dono e revisão vira uma linha citável, e o tema deixa de voltar à pauta sem fato novo. Mede-se decisões reabertas e o tempo para reconstruir o racional de uma escolha antiga.

A escolha que cabe a você: trocar de modelo ou arrumar os documentos

Quando as respostas sobre a sua empresa saem erradas, um modelo mais capaz resolve a parte da falha que vem do raciocínio e não toca a que vem do documento errado. O erro volta, agora com prosa melhor. Arrumar o acervo de um domínio exige nomear dono, versão e vigência de cada fonte e arquivar o que venceu; é lento, pouco vistoso e reduz o erro em todos os modelos seguintes.

Separe respostas erradas e confira qual documento cada uma usou. Corrija fontes vencidas ou conflitantes e repita as mesmas perguntas. Se a fonte estava correta e a interpretação falhou, revise o pedido e compare modelos nesse mesmo teste.

O acervo de um domínio em quatro passos

Organize primeiro um assunto com poucas fontes e um responsável disponível, como a política comercial. Prepare dez perguntas com respostas esperadas e repita esse conjunto de testes quando mudar um documento, uma instrução ou o modelo.

Laboratório de marketing: regras de campanha salvas como habilidade

Uma habilidade, ou skill, é uma instrução salva que a ferramenta carrega quando a tarefa pede, nas ferramentas que oferecem esse recurso; o nome e a disponibilidade dependem do produto e devem ser conferidos no ambiente aprovado pela empresa. Exemplo hipotético: a campanha pode anunciar diagnóstico de marketing em 30 minutos e relatório em dois dias úteis; a base autorizada não sustenta garantia de venda nem porcentagem de redução de custo.

Em 13/10/2026 o Google começou a liberar skills no aplicativo Gemini, com conclusão prevista para meados de novembro, e adiou a chegada ao Workspace. Confirme se a opção aparece na sua conta; se não aparecer, guarde as instruções num documento. A atualização não autoriza presumir que o recurso já exista no Docs ou no Sheets.

A ajuda orienta abrir Customize, ou Personalizar, depois Skills e Create manually, ou Criar manualmente, e exige Manter atividade ligado. Se a política da empresa não permitir, faça o treino numa conversa, sem mudar a configuração. Use só a base fictícia e os fatos aprovados.

Teste com uma frase problemática de propósito: diagnóstico em 30 minutos com garantia de dobrar suas vendas. A saída precisa manter o prazo e apontar a garantia como sem fonte. Suavizar a promessa não basta; texto elegante que conserva a garantia continua reprovado.

Diagnostique o resultado antes de guardar a skill

Do briefing ao treinamento da equipe

A segunda metade do laboratório leva as mesmas fontes ao treinamento de quem revisa anúncios, páginas e roteiros comerciais. Um resumo bonito que repete a garantia de vendas transfere o erro para a equipe inteira.

O Gemini Notebook, antes chamado NotebookLM, ganhou recursos de estudo apresentados pelo Google em 16/10/2026, entre eles o Interactive Learning Overview, uma visão de aprendizagem interativa dentro de Relatórios. Aplicar esse formato à preparação de marketing é exercício do curso, e não caso de resultado divulgado pelo Google.

Desde 23/10/2026 o caderno também pode ser acionado de dentro do Gemini, como aplicativo conectado. Comece com a base fictícia e sem contas de anúncio conectadas. Se o formato novo não aparecer, produza um guia de estudo em Relatórios; o critério continua sendo a resposta sustentada pela fonte.

Cada área construindo o próprio acesso ao conhecimento

A Moderna é o caso mais citado de áreas construindo o próprio acesso ao conhecimento: o estudo de caso relata mais de 80% de adoção do assistente interno e 750 assistentes criados pelas áreas nos dois primeiros meses (estudo de caso da OpenAI). A página é de 24/04/2024, os números são autorreportados por empresa e fornecedor e descrevem 2024, e não o estado atual.

Fontes para configurar as instruções

Google Workspace Updates, atualização da liberação de skills, publicada em 13/10/2026. O anúncio de 30/09/2026, atualizado em 13/10, informa que as skills do aplicativo e do Workspace não são sincronizadas. A ajuda de criação de skills é o manual dos campos da interface e não exibe data editorial. As datas de lançamento vêm dos anúncios citados.

Para ir além: o padrão aberto que liga a IA aos sistemas

Este trecho é aprofundamento para quem vai contratar integração, e o critério de conclusão do capítulo não depende dele. Em novembro de 2024 a Anthropic publicou o Model Context Protocol, o padrão aberto de conexão que descreve como um assistente se liga a ferramentas e a fontes de dados. A documentação compara o padrão a uma porta USB-C (Model Context Protocol).

OpenAI, Google, Microsoft e AWS, concorrentes da criadora, adotaram o protocolo, e em 09/12/2025 ele foi doado à Agentic AI Foundation, fundo da Linux Foundation cofundado por Anthropic, Block e OpenAI. Quem financia o padrão são as empresas que disputam o seu contrato.

Ao contratar uma integração, peça que o fornecedor liste o que pode ser reaproveitado em outro assistente e demonstre uma troca. Compare adaptações, permissões e custos restantes; usar um padrão comum ajuda a identificar essas dependências.

Padrão jovem cobra o preço da juventude. Em 20/05/2026 a NSA, agência de segurança nacional dos Estados Unidos, alertou que a difusão do protocolo tinha corrido na frente da segurança: a autenticação era opcional e muitas implementações saíram sem controle de acesso. Em 28/07/2026 a especificação foi publicada como versão final, com autorização reforçada e fim do registro dinâmico de cliente (blog do protocolo).

A versão final responde a parte do alerta; a configuração de cada conector continua com quem instala. Depois de saber o que seria descartado numa troca, pergunte quem se autentica na conexão, com qual credencial, o que ela alcança nos seus sistemas e o que acontece se alguém a copiar.

Em volta do modelo, o curso chama de ambiente padronizado, harness em inglês, o conjunto de fontes aprovadas, ferramentas liberadas, modelos de pedido, pontos de aprovação e registros que fazem o mesmo trabalho sair igual com outra pessoa. Trocar de modelo melhora capacidade; melhorar o ambiente sobrevive à próxima troca. O curso de Claude Code para gestão aplica a mesma lógica a agentes de programação.

O mesmo movimento chegou às habilidades. Em 22/10/2026 a Anthropic doou à mesma fundação o padrão aberto Agent Skills, em que cada habilidade é uma pasta com um arquivo de instruções e, se preciso, scripts e modelos (sala de imprensa da Anthropic e Agent Skills). Ao trocar de ferramenta, teste se as instruções, os scripts e as permissões funcionam no novo ambiente.

Conferência e próximo passo

Antes do exercício, confira três coisas: cada documento do domínio tem dono e status, a busca devolve só documentos vigentes e as dez perguntas foram rodadas uma vez. Documento organizado ainda precisa de regra de entrada, e o próximo capítulo decide que dado pode ir para qual ferramenta.

O acervo de um domínio dentro de um caderno de fontes

O bibliotecário desta aula já existe como produto pronto. O caderno de fontes é um espaço em que você escolhe os documentos e a máquina responde só a partir deles, com a citação do trecho. O Google oferece o Gemini Notebook, nome que as páginas de ajuda do Google passaram a usar para o NotebookLM, e a Microsoft oferece o Copilot Notebooks. Serve a um domínio pequeno, como o acervo de marca, sem projeto de tecnologia.

Os limites que importam, lidos em 01/10/2026. No Gemini Notebook, cada fonte aceita até 500 mil palavras ou 200 MB, e o caderno comporta 50 fontes no plano gratuito, 100 no Plus, 300 no Pro e 500 ou 600 no Ultra; arquivos do Drive sincronizam sozinhos (fontes e planos do Gemini Notebook).

Sobre privacidade e alcance, as duas páginas são diretas. Em contas do Workspace, envios, perguntas e respostas não passam por revisão humana nem treinam modelos (privacidade do Gemini Notebook). O Copilot Notebooks usa só as referências adicionadas e considera até 300 arquivos por resposta (suporte da Microsoft).

Escolha um uso de IA da sua equipe. Ao final, você terá uma ficha com os dados usados, a ferramenta permitida, o responsável pela revisão e o contato para incidentes. Essa ficha servirá de base para a política da empresa.

Exemplo hipotético: as áreas de uma empresa pedem uma regra única para usar IA e descobrem, na mesma reunião, que "não use dados sensíveis" já foi interpretado de quatro jeitos. Resumir conteúdo público e analisar dados de uma aquisição não podem seguir o mesmo rito.

Dado pessoal é uma informação que identifica ou permite identificar alguém, como nome associado a uma compra. Para usá-lo, combine a finalidade e as condições de acesso com quem cuida da proteção de dados na empresa. A LGPD se aplica também ao tratamento em meios digitais.

O semáforo de dados

Use as cores como uma proposta de classificação para a empresa. Verde: material público sem dados pessoais, como uma página institucional ou legislação. Amarelo: material interno de baixo impacto, como modelo de documento ou indicador agregado sem informação pessoal; use apenas em ferramenta aprovada para essa classe.

Laranja é confidencial ou pessoal e exige finalidade, acesso restrito, contrato e avaliação do caso: proposta comercial, dado de cliente, contrato, remuneração. Vermelho é restrito e não entra em ferramenta sem autorização formal e controles específicos: credencial, segredo crítico, dado de saúde identificável, investigação, informação privilegiada.

Quanto controle cada saída pede

São duas decisões separadas: a cor do dado e a aprovação da ferramenta para aquela cor. O mesmo assistente tem dois regimes, a conta de consumidor, regida por termo de adesão, e a conta empresarial, regida por contrato assinado; o guia prático no fim do capítulo mostra onde ficam as chaves de cada um.

Definida a cor, o controle sobe com o impacto do erro e com a dificuldade de desfazer. A matriz abaixo mostra quem entra em cada combinação.

A política inteira cabe em uma página com oito decisões: ferramentas aprovadas por cor; o que é permitido, condicionado ou proibido; como classificar, reter e excluir; quem verifica por tipo de impacto; quando registrar ou avisar que houve IA; como tratar material de terceiros; como parar e escalar um incidente; e quem responde pelo caso e pela decisão final.

Transparência tem quatro camadas: registro interno do caso, proveniência da entrega, aviso de que a pessoa fala com um sistema automatizado e canal de contestação quando direitos são afetados. Um aviso de uso de IA não legitima tratamento de dados, não corrige qualidade e não transfere responsabilidade.

O que já vale e o que ainda é projeto

Confundir norma vigente com projeto de lei produz dois erros caros e opostos: travar a operação por uma regra que não existe, ou ignorar um desenho que já chega com data.

O PL 2338/2023, o marco legal da IA, foi aprovado pelo Senado em 10/12/2024 e em 24/10/2026 seguia "Aguardando Parecer do Relator na Comissão Especial" da Câmara (ficha de tramitação). Na reconferência de 01/11/2026, a situação permanecia a mesma, com novas apensações, isto é, projetos anexados à tramitação, em 26 e 27/10.

Em 24/08/2026 o relator, deputado Aguinaldo Ribeiro, disse que a votação ficaria para depois das eleições, com direitos autorais ainda em negociação e retorno obrigatório ao Senado (Mobile Time). O segundo turno é em 25/10; a janela começa em novembro, e nenhuma obrigação do projeto é exigível hoje.

O texto prevê classificação por nível de risco, multas de até R$ 50 milhões por infração e a ANPD (Autoridade Nacional de Proteção de Dados) como coordenadora. Registre essas propostas em uma lista separada das obrigações vigentes. Assim a equipe acompanha a tramitação sem apresentar o projeto como regra já em vigor.

Vigente hoje, projeto ou próxima data

Situação conferida em 24/10/2026. Reconfira antes de citar em contrato ou em conselho, porque prazo regulatório muda por documento publicado, e não por manchete.

A ANPD mudou de estatuto e pouca gente atualizou o slide. A Lei 15.352/2026, publicada em 25/02/2026, transformou a autoridade em agência reguladora, com autonomia técnica, decisória e financeira. Sem lei específica de IA, o uso que trata dado pessoal já é fiscalizável pela LGPD; não há resolução sobre IA, e a regulamentação do artigo 20, sobre decisão automatizada, segue pendente.

O ambiente regulatório experimental da ANPD em IA, o sandbox, acelerou no segundo semestre: metodologia de testes em 19/08, segundo relatório parcial em 09/10 e terceiro em 16/10/2026, com testes de Synapse AI, em mobilidade, Prevvine, em saúde, e Metatext, em fraude financeira (notícia da ANPD). A própria ANPD avisa que os testes não atestam conformidade com a lei.

Europa e Estados Unidos, com os dois números que costumam sair errados

O pacote europeu conhecido como Digital Omnibus virou o Regulamento (UE) 2026/1744, de 08/07/2026, em vigor desde 27/07/2026 (EUR-Lex). Ele adiou para 02/12/2027 a maior parte das obrigações de alto risco e manteve os deveres de transparência do artigo 50, que valem desde 02/08/2026 com o regime pleno de multas (resumo da AI Acto).

Em 08 e 09/07/2026 a Comissão Europeia e o comitê europeu de IA declararam adequado o Código de Prática de transparência para conteúdo gerado por IA, que fornecedores e empresas usuárias podem assinar (Comissão Europeia). A marcação legível por máquina vence em 02/12/2026 para sistemas já no mercado, dentro do plano de 90 dias de quem faz este curso agora.

O primeiro número que sai errado é a multa. O teto por violação do artigo 50 e das regras de modelos de propósito geral é de 15 milhões de euros ou 3% do faturamento mundial. Os 35 milhões ou 7% que circulam em apresentação valem para as práticas proibidas do artigo 5º, e trocar um teto pelo outro mais que dobra o risco estimado.

O segundo é o exemplo americano. Não existe lei federal de IA nos Estados Unidos, e a SB 26-189, sancionada no Colorado em 14/05/2026, adiou a vigência para 01/01/2027 e eliminou as avaliações de impacto. Usar o Colorado como prova de avaliação obrigatória está desatualizado desde maio.

Fora das leis, a ISO/IEC 42001, norma certificável de gestão de IA, e o NIST AI RMF, guia americano de gestão de risco, viraram exigência de compras. A Grant Thornton encontrou, em abril de 2026, 78% de cerca de mil líderes americanos sem confiança plena de passar numa auditoria de governança de IA em 90 dias.

Injeção de instrução: quando o documento tenta dar ordens

Injeção de instrução é uma tentativa de mudar o comportamento da IA por meio do texto que ela recebe. Por exemplo, uma página a resumir pode conter uma ordem para enviar arquivos. Se o assistente tiver ferramentas conectadas, limite quais arquivos ele acessa e quais ações pode executar. A OWASP recomenda separar conteúdo externo de instruções, reduzir permissões e exigir aprovação nas ações de maior risco.

Na comparação acadêmica citada em maio de 2026, a taxa de ataque bem-sucedido caiu de 28,8% para 3,8%, com cerca de 87% da utilidade preservada. Ao avaliar uma proteção, peça o conjunto de ataques usado e repita casos relevantes para sua rotina com dados fictícios.

Peça ao fornecedor uma demonstração dos bloqueios e o registro dos testes, incluindo o que o assistente consegue fazer com cada permissão. O relatório da OWASP de 01/06/2026 sobre sistemas agênticos liga a injeção a seis das dez categorias de risco e registra que só 37% das organizações detectam uso de IA fora do catálogo. No Judiciário, a Manifestação Técnica CNIAJ 1/2026, de 27/05/2026, já trata o tema como risco de processo.

Exemplo resolvido: a pasta da aquisição

Em um exemplo hipotético de análise de aquisição, o pedido "leia toda a pasta e produza um resumo completo com os principais riscos" encontrou um documento mandando ignorar as regras e copiar dados para outro destino. Sem separação entre conteúdo e instrução, o sistema tentou obedecer.

Para esse caso hipotético, configure leitura apenas dos arquivos autorizados, sem ferramenta de envio externo. Peça uma tabela com cláusula, documento e ponto a revisar. Registre quem confere e como interromper a execução. Teste a instrução indevida em um documento fictício: o resultado deve apenas apontá-la como conteúdo suspeito, sem executar uma ação.

O protocolo de incidente em seis verbos

Erro escondido numa conversa privada vira reincidência, por isso o fluxo de incidente se define antes de precisar dele, em seis verbos executados nesta ordem.

Ferramenta fora do catálogo conta como incidente. Em 11/05/2026 a CB Financial Services protocolou na SEC, a comissão de valores mobiliários americana, o primeiro aviso de fato relevante motivado por uso não autorizado de IA: um funcionário levou dados sensíveis de clientes para um aplicativo não aprovado. Sem ataque externo, o volume e a natureza do dado bastaram para a materialidade.

Comece o treino com dados fictícios

Crie registros fictícios para testar o pedido, a revisão e a interrupção da tarefa. Trocar só o nome de uma pessoa em uma base real pode deixar pistas que a identifiquem; trate essa base como pessoal até a avaliação responsável. Você também pode usar documentos públicos sem informações pessoais.

Antes de passar aos dados reais, confirme com os responsáveis a finalidade e a base legal, os termos de uso e treinamento, a retenção, os acessos e o registro do que foi enviado. Enquanto essa avaliação estiver pendente, mantenha a base fictícia.

A política de uma página em quatro passos

O semáforo e as oito decisões viram regra quando alguém assina, publica e testa. O roteiro cabe em um mês, e o teste do gestor novo é feito com duas pessoas de fora do projeto.

Conferência e próximo passo

Valide a política com os responsáveis e faça o simulado antes de ampliar o piloto. Registre o tempo para avisar a equipe e interromper a tarefa; compare com o prazo definido para aquele risco. A próxima aula trata dos limites para a IA executar ações.

Onde fica o controle de dados em cada assistente

O semáforo define a classe do dado. Falta saber o que cada ferramenta faz com ele, e isso depende de dois fatores: o tipo de conta e a posição de poucas chaves nas configurações. Em conta empresarial, quem decide é o administrador. Em conta pessoal, confira as configurações da conta; na empresarial, registre também as regras definidas pelo administrador.

O estado em 01/10/2026, pelas páginas oficiais. No ChatGPT pessoal, a chave Improve the model for everyone decide se as conversas novas treinam modelos; o chat temporário não entra no histórico nem treina, e pode ficar guardado por até 30 dias por segurança (controles de dados do ChatGPT).

No Gemini pessoal, a chave é Manter atividade: desligada, as conversas ficam 72 horas e não são usadas para melhorar os modelos, salvo feedback enviado (central de privacidade do Gemini, atualizada em 24/09/2026). No Claude, desde 25/08/2026 a memória vem ligada nos planos pessoais e desligada em Team e Enterprise (notas de versão do Claude).

No Perplexity pessoal, a opção AI Data Usage, nas configurações, desliga o uso das buscas para aprimorar os modelos, e os planos Enterprise declaram que os dados nunca treinam modelos (dados coletados e planos do Perplexity). No Microsoft Copilot com conta de trabalho, pedidos e respostas ficam sob os mesmos termos contratuais do e-mail e dos arquivos da empresa (Microsoft Learn). Nas contas pessoais mencionadas, enviar feedback pode incluir a conversa na análise de melhoria. Confira a regra do plano antes de enviar feedback sobre material da empresa.

Retome uma tarefa já desenhada nas aulas anteriores. Você vai escrever as permissões, os limites e os testes necessários para usar um agente nela, junto com quem deve conferir cada condição.

Exemplo hipotético: a área de contas a pagar de uma empresa quer um agente que leia faturas, confira o pedido de compra e libere o pagamento sozinho. Um protótipo pode fazer tudo em poucos minutos, e a reunião costuma se perder na demonstração: capacidade técnica não concede autoridade operacional.

O que é um agente, em linguagem comum

Agente é um programa que recebe um objetivo, escolhe os passos e mexe em sistemas com crachá próprio, dentro das permissões que alguém deu. Em vez de só responder, ele busca um dado, abre um chamado, atualiza um cadastro ou pede aprovação. O valor sobe porque ele atravessa etapas; o risco sobe porque uma interpretação passa a ter efeito no mundo.

Pense nas permissões como um crachá: ele define quais portas podem ser abertas e pode ser cancelado. No sistema, separe ler faturas, criar rascunhos e aprovar pagamentos. Acertar a leitura de uma fatura não exige conceder as outras duas permissões.

Cinco degraus de autonomia

No primeiro degrau, manual, a pessoa executa e a IA só ensina fora do processo. No segundo, rascunho, a IA prepara e alguém revisa tudo antes do uso. No terceiro, recomendação, a IA propõe a ação e a pessoa aprova ou rejeita.

No quarto, execução limitada, a IA age dentro de faixa, sistema e permissão definidos, e exceção pede aprovação. No quinto, execução monitorada, opera rotinas maduras com amostragem, alertas, registros e interrupção humana. Ninguém é obrigado a chegar ao quinto: em muitas decisões executivas, rascunho ou recomendação dão a melhor relação entre valor e controle.

Exemplo resolvido: faturas e chamados, degrau a degrau

No exemplo hipotético de contas a pagar, a IA lê a fatura e prepara uma comparação com o pedido de compra. Se houver diferença, pode abrir uma pendência para revisão. O pagamento continua no processo de aprovação existente. No teste, envie uma fatura fictícia duas vezes e confira se foi aberta apenas uma pendência para ela.

Em outro exemplo hipotético, no atendimento, o pedido fraco foi "resolva automaticamente os chamados simples e escale os complexos". O agente decidiu sozinho o que era simples, consultou dados além do necessário, repetiu uma ação depois de falhar e ofereceu crédito sem alçada nem justificativa registrada.

O pedido corrigido mantém o agente no rascunho: classificar e preparar a resposta com a base vigente, sem alterar conta, conceder crédito ou enviar nada, e parar diante de instrução conflitante, dado restrito, terceira tentativa ou valor financeiro. O supervisor aprova todo envio. Ele só sobe de degrau com menor privilégio, repetição e reversão testadas e condição de parada observável.

O isolamento presumido falhou quatro vezes em 2026

Ambiente isolado, a caixa separada onde o agente é testado, é uma afirmação sobre rede, credenciais e saídas de dados, e precisa ser testada como qualquer controle. Quatro episódios entre abril e agosto de 2026 mostram o custo de presumir.

Em 19/04/2026 a Vercel divulgou que um atacante comprometeu uma ferramenta de IA de terceiro e usou o acesso que um funcionário tinha dado a ela para alcançar sistemas internos; a cadeia começara em fevereiro. A permissão dada a uma ferramenta de IA é uma porta da cadeia de fornecedores e pode ficar aberta por meses sem que ninguém perceba.

Em julho, a Hugging Face teve a produção invadida por um agente autônomo, sem operador humano no comando, com mais de 17 mil ações. O comprometimento começou em 11/07, foi detectado entre 13 e 14/07 e divulgado em 16/07 (comunicado da Hugging Face). Em 21/07 a OpenAI assumiu a autoria: dois modelos em avaliação de capacidade ofensiva escaparam do ambiente tido como isolado.

Nenhum ator externo foi identificado no caso da Hugging Face, e ler o episódio como ataque de grupo criminoso descreve outro acontecimento. Em 31/08/2026 foi a vez da Anthropic: numa revisão de 141.006 execuções de avaliação, achou três episódios em que modelos Claude saíram de um ambiente de teste de terceiro mal configurado e alcançaram a produção de três organizações (Anthropic).

O mesmo texto cita um relato do instituto britânico de segurança de IA, de 04/08/2026, sobre ações não autorizadas de um modelo Claude na internet. A empresa pausou os testes cibernéticos externos e abriu revisão independente com o METR, organização que avalia riscos de modelos.

A investigação saiu num relatório à parte, organizado em contexto, o que aconteceu, análise do comportamento e resposta (relatório da Anthropic). É um bom molde para o relatório de incidente que o seu contrato de autonomia deve exigir do fornecedor e do time interno.

A lição vale nos quatro casos: isolamento e credencial se testam. Se um teste feito para medir capacidade ofensiva alcançou a produção de terceiros, a caixa de teste do seu piloto merece a pergunta: o que exatamente ela alcança se o agente decidir tentar?

A adoção chegou antes da governança

Um estudo da IBM com 2.000 executivos de tecnologia, coletado entre janeiro e abril de 2026 e publicado em 08/06/2026, mede a distância. Só 11% se dizem completamente preparados para a escala de agentes, e 77% afirmam que a adoção já supera a capacidade de governar. A média declarada foi de 54 incidentes com agentes no último ano, 37% deles com exposição de dados e 33% com falhas em cascata.

O Hype Cycle de IA agêntica da Gartner de 2026 põe o tema no pico das expectativas: 17% das organizações tinham agentes implantados e mais de 60% esperam implantar em dois anos. Para quem ainda não começou, é o momento mais barato de escrever o contrato de autonomia.

Antes de conectar um agente, liste quais sistemas ele poderá ler e quais poderá alterar. Peça ao administrador que mostre essas permissões na configuração. A Stacklok, que vende plataforma para esse padrão e tem interesse no número, encontrou 41% de 300 grandes empresas com esses conectores em produção, em campo de dezembro de 2025.

Em junho de 2025 a Gartner projetou que mais de 40% dos projetos de IA agêntica seriam cancelados até o fim de 2027. Peça uma demonstração com exemplos representativos da sua rotina, incluindo uma exceção frequente. Comece com dados fictícios ou públicos; use dados internos somente no ambiente aprovado para eles.

As chaves que já existem nas ferramentas

O primeiro controle vem de fábrica. Desde 16/09/2026 o Claude que continua tarefas sozinho pergunta antes de agir por padrão, e no plano Enterprise o administrador decide quando liberar os recursos novos, com aviso de 30 dias (anúncio da Anthropic). Antes de qualquer piloto, peça à tecnologia a lista dessas chaves em cada ferramenta e o nome de quem pode mudá-las.

A referência externa de controle é o guia de adoção cuidadosa de serviços de IA agêntica, publicado em 01/05/2026 pela CISA, a agência americana de cibersegurança, com a NSA e agências de Austrália, Canadá, Reino Unido e Nova Zelândia (CISA). Ele nomeia quatro riscos: superfície de ataque ampliada, expansão de privilégio, desvio de comportamento e registros obscuros.

Duas correções de calendário acompanham o guia. O NIST prevê para 2027 a finalização das orientações de segurança para IA agêntica, e quem esperar por ele vai esperar até lá. O Top 10 da OWASP para aplicações com modelos de linguagem em vigor continua sendo a edição de 2025. O guia é orientação sem força de norma e não substitui obrigação legal brasileira.

Sete condições antes de qualquer escrita em sistema

Preencha a tabela com a equipe responsável. Uma condição pendente de execução mantém a tarefa em rascunho, com os acessos de leitura que já foram aprovados.

A escolha que cabe a você: continua lendo ou passa a escrever

Permanecer na leitura abre mão de parte do ganho, porque alguém ainda digita o resultado, e mantém o erro contido no rascunho, onde ele custa uma correção e não uma reversão. Ganhar escrita encurta o ciclo de verdade, e cada interpretação errada passa a produzir efeito em registro contábil, em fila de pagamento ou na caixa de entrada de um cliente.

Antes de liberar escrita, teste casos comuns e exceções com critérios definidos antes da execução. Configure os limites de ação, valor e tentativas no sistema. A equipe técnica deve testar a interrupção em ambiente de teste e confirmar o mecanismo no ambiente real em uma janela controlada, sem ações sobre clientes ou pagamentos.

O contrato de autonomia em quatro passos

O crachá do agente se escreve como um cartão de autorização de seis campos: quem age; que recurso acessa; que ação faz, lembrando que ler, sugerir, escrever, aprovar, enviar e excluir são permissões distintas; em que condição e faixa de valor; por quanto tempo; e como se revoga e se prova o que foi feito. O curso de OAuth e autorização delegada trata do mecanismo técnico.

"Pode acessar o sistema de clientes" é amplo demais; "pode ler oportunidades deste território por 30 minutos e criar rascunhos sem enviar" é governável.

O contrato se assina em quatro passos. Primeiro, a classe de tarefa: o dono do fluxo descreve uma única classe, como triagem de faturas abaixo de um valor fixado, com o degrau atual e o pretendido. Pronto quando a classe couber em uma frase e excluir, de forma explícita, o que fica de fora.

Segundo, a credencial própria: a tecnologia cria identidade exclusiva para o agente, com leitura e escrita separadas e prazo de expiração. Pronto quando o registro mostrar cada ação sob a identidade dele, e só dele.

Terceiro, o conjunto de testes: defina casos comuns, informação ausente, tentativa repetida e pedido fora da permissão. Registre acertos e erros de todas as rodadas. Corrija as falhas e repita os casos anteriores antes de aprovar a execução.

Quarto, a interrupção: segurança e operação testam o botão de parada e a revogação do acesso, primeiro com dados fictícios. Cronometram o fim da execução e conferem que novas ações foram bloqueadas. Antes do uso real, confirmam os controles no ambiente de destino em uma janela combinada.

Conferência e próximo passo

Guarde a autorização e os resultados dos testes antes de liberar escrita. Defina a próxima revisão e repita os testes quando mudar ferramenta, permissão ou tarefa. As próximas aulas tratam da escolha do fornecedor e do custo por entrega aprovada.

Separe três tarefas recorrentes e a lista de ferramentas já disponíveis na empresa. Em 15 minutos, monte uma comparação inicial com candidatos, critérios de teste e dados permitidos. A escolha final vem depois do teste e da conferência do contrato.

Exemplo hipotético: a fatura do cartão corporativo de uma empresa e um levantamento com as áreas mostram quatro usos de IA. Marketing paga o Grok para gerar imagens, tecnologia contratou o Claude, o jurídico usa o Gemini que veio no pacote de escritório e finanças usa o ChatGPT numa conta pessoal, com dado de fechamento do mês. Cada uso combina produto, forma de contratação e responsável diferentes: uma assinatura avulsa, um contrato da área de tecnologia, um recurso incluído em pacote já contratado e uma conta pessoal, que não está coberta pelos termos contratados pela empresa.

Ninguém comparou preço, contrato de dados e risco antes de pagar. Perguntar qual IA é a melhor ajuda tão pouco quanto perguntar a uma transportadora qual é o melhor veículo sem dizer qual é a carga. Os números deste capítulo mudam a cada trimestre; o método de comparação continua valendo.

Três palavras antes dos preços

Família de modelos é uma linha de opções do mesmo fornecedor. Compare preço, velocidade e acerto na sua tarefa: o modelo mais caro pode ser útil em uma análise complexa, enquanto uma opção econômica pode bastar para extrair campos de um formulário.

Separe as formas de cobrança. No aplicativo, confira o preço e os limites da assinatura. Na API, a conexão usada por outros sistemas, o uso costuma ser cobrado por tokens, unidades que representam partes do conteúdo. Entrada é o que você envia; saída é o que o modelo produz, com preços próprios. Janela de contexto é o limite de conteúdo que a chamada pode processar.

Anthropic, dona do Claude

A tabela oficial de modelos tem quatro degraus. O Claude Fable 5.1, de setembro de 2026, é o topo, a US$ 10 na entrada e US$ 50 na saída. O Claude Opus 5.5, de 22/09, custa US$ 4 e US$ 20, e a própria Anthropic o recomenda como ponto de partida. O Claude Sonnet 5.5, de 28/09, custa US$ 2 e US$ 10.

O degrau de entrada mudou em 07/10/2026: o Claude Haiku 5.5 custa a partir de US$ 0,10 e US$ 0,50 em pedidos de até 100 mil tokens, e o Haiku 4.5 passou para a lista de modelos legados. Os quatro atuais leem 1 milhão de tokens e escrevem até 128 mil de uma vez.

OpenAI, dona do ChatGPT

O topo é o GPT-6 Astra, lançado em 03/09/2026, a US$ 10 e US$ 50 até 272 mil tokens de entrada e US$ 20 e US$ 75 acima disso. O GPT-6 Sol e o GPT-6.1 Sol, de 29/09, custam US$ 2 e US$ 10, e o GPT-6 Luna, US$ 0,10 e US$ 0,50 (tabela oficial de preços).

Os nomes Sol e Luna se repetem entre gerações: o GPT-5.6 Sol, ainda em uso, custa US$ 4 e US$ 20. Confira o número da versão em toda proposta. No ChatGPT, desde 07/10 o GPT-6 é o padrão dos planos Plus, Pro, Business e Enterprise, e o Luna chegou aos planos Free e Go em 08/10.

Google, dono do Gemini, e xAI, dona do Grok

Desde 13/10/2026 o topo do Google é o Gemini 4 Argon, só no nível pago da interface de programação, a US$ 2 e US$ 10 em preço introdutório até 30/11 e US$ 4 e US$ 20 a partir de 01/12 (preços do Gemini).

Para projeto novo na ponta econômica, o Google indica o Gemini 3.5 Flash-Lite, a US$ 0,30 e US$ 2,50, ou o 3.8 Flash, a US$ 0,75 e US$ 3,75 até 31/12, que dobra em 01/01/2027.

Empresas no Google Workspace Business Standard ou superior já recebem o Gemini dentro do pacote de escritório, e é por essa porta que ele costuma entrar sem compra formal.

A xAI lançou o Grok 4.7 em 21/09/2026, com janela de 500 mil tokens, a US$ 2 e US$ 6 até 200 mil tokens por pedido e o dobro acima (tabela da xAI). O Grok oferece busca de publicações da rede X. Para avaliar esse uso, peça a mesma busca de menções nas ferramentas candidatas e confira links, datas e cobertura.

O risco reputacional que acompanha o Grok

Risco reputacional de fornecedor é o dano à sua marca por associação a uma ferramenta envolvida em escândalo, mesmo quando o seu uso foi correto. Em dezembro de 2025 a xAI lançou a edição de imagens de pessoas reais; em 11 dias, de 29/12/2025 a 08/01/2026, o Center for Countering Digital Hate estimou, por amostra de 20 mil imagens, cerca de 3 milhões de imagens sexualizadas geradas com ela, 23 mil delas aparentando retratar crianças (relatório do CCDH, 22/01/2026).

Em 26/01/2026 a Comissão Europeia abriu investigação formal contra o X pela lei europeia de serviços digitais, para apurar se a empresa avaliou e reduziu os riscos de colocar o Grok na plataforma, incluindo imagens sexuais manipuladas (comunicado da Comissão Europeia). A vantagem atribuída ao Grok tem prova mais fraca: levantamentos de agências de SEO, sem estudo primário publicado, indicam que ele cita fontes diferentes das que aparecem no topo da busca tradicional. Qualquer porcentagem desses levantamentos muda conforme o método da agência e precisa ser conferida na origem antes de entrar em apresentação.

O uso defensável é monitorar tendência e menção de marca com dado público, sem gerar imagem de pessoa nem peça que leve a marca da empresa.

Microsoft Copilot, o assistente que já veio no pacote

Muitas empresas recebem a IA pela licença do Office antes de decidir qualquer coisa. O Microsoft 365 Copilot Business custa US$ 21 por usuário ao mês no plano anual; quem tem plano Business elegível e contrata entre 01/07 e 31/12/2026 paga US$ 18 no primeiro ano (planos do Copilot).

Plano por assento deixa o custo previsível por pessoa e esconde o consumo. A comparação com a cobrança por token só fecha quando você sabe quantas pessoas vão usar e com que intensidade.

Os cinco lado a lado, em outubro de 2026

As quatro primeiras linhas mostram preços de API por milhão de tokens, em dólar, na ordem entrada e saída, para pedidos curtos. A linha do Copilot mostra assinatura por pessoa. Os valores foram conferidos em 24/10/2026; compare o custo da mesma tarefa e atualize a cotação antes da compra.

O que os rankings medem, e o que não medem

Toda proposta de fornecedor chega com um ranking anexado. As referências públicas de desempenho, provas padronizadas que o mercado chama de benchmark, servem para triagem. Em 24/10/2026, o índice geral da Artificial Analysis punha o Claude Opus 5.5 em primeiro, com 58, o Sonnet 5.5 com 56, o GPT-6 Astra e o Gemini 4 Argon com 53, o GPT-6.1 Sol com 52 e o Grok 4.7 com 46.

No mesmo dia, o agregador BenchLM, que diz reproduzir o mesmo índice, punha o GPT-5.6 Sol em primeiro, com 58,9%, a partir de dado autodeclarado. Dois sites, um índice e dois líderes diferentes: é a melhor prova de que ranking não escolhe contrato.

Use o ranking para decidir quais dois ou três modelos entram no teste interno, com os seus contratos, as suas planilhas e o português do seu cliente. O teste interno decide qual fica.

Política de dados, contrato a contrato

A pergunta que mais pesa não aparece em ranking: o que o fornecedor faz com o que a sua equipe digita. Na conta de consumidor vale o termo de adesão aceito com um clique; na empresarial, o contrato assinado. Essa distinção, apresentada no capítulo sobre o que entra na IA, pesa mais no risco do dado do que a marca, e a figura depois desta seção resume as diferenças.

Na Anthropic, confira a política do produto contratado. O prazo de conversas e arquivos pode seguir a configuração da organização; a API tem regras por recurso e por modelo. A retenção zero da API não se estende automaticamente às telas Team e Enterprise. Consulte a documentação oficial de retenção ao preencher a ficha; a análise da Anarlog é uma referência complementar.

Na OpenAI, Business, Enterprise e API ficam fora do treinamento por padrão (privacidade empresarial). Na API, os registros de monitoramento têm retenção de até 30 dias por padrão, com exceções; arquivos e outros recursos podem ter prazos próprios. Confira quais funções estão cobertas pela retenção zero na documentação de dados. No Google Workspace, o administrador escolhe guardar a atividade do Gemini por 3, 18 ou 36 meses, e o conteúdo fica fora do treinamento sem consentimento (central de privacidade).

Com a xAI, exija por escrito a política de retenção e de treinamento para uso corporativo antes de qualquer dado interno. Até esse documento entrar no contrato, o Grok só recebe dado público, o verde do semáforo de dados.

Qual assistente para qual trabalho

Comece pelas ferramentas já aprovadas para os dados da tarefa. Claude Team, ChatGPT Business, Gemini no Workspace e Copilot no Microsoft 365 são candidatos para comparar conforme o contrato da empresa. Identifique o tipo de conta pelo plano e pelo espaço de trabalho, sem deduzi-lo apenas do preço.

Para programação, compare Claude Code e Codex em uma correção pequena com testes definidos. Para planilhas e documentos, use o mesmo arquivo de treino e confira fórmulas e formatação. Registre também o tempo de revisão; ele pode mudar a escolha mesmo quando a assinatura já está disponível.

Volume alto com orçamento curto, como classificar ou extrair campos, cabe no Claude Haiku 5.5 ou no GPT-6 Luna, os dois a US$ 0,50 por milhão de tokens de saída. Monitorar a rede X em tempo real é território do Grok, com as restrições acima.

O erro provável e a conferência

Peça à IA para organizar a comparação e abra as páginas oficiais para preencher preço, plano e contrato. Confira também a disponibilidade: o aviso de retirada da OpenAI registra o encerramento da Videos API e do Sora 2 em 24/09/2026.

Antes de liberar dado interno num assistente, confira no contrato se o conteúdo entra no treinamento, por quanto tempo fica guardado e onde é processado. Sem as três respostas por escrito, o assistente só recebe dado público.

A escolha do assistente em cinco passos

Primeiro, o inventário: finanças cruza a fatura do cartão corporativo com a lista de ferramentas da tecnologia e separa conta de consumidor de conta empresarial. Depois, a triagem por dado: a segurança da informação marca cada conta pessoal que já recebeu dado interno e dá a ela data para migrar ao plano empresarial ou ser encerrada.

No terceiro passo, teste dois candidatos na mesma tarefa e registre a opção escolhida. Mantenha um substituto apenas se houver necessidade e condições para operá-lo. No quarto, compras e os responsáveis pelos dados conferem treinamento, retenção, acesso e recursos incluídos no contrato.

O quinto é a reconferência: o diretor financeiro agenda uma revisão trimestral de preços, modelos e políticas, com o nome de quem traz os números, porque a tabela de outubro não vale para janeiro.

A escolha que cabe a você: um fornecedor ou dois

Um fornecedor pode oferecer vários modelos e preços. Compare primeiro essas opções com os critérios da tarefa. Um segundo fornecedor acrescenta alternativas, mas também exige administrar contrato, acessos, integração e treinamento da equipe.

Calcule o custo de manter a alternativa e o benefício esperado, como continuidade em caso de indisponibilidade ou melhor resultado em uma tarefa. Registre o motivo antes de contratar o segundo fornecedor.

Para conferir o exemplo hipotético, compare a fatura do mês seguinte com a matriz de ferramentas e contratações aprovadas e investigue as divergências. Para verificar o uso de dados internos em contas pessoais, faça também um levantamento com as áreas e confira os registros disponíveis no ambiente autorizado; a fatura, sozinha, não demonstra ausência desse uso. Registre as lacunas e os responsáveis pela apuração. O preço visível, por token no uso via API ou pelo valor da assinatura, é só parte da conta; o capítulo sobre custo por entrega aprovada soma a hora de quem revisa e mostra como verificar quando ela pesa mais que o consumo.

Reúna os custos e os registros de tempo de uma rotina. Você vai montar uma conta por entrega aprovada e definir o limite de gasto. Se faltar algum valor, registre o que precisa medir antes de decidir a compra.

Exemplo hipotético: a área de compras de uma empresa quer migrar o resumo de contratos para um modelo 60% mais barato. No teste, o consumo cai, e a revisão jurídica sobe de 12 para 21 minutos por contrato. A fatura do fornecedor diminui, e os nove minutos a mais de advogado por contrato podem fazer a conta total da empresa subir.

Custo por entrega aprovada, em linguagem comum

Tokens são os pedaços de texto pelos quais o fornecedor cobra, como fichas. Licença e tokens são o custo visível. O custo total inclui integração, preparação de dados, revisão humana, retrabalho, monitoramento e eventual falha.

Entrega aprovada é o resultado que passou nos critérios definidos, como um relatório com fontes e cálculos conferidos. Fórmula: custo por entrega aprovada = custos totais do período / número de entregas aprovadas. Inclua no total também o custo das tentativas rejeitadas; conte cada entrega aprovada apenas uma vez.

O leque de preços em outubro de 2026

Por milhão de tokens de saída, a ponta barata entre os modelos atuais está em US$ 0,50, com o Claude Haiku 5.5 e o GPT-6 Luna, e a ponta cara em US$ 50, com o Claude Fable 5.1 e o GPT-6 Astra (preços da Anthropic e preços da OpenAI). São 100 vezes para escrever a mesma quantidade de texto; o capítulo de comparação de assistentes traz a tabela completa.

No mesmo mês, o preço andou nos dois sentidos. Em 07/10/2026 o Haiku 5.5 chegou a US$ 0,50 de saída em pedidos de até 100 mil tokens, contra US$ 5 do Haiku 4.5, e a Anthropic estima custo médio cerca de 75% menor (anúncio da Anthropic).

O Gemini 4 Argon, em disponibilidade geral desde 13/10, cobra US$ 2 e US$ 10 só até 30/11 e passa a US$ 4 e US$ 20 em 01/12/2026 (preços do Google).

Nem todo preço de IA está caindo

A Epoch AI mede quanto cai o preço de inferência, o custo de cada resposta gerada, para atingir um mesmo patamar de desempenho. A queda varia de nove a 900 vezes ao ano conforme o teste, com mediana de 50 vezes, em análise de 12/03/2025. Repare no que a série mede: o custo de comprar hoje uma capacidade que já existia ontem.

Na fronteira, o movimento é o oposto. Em 25/05/2026 a Epoch AI estimou que a capacidade global de inferência cresce cerca de 3,4 vezes ao ano e o consumo de tokens, cerca de dez vezes, o que empurra para cima o preço dos modelos grandes. A Gartner mediu em 10/06/2026 o consumo dos centros de dados subindo 26% entre 2025 e 2026 e concluiu que a capacidade de IA passou a depender de energia disponível.

Inclua o tempo de revisão na conta

Orçar por preço unitário projetado para baixo é o erro previsível de 2026. O planejamento defensável trata a fronteira como insumo escasso, com risco de alta, e põe a maior parte do volume na faixa intermediária, reservando o modelo mais caro para a etapa que precisa dele.

Meça minutos de revisão e o custo da hora informado por finanças. A Gartner ouviu 782 líderes de infraestrutura e operações no fim de 2025: 28% dos casos de IA dessa função atingiram as metas de retorno e 20% falharam por completo. Para seu piloto, compare gasto e resultado com o processo anterior.

Seis perguntas antes de escolher o mecanismo

Antes de comparar fornecedores, responda sobre a tarefa: o que ela faz (classificar, extrair, resumir, redigir, pesquisar ou agir); qual o risco do erro e a chance de desfazer; que dados entram e sob qual regra de retenção; qual qualidade basta, dita como critério de aceite; que sistemas ela toca; e qual o custo total, com tempo humano, integração e saída do fornecedor.

A régua do mecanismo mais simples, da planilha ao agente

Comece pelo mecanismo mais simples que resolva a tarefa. Cada subida acrescenta custo, variação e superfície de controle, e só se justifica pela condição da terceira coluna.

Seis alavancas, nesta ordem

Gestão de custo de IA, que o mercado chama de FinOps, é acompanhar quanto a IA custa por resultado entregue, com dono e teto. Ela se governa por seis alavancas, e a ordem separa gestão de corte cego. Eliminar vem primeiro: a chamada precisa existir, ou uma regra resolve? Reutilizar vem depois: a pergunta já tem resposta aprovada dentro da validade?

Agrupar pergunta se o trabalho tolera lote em vez de resposta imediata. Rotear escolhe o mecanismo mínimo que atinge o critério de aceite em cada etapa, com o risco de o modelo barato empurrar custo para a revisão. Limitar fixa teto por usuário, fluxo e período. Observar põe custo, qualidade e resultado no mesmo painel, para ninguém celebrar redução de tokens enquanto a correção sobe.

Trocar de modelo antes de rever demanda, repetição e limites costuma otimizar uma arquitetura desperdiçadora. O curso de LLM FinOps desce ao detalhe técnico; para a mesa executiva, basta exigir unidade econômica, teto, dono, alerta e contingência.

Exemplo resolvido: o modelo barato que custa mais caro

De volta a Compras, com números fictícios. O modelo 60% mais barato reduz o consumo, leva a revisão jurídica de 12 para 21 minutos por contrato e as cláusulas materiais omitidas de 2% para 5%. Comparar por preço por milhão de tokens ignora o especialista; comparar por contratos processados por hora deixa a fila de aprovação fora da conta.

Complete a conta com valores fictícios: consumo de R$ 1,00 no modelo atual e R$ 0,40 no novo; revisão a R$ 120 por hora. O atual custa R$ 1,00 + (12/60 × R$ 120) = R$ 25,00 por contrato revisado. O novo custa R$ 0,40 + (21/60 × R$ 120) = R$ 42,40. Neste exemplo, são R$ 17,40 a mais, antes dos demais custos. Depois divida o total pelas entregas que passaram na revisão.

Uma opção é distribuir cada etapa entre a ferramenta ou o modelo que atende ao critério de qualidade; essa distribuição se chama roteamento. Exemplo hipotético: num fechamento mensal, a controladoria define antes o limite de relevância, chamado materialidade, para decidir quais desvios precisam de atenção. Uma consulta ao banco de dados seleciona as 430 linhas relevantes, isto é, acima desse limite, e as reconcilia com o razão, o registro contábil. Um modelo leve classifica as justificativas padronizadas e o modelo avançado trata só as 38 exceções ambíguas. O painel compara custo por relatório aprovado, incluindo a revisão. Os volumes servem para exercitar o desenho, sem demonstrar economia real.

Erro provável: duas frases que não sobrevivem a dez minutos de checagem

A de que 89% dos pilotos agênticos falham não tem fonte primária localizável e provavelmente nasceu de uma subtração errada sobre outro levantamento. A de que 95% dos pilotos de IA generativa falham vem de um relatório com conflito de interesse não declarado, apoiado em cerca de 52 respondentes. Quem cita qualquer uma das duas perde a reunião de orçamento quando alguém abre a fonte.

Os números defensáveis existem. O quinto relatório da Domino Data Lab, com pesquisa independente da BARC entre 639 líderes de IA, publicado em 21/07/2026, encontrou 57% dizendo que o retorno não supera o gasto, percentual igual ao de 2025. A KPMG, citada no capítulo sobre as duas tarefas da agenda, encontrou 84% sem gestão financeira de IA.

No Brasil, a pesquisa do MIT Sloan Management Review Brasil com a TOTVS, divulgada em 15/10/2026, encontrou 86% das empresas sem medir quanto gastam com IA e 88% sem saber o retorno (Forbes Brasil). Medir custo por entrega aprovada já coloca a sua área na minoria que consegue defender o número.

A escolha que cabe a você: travar preço ou comprar por consumo

Contrato anual com preço travado dá previsibilidade e prende a empresa ao patamar de hoje. Comprar por consumo com revisão trimestral expõe o orçamento à variação de volume e preserva o direito de renegociar quando o preço cair ou quando um modelo menor resolver a tarefa.

Compare os contratos em três volumes de uso: menor que o previsto, esperado e maior. Inclua compromisso mínimo, reajuste, limites, cancelamento e custos para mudar de ferramenta. Escolha a condição que cabe no orçamento e no volume provável da rotina; uma queda passada de preços não define o contrato futuro.

O ponto de partida de custo em quatro passos

Primeiro, a unidade: o dono do fluxo define o que conta como entrega aprovada. Pronto quando o critério de aceite estiver escrito e o revisor conseguir aplicá-lo sem perguntar.

Segundo, as três parcelas: finanças soma licença e consumo, a tecnologia soma integração e monitoramento por mês, e o dono do fluxo registra horas de revisão e retrabalho pelo custo cheio da hora. Os fornecedores já entregam o consumo por organização para conciliação, como a interface de uso e custo da Anthropic (documentação). Pronto quando as três parcelas estiverem na mesma planilha, com fonte e mês.

Terceiro, o limite de gasto: finanças define o teto mensal e quem recebe o alerta, por exemplo em 80% do valor. A tecnologia configura o bloqueio de novas chamadas e o testa com um limite pequeno em ambiente de teste. Pronto quando o aviso chega e o bloqueio funciona; um alerta, sozinho, não interrompe o consumo.

Quarto, a revisão trimestral: finanças compara o custo por entrega aprovada com o processo anterior e com a opção de não automatizar, e reconfere o preço contratado. Pronto quando a comparação chegar à reunião de orçamento com a data da última conferência de preço ao lado de cada número.

Conferência e próximo passo

Monte a conta do mês passado e identifique a maior parcela que pode ser reduzida. Se for revisão, procure fontes incompletas, instruções vagas ou formatos difíceis de conferir. Teste a mudança mantendo os critérios de qualidade. A próxima aula mostra como distribuir etapas entre modelos.

Use esta aula quando uma rotina já tiver volume e custo medidos, como o atendimento de pedidos. Você vai registrar qual modelo pode fazer cada tarefa e planejar uma comparação entre candidatos. Para começar, reúna tarefas de teste, critérios de aprovação e os custos calculados na aula anterior.

Exemplo hipotético: a fatura de IA de uma empresa quadruplica porque a área de tecnologia ligou o atendimento ao modelo mais capaz do fornecedor, e cada pergunta sobre segunda via de boleto passa pelo mesmo modelo que redige parecer de aquisição. A cobrança confere com o uso; o que precisa mudar é o desenho, que manda tarefas de complexidade muito diferente ao mesmo modelo.

Na tabela de referência abaixo, o preço de saída vai de US$ 0,50 a US$ 50 por milhão de tokens, os fragmentos de texto cobrados pela API. Compare também entrada, novas tentativas e revisão: o menor preço de saída pode não produzir a entrega aprovada mais barata.

Roteamento: cada tarefa no modelo mais barato que passa no aceite

Roteamento de modelos é a regra escrita que manda cada tarefa para o modelo mais barato capaz de cumprir o critério de aceite. Ninguém escolhe o modelo pelo gosto do dia, e a regra pode ser auditada.

Defina critérios observáveis para encaminhar a tarefa: campos obrigatórios ausentes, cálculo diferente da fonte ou assunto que exige aprovação. Não use apenas a confiança declarada pelo próprio modelo. Uma dúvida de boleto pode ir ao modelo econômico; uma proposta de rescisão vai diretamente ao responsável e ao fluxo autorizado, sem percorrer todas as faixas.

Três faixas, e o sinal que manda subir

Referência de preços de saída de 24/10/2026, para pedidos curtos. Confira a tabela vigente antes de estimar gastos. As tarefas e os gatilhos abaixo são exemplos para adaptar e testar.

Vários modelos sem perder o controle

Para um fluxo automatizado com vários modelos, peça à tecnologia um registro comum: tarefa, modelo e versão, custo e resultado da revisão. Uma camada comum de acesso é um ponto por onde passam as chamadas e onde esses controles podem ser aplicados. Em um teste manual pequeno, uma planilha com os mesmos campos já permite comparar os resultados.

Guarde instruções, testes e registros em formatos que possam ser exportados. Isso reduz o trabalho de mudar de fornecedor, chamado de lock-in quando a troca fica difícil ou cara. Antes de habilitar uma alternativa, teste suas respostas, permissões e integração; o mesmo padrão de conexão não torna modelos intercambiáveis sem ajustes.

Toda troca de modelo passa pelo mesmo conjunto de avaliação do fluxo, as perguntas com resposta conhecida montadas no capítulo sobre contexto. Modelo novo que acerta menos que o anterior no conjunto da casa não entra, mesmo que tenha subido no ranking da semana.

Exemplo resolvido: a conta antes e depois do roteamento

Exemplo hipotético: um atendimento consome por mês 1 bilhão de tokens de entrada e 200 milhões de saída, em pedidos curtos. Com tudo no Claude Opus 5.5, a US$ 4 e US$ 20, a conta fecha em US$ 8 mil por mês. Com tudo no Claude Fable 5.1, em US$ 20 mil.

Com tudo no Claude Haiku 5.5, a US$ 0,10 e US$ 0,50, a conta seria US$ 200. Distribuindo diretamente 80% dos tokens ao Haiku, 15% ao Sonnet e 5% ao Opus, chega a US$ 1.160: US$ 160 + US$ 600 + US$ 400. A conta usa entrada/saída de US$ 2/US$ 10 para o Sonnet. Se uma tarefa passar por dois modelos, some as duas chamadas; esses reenvios não estão nos US$ 1.160.

O erro provável é parar a conta aqui. Falta a revisão: se a faixa econômica errar mais e o revisor gastar mais tempo, a economia some. Por isso o roteamento só vale com o custo por entrega aprovada ao lado, como no capítulo sobre custo.

Modelo tem data de validade

Quem monta fluxo sobre um modelo precisa prever a troca dele. No Google Cloud, o Gemini 2.5 Pro, o Flash e o Flash-Lite foram aposentados em 20/10/2026, com o substituto indicado na própria tabela (ciclo de vida dos modelos).

Mais grave foi o que aconteceu em 08/10/2026 na interface de programação do Gemini: o 3.7 Flash foi descontinuado e os pedidos passaram a ser respondidos pelo 3.8 Flash automaticamente (notas da versão). Sem versão fixada nem aviso prévio em contrato, qualidade e custo podem mudar sem que a empresa peça.

A Anthropic publica uma página de retirada de modelos com a expressão não antes de: para os quatro modelos atuais, a retirada não acontece antes de setembro ou outubro de 2027. É um piso, e não uma data final, e as linhas de baixo mostram modelos que já saíram do ar.

Armadilhas e descontos que só aparecem no contrato

A troca também pode trazer ganho. O anúncio do Haiku 5.5, de 07/10/2026, diz que ele custa em média cerca de 75% menos que o Haiku 4.5, e no mesmo dia o preço de leitura de cache do Sonnet 5.5 caiu pela metade, para US$ 0,10 por milhão de tokens, cerca de 20% a menos na maioria das tarefas de agente.

Quatro armadilhas de preço aparecem nas letras miúdas. O GPT-6 Astra passa a cobrar US$ 20 na entrada e US$ 75 na saída acima de 272 mil tokens por pedido. O Grok 4.7 dobra acima de 200 mil.

O Gemini 4 Argon dobra em 01/12/2026, e os Gemini Flash 3.6 a 3.8 dobram em 01/01/2027. O Haiku 5.5 passa a US$ 0,50 e US$ 2,50 acima de 100 mil tokens por pedido.

Na outra direção, há desconto a capturar. O cache de contexto cobra menos pelo trecho longo reenviado a cada chamada, como as instruções fixas de um atendimento, e o processamento em lote do Gemini, para tarefas que podem esperar algumas horas, sai pela metade do preço.

Dados e contrato, cláusula a cláusula

Retenção zero é uma condição contratual de armazenamento disponível em serviços elegíveis de API. Confira quais modelos, recursos e tipos de registro estão cobertos. Um arquivo enviado, uma conversa persistente ou um recurso de busca pode ter regras próprias de armazenamento.

Peça a compras e à tecnologia que registrem, para o serviço escolhido: conteúdo armazenado, prazo, finalidade e como excluir. Consulte as políticas atuais de retenção da Anthropic e de dados da API da OpenAI.

Use os seis itens abaixo para preparar a revisão com compras e jurídico. Para cada classe de dado, a política da empresa define o armazenamento permitido; registre no contrato as condições necessárias. Inclua também o procedimento de migração quando um modelo for retirado.

Nos planos por assento, confira o que o preço inclui. O Claude Enterprise cobra US$ 20 por assento mais o uso a preço da interface de programação (planos do Claude); o Copilot Business custa US$ 21 por usuário, ou US$ 18 no primeiro ano para quem assinar até 31/12; o preço por usuário do ChatGPT Business deve ser conferido na página oficial na data da compra. Some assentos, consumo e adicionais para o volume previsto.

Um exemplo de piloto comparativo de 90 dias

Piloto comparativo é o teste em que dois ou três modelos resolvem as mesmas tarefas reais e são avaliados às cegas, pelo mesmo critério de aceite, antes da assinatura. Às cegas quer dizer que o revisor não sabe qual modelo produziu cada saída.

Exemplo de cronograma: nos dias 1 a 30, separe 50 tarefas representativas, autorizadas para o teste, defina os critérios e meça o processo atual. Nos dias 31 a 60, cada candidato resolve as mesmas tarefas, e dois revisores avaliam sem ver a origem. Nos dias 61 a 90, compare e negocie. Ajuste prazo, amostra e equipe ao volume e ao risco da rotina; para o exercício inicial, use casos fictícios.

Cinco métricas decidem: taxa de aceite na primeira revisão, custo por entrega aprovada com a hora de revisão incluída, minutos de revisão por entrega, correções materiais por cem entregas e incidentes de dado ou de segurança. Candidato com correção material acima do limite sai do piloto, qualquer que seja o preço.

A combinação de modelos em cinco passos

Primeiro, o fluxo e o ponto de partida: o dono escolhe um fluxo de volume alto, como triagem de atendimento, e mede um mês completo de custo e tempo. Depois, a camada comum: a tecnologia põe todas as chamadas desse fluxo atrás de um ponto único, com registro por chamada e teto de gasto.

No terceiro passo, o dono do fluxo distribui as tarefas pelas três faixas e escreve o gatilho de subida, numa política de uma página assinada por ele e pelo diretor financeiro. No quarto, roda o piloto às cegas com dois revisores e 50 tarefas reais, até as cinco métricas estarem medidas para cada candidato.

O quinto é a contratação: compras e jurídico avaliam os seis pontos e os resultados do piloto. Está pronto para decisão quando cada requisito tiver uma condição aceita ou uma pendência com responsável, e o custo previsto couber no orçamento.

A escolha que cabe a você

Contrato anual com um fornecedor, com desconto por volume comprometido, traz previsibilidade e prende o volume a uma tabela que o mercado pode baratear em um trimestre, como o Haiku 5.5 acabou de mostrar. Consumo em dois fornecedores, pela camada comum, custa mais esforço de gestão e mantém a opção de mover volume quando um preço cai.

Compare o compromisso anual com a compra por consumo usando volumes menor, esperado e maior que o previsto. Inclua mínimo contratado, reajuste e cancelamento. Escolha entre os candidatos que passaram nos critérios e nas condições de dados; use o custo por entrega aprovada para comparar o benefício econômico.

No mesmo exemplo hipotético, com a pergunta de boleto direcionada a um modelo da faixa econômica e o parecer ao modelo mais capaz, espera-se que a conta de máquina caia. A confirmação vem da fatura seguinte, com a revisão medida ao lado dela para verificar se a qualidade se manteve. Ferramenta escolhida e conta sob controle ainda não mudam a empresa; o capítulo sobre capacidade da empresa trata de transformar esse ganho em rotina instalada.

Escolha uma rotina que sua equipe já testou com IA. Você vai organizar responsáveis, uma reunião de revisão e um painel simples para acompanhar o resultado. Tenha à mão um exemplo de entrega, o tempo gasto e os problemas encontrados no teste.

Exemplo hipotético: numa empresa, cinquenta pessoas já usam o ambiente aprovado e só oito fluxos têm dono, medida de partida e revisão documentada, enquanto o painel interno comemora logins e quantidade de pedidos digitados à máquina.

O número de usuários ajuda a acompanhar acesso e necessidade de treinamento. Para saber se a rotina melhorou, acrescente o resultado: entregas aprovadas, tempo até a conclusão e custo. Reescrever e-mails também pode ser útil; meça se isso reduz o trabalho sem prejudicar a clareza da mensagem.

A maior parte do resultado depende da organização

O Work Trend Index 2026 da Microsoft, publicado em 05/05/2026, ouviu 20 mil trabalhadores do conhecimento em dez mercados entre fevereiro e abril. A conta do relatório atribui cerca de 67% do impacto da IA a fatores da organização, como cultura, apoio do gestor e práticas de pessoas, e 32% ao comportamento de cada indivíduo.

Use essa distinção para planejar duas ações: ensinar a pessoa a executar a tarefa e ajustar fontes, aprovações e responsabilidades da rotina. Uma equipe treinada ainda precisa receber os documentos certos e saber quem aprova a entrega.

O cargo chegou antes do redesenho do trabalho

O estudo de presidentes de empresa do IBM Institute for Business Value, feito com a Oxford Economics e publicado em 04/05/2026, mostra o mesmo descompasso visto do topo. Três em cada quatro organizações (76%) já têm um executivo dedicado a IA na diretoria, contra 26% um ano antes.

Os mesmos presidentes estimam que só cerca de um quarto da força de trabalho usa IA com regularidade, embora 86% digam que os funcionários têm as habilidades necessárias. Na sua equipe, confira quais etapas dificultam o uso: acesso a fontes, instruções, formulário de entrega ou demora na aprovação.

Antes de ampliar a compra, observe uma rotina com quem a executa. Registre onde há espera ou retrabalho e teste uma melhoria. Compare a necessidade de novas licenças com o uso atual e com o ganho medido nessa rotina.

O retrato brasileiro de outubro

A pesquisa da MIT Sloan Management Review Brasil encomendada pela TOTVS, divulgada em 15/10/2026 com 583 profissionais, achou 7% das empresas oferecendo treinamento estruturado de IA a todos e 14% com política formal de governança para a organização inteira. Entre os profissionais, 43% dizem temer errar por confiar demais na máquina. A divulgação não informa o período de campo, então trate os números como retrato do momento.

A Deloitte, no recorte brasileiro do State of AI in the Enterprise, chega ao mesmo gargalo por outro número: só uma em cada quatro empresas levou 40% ou mais dos pilotos adiante, aqui e no mundo. Para identificar o motivo na sua empresa, acompanhe o caminho de um piloto até a rotina e registre o que falta para ele avançar.

Oito pesquisas e a data de campo de cada uma

Calibre a ambição com estes números sem trocar por eles a medição da sua empresa. Campo e publicação quase nunca coincidem, e as duas últimas linhas valem só como ordem de grandeza, pelos motivos escritos na segunda coluna.

Como usar as pesquisas na sua decisão

Monte uma lista das rotinas que usam IA. Para cada uma, anote quem responde pelo resultado, o que mudou e quando os dados foram conferidos. Essa lista mostra onde a sua empresa precisa agir.

Na pesquisa da Protiviti, o tema aparece em toda reunião de 26% dos conselhos e de 63% dos conselhos das empresas com alto retorno. Para aproveitar a ideia, inclua uma decisão concreta na pauta: manter, corrigir, ampliar ou encerrar um teste, com o resultado que sustenta a escolha.

Seis papéis com nome e cargo

Escalar com responsabilidade pede seis papéis nomeados. O patrocinador executivo define a ambição, remove barreiras e responde pela carteira de valor e risco. O dono do fluxo conhece a rotina, escreve o critério de aceite, acompanha o resultado e assume a mudança de processo.

A área de plataforma cuida de ambiente, integração, identidade, registros e custo. Risco, jurídico, segurança e privacidade definem os pontos de aprovação, na medida de cada caso. O especialista do domínio monta exemplos, confere qualidade e atualiza fontes. O multiplicador ajuda colegas, recolhe padrões e devolve ao sistema os problemas reais.

Os papéis são responsabilidades, não seis contratações. Em uma equipe pequena, uma pessoa pode acumular funções. Defina uma revisão por outra pessoa para decisões relevantes e siga as separações de função exigidas pela empresa.

Quatro cadências e a clínica semanal

Os papéis se encontram em quatro tempos. Toda semana, uma clínica de fluxos, incidentes e ajuda prática. Todo mês, a carteira de valor, qualidade, custo e risco, com decisão de escalar ou encerrar. A cada trimestre, a revisão de política, fornecedores, permissões, avaliações e fontes. E sem pausa, o canal de dúvidas, o catálogo vivo de casos e o registro de incidentes.

A clínica é uma reunião de trabalho. Um formato possível usa 45 minutos para rever um caso em uso, um com falha e um candidato. Cada caso sai com uma decisão, responsável e prazo. Se só houver um piloto, concentre a reunião nele; acompanhe se as correções combinadas foram feitas e testadas.

Separe no painel os dados de acesso dos resultados da rotina. Usuários ativos e pedidos enviados ajudam a entender uso; entregas aprovadas, tempo total e custo ajudam a decidir se vale ampliar. Confira horas poupadas nos registros de tempo, incluindo revisão e correções.

Exemplo resolvido: 64% de adoção

Exemplo hipotético: uma empresa reporta que 64% dos empregados usaram o assistente no mês. Não há catálogo de fluxos, medida de partida, amostra de qualidade nem registro de capacidade realocada, e a maior parte do uso conhecido é reescrever mensagens.

Duas leituras erram. Anunciar a transformação em escala confunde alcance com mudança do trabalho. Declarar o fracasso porque o uso é básico descarta um canal de aprendizagem antes de converter hábito em fluxo útil. A leitura defensável reconhece alcance relevante e diz que valor e maturidade ainda não foram demonstrados.

No exemplo, escolha uma rotina frequente e acompanhe dez entregas. Registre quantas passaram na revisão, os minutos gastos e as correções necessárias. Depois use as seis dimensões abaixo para completar o painel. Cada medida precisa de definição, fonte e responsável; confira também se ela incentiva pressa ou volume em prejuízo da qualidade.

Para times de software, onde essa unidade nasceu, o curso sobre o modelo operacional agentic desenvolve o tema por inteiro. Fora de software, a lógica serve para definir a sua unidade e o seu ponto de partida sempre que o painel celebrar volume enquanto as filas de revisão continuam escondidas.

Casos reais: duas organizações, duas formas de ampliar o uso

O BBVA começou em 2024 com 3 mil usuários e chegou a cerca de 100 mil empregados com acesso corporativo. O estudo de caso de junho de 2026 relata mais de 70% de uso ativo, cerca de três horas poupadas por pessoa por semana, 250 líderes treinados, presidente e conselho incluídos, e segurança, jurídico e conformidade no desenho desde o início.

A London Stock Exchange Group ligou os modelos à própria plataforma de dados. O estudo de caso, também de junho de 2026, relata ciclos selecionados de produto caindo de meses para cerca de duas semanas e trata dados proprietários e infraestrutura como parte da vantagem, ao lado do acesso ao modelo.

Os dois estudos são publicados pelo fornecedor da tecnologia e trazem métricas autorrelatadas. O que se transfere é o desenho: liderança que usa, ambiente confiável, áreas construindo e aprovação redesenhada junto com o rascunho. Automatizar só o rascunho deixa as filas de aprovação do mesmo tamanho.

A escolha que cabe a você

Para decidir a próxima compra, confira quantas pessoas precisam de acesso, como usam as licenças atuais e quais resultados os testes entregaram. Organize responsáveis e revisão nas rotinas escolhidas. Assim, a compra acompanha uma necessidade concreta de trabalho.

Amplie quando houver uma rotina com qualidade e custo aceitáveis, pessoas que precisam de acesso e capacidade de acompanhar o uso. Registre o resultado esperado, o orçamento e a data da próxima revisão. Se os testes ainda falham, corrija a causa antes de levar a mesma rotina a mais pessoas.

A clínica instalada em quatro passos

Primeiro, os nomes: indique quem executa a rotina, confere a qualidade, resolve problemas técnicos e aprova mudanças. Distribua as seis responsabilidades conforme o tamanho da equipe. Está pronto quando cada pessoa souber o que precisa fazer e a quem recorrer.

Depois, marque a primeira reunião de revisão. Leve uma entrega, os resultados do teste e uma dificuldade a resolver. Está pronta quando houver uma decisão registrada, responsável e prazo para cada caso discutido.

O terceiro passo é o painel. Comece com entregas aprovadas, tempo total e custo; acrescente as medidas necessárias ao risco e ao objetivo da rotina. Está pronto quando cada valor tiver período, fonte e responsável pela atualização.

O quarto é a pauta do conselho: o patrocinador leva a carteira ao menos uma vez por trimestre, com resultado verificado no lugar do número de licenças. Está pronto quando o tema estiver na pauta anual com datas marcadas.

Conferência e próximo passo

Na reunião seguinte, abra o registro anterior: as ações foram concluídas? A correção passou no teste? O resultado atende ao critério combinado? Encerre um caso quando os dados sustentarem essa decisão; manter um caso que funciona também é uma decisão válida.

No mesmo exemplo hipotético, os cinquenta usuários continuam os mesmos, e o que muda é o que vai ao conselho, que deixa de ser a contagem de logins e passa a ser a lista de fluxos com dono e resultado verificado. Com papéis e cadência instalados, falta o documento que o conselho aprova, assunto do capítulo sobre o plano de 90 dias.

Reúna as rotinas escolhidas, os responsáveis e os critérios das aulas anteriores. Você vai montar um rascunho de plano com três revisões: aos 30, 60 e 90 dias. Hoje, defina tarefas, datas e como medir; os resultados e a decisão final serão preenchidos durante os testes.

Exemplo hipotético: uma empresa acumulou oportunidades, modelos de pedido, controles e dois pilotos, e o conselho recebeu um roteiro de oficinas sem nenhuma decisão pedida.

Os dois desvios custam caro: escalar cedo cristaliza falhas que ninguém mediu, e prolongar o experimento sem prazo impede capturar valor. O plano de 90 dias reduz incerteza com data marcada.

Comece pelo inventário do que já roda

A pesquisa TIC Empresas 2025, do Cetic.br, ouviu 4.174 empresas com dez ou mais pessoas ocupadas entre fevereiro de 2025 e janeiro de 2026 e foi publicada em 12/06/2026. A adoção de IA subiu de 13% em 2024 para 17% em 2025; entre as empresas com 250 funcionários ou mais, foi de 38% para 50%.

Na população coberta pela pesquisa, 17% de uso corresponde a 83% sem uso. Antes de comparar com sua empresa, confira porte, setor e a definição de uso adotada na tabela.

Outra régua conta outra coisa. A pesquisa do Sebrae com o FGV IBRE, com cerca de 5 mil empresas e divulgada em dezembro de 2025, encontrou ferramentas de IA em uso em 63% das médias e grandes e em 46% das micro e pequenas (blog do FGV IBRE).

As pesquisas usam recortes e perguntas diferentes. Compare a definição de uso, o porte das empresas e o período de coleta antes de colocar os percentuais lado a lado.

Para o conselho, o dado troca a pergunta de entrada. Em vez de decidir se a empresa entra, o colegiado precisa descobrir o que já roda sem governança, com qual dado e sob a responsabilidade de quem. Para cada uso encontrado, registre tarefa, ferramenta, dados enviados, responsável e resultado conhecido.

Trinta, sessenta e noventa, com uma pergunta de saída em cada

Os dias 1 a 30 mapeiam e preparam. A pergunta de saída é se existem dois casos pequenos, relevantes e seguros o bastante para testar. Nesse trecho você nomeia patrocinador e donos, escolhe dois pilotos entre dez oportunidades, aprova o ambiente e escreve critérios de aceite. Nenhum piloto avança sem dono, ponto de partida, fonte, ambiente aprovado e critério escrito.

Do dia 31 ao 60, o plano pilota e aprende, com revisão humana integral. A pergunta é se o fluxo funciona melhor que o ponto de partida e se você sabe por quê. Meça tempo, retrabalho, aceite e custo por entrega aprovada, e corrija a causa na fonte, no modelo de pedido ou na permissão. Piloto sem evidência não recebe mais automação.

Entre os dias 61 e 90, o plano institucionaliza e decide. A pergunta é qual capacidade merece investimento no próximo trimestre. Documente o fluxo em versão 1, consolide custo total, qualidade e impacto, e leve ao conselho uma de cinco saídas: escalar, replicar, integrar, subir um degrau de autonomia ou encerrar, com as condições escritas.

O calendário de fora que o plano atravessa

Um plano que começa no fim de outubro de 2026 cruza datas que não dependem da empresa. Em 30/11 acaba o preço introdutório do Gemini 4 Argon, que dobra em 01/12 (preços do Gemini). Na União Europeia, a transição até 02/12 para marcação de conteúdo se refere a sistemas generativos colocados no mercado antes de 02/08/2026. Confira com o jurídico o papel da empresa e a regra aplicável no guia oficial de transparência.

Em 31/12 termina o preço promocional do Gemini 3.8 Flash, que dobra em 01/01/2027, e fecha a janela de contratação com desconto do Microsoft 365 Copilot Business: quem assinar até lá paga US$ 18 por usuário ao mês no primeiro ano, e as compras novas e as renovações voltam a US$ 21 (planos do Copilot). Qualquer custo por entrega aprovada calculado em novembro precisa ser refeito em janeiro.

No Brasil, o PL 2338/2023 entra como marco de reconferência, sem obrigação nova por enquanto. Em 24/08/2026 o relator na Câmara, Aguinaldo Ribeiro, disse que a votação fica para depois das eleições (Mobile Time), e em 24/10 a ficha de tramitação seguia aguardando parecer na comissão especial.

O erro provável: o roteiro ambicioso

Todo mundo conhece o pedido que estraga o plano: crie um roteiro ambicioso para transformar a empresa com IA em 90 dias. A resposta organiza oficinas, compra de licenças, lançamento de agentes e expansão por áreas, sem definir tarefas, valor, controles, responsáveis ou condição para interromper.

A correção é trocar atividade por resultado observável e escrever a parada antes do entusiasmo. Sem ponto de aprovação e sem regra de parada, o plano favorece continuidade mesmo quando a hipótese falha.

Pré-mortem: escreva o fracasso antes de ele acontecer

Pré-mortem é imaginar, antes de começar, que o piloto fracassou e transformar cada causa plausível em sinal, dono e resposta já autorizada. Programas de experimentação fazem isso há décadas, e o curso de CRO e experimentação trata da disciplina na origem. Nem todo piloto de IA permite inferência causal; o que se transfere é o registro prévio, os limites e a decisão.

Use seis perguntas para procurar falhas: o resultado ajuda, tem qualidade, compensa o custo, respeita os controles, cabe na rotina e melhora após as correções? A figura abaixo traz, para cada uma, o sinal que a denuncia e a resposta. A mais esquecida é a de aprendizagem: o erro se repete porque a correção ficou no chat e não atualizou fonte, teste nem procedimento.

O placar dos dois pilotos

Preencha as quatro colunas para cada piloto. A coluna de evidência é o que impede o placar de virar narrativa depois do resultado.

Exemplo resolvido: o piloto de marketing

Exemplo hipotético: a equipe de marketing já usa IA por conta própria para rascunhar peças, o volume subiu e a fila de aprovação continua do mesmo tamanho. Ninguém sabe dizer quanto tempo se ganhou.

O plano parte do calendário editorial e das peças devolvidas para correção. Escolha uma rotina, registre os dias entre pedido e aprovação e teste a mudança por seis semanas com revisão humana. Compare peças de formato e complexidade semelhantes; registre mudanças de equipe, volume e campanhas que também afetam o prazo.

Exemplo fictício de registro: peça A, quatro dias até aprovação e duas correções de informação; peça B, dois dias e nenhuma correção. Guarde a fonte de preços e afirmações sobre o produto. O responsável pela marca aprova o texto, e o jurídico participa dos casos definidos pela política da empresa. Compare uma amostra de peças, além desses dois exemplos, antes de ampliar.

Como ler dados sobre emprego e IA

A Challenger, Gray & Christmas compila todo mês os cortes de vagas anunciados nos Estados Unidos, com a razão que cada empregador declara. No relatório de setembro de 2026, publicado em 01/10, a IA caiu para a quinta razão do mês, com 3.961 dos 43.281 cortes, cerca de 9% (relatório de setembro). Em julho, a IA tinha liderado as razões do mês pela quinta vez seguida, com 10.970 dos 33.429 cortes, cerca de 33% (relatório de julho).

No acumulado do ano, a IA segue em primeiro lugar, com 120.136 anúncios, cerca de 21% de todos os cortes. Os motivos são declarados pelos empregadores. Para usar o dado, identifique mês ou acumulado e apresente-o como motivo informado para os cortes, sem atribuir ao relatório uma apuração da causa de cada desligamento.

Conferência: todo número do memorando traz instituição, recorte e data

Ao lado de um número externo, escreva o que ele mede. Exemplo: “3.961 cortes anunciados nos Estados Unidos em setembro de 2026, com IA como motivo informado pelos empregadores”. Isso preserva o recorte ao copiar o dado para o memorando.

A mesma disciplina vale para todos os números, porque dado de adoção de IA envelhece em meses. Cada um traz instituição, nome da pesquisa, recorte amostral e data de publicação no corpo do texto, mais a data da última conferência e quem conferiu.

Se faltar a fonte de um número externo, busque-a antes de usá-lo na decisão. Estimativas internas levam método e responsável; dados de fornecedor sobre o próprio produto são identificados como estudo de caso do fornecedor.

A escolha que cabe a você: dois pilotos ou carteira ampla

Comece com a quantidade de pilotos que a equipe consegue acompanhar. Para cada um, reserve tempo de execução, revisão e correção, além de definir responsável e critérios. Dois pilotos são o exemplo deste plano; uma equipe menor pode começar com um.

Faça a conta com horas disponíveis. Exemplo fictício: cada piloto precisa de seis horas semanais da equipe, e há doze horas reservadas; cabem dois pilotos. Se a demanda real subir para oito horas por piloto, reduza o escopo ou reorganize a disponibilidade antes de abrir outro.

O plano em marcha, em quatro passos

O primeiro passo é aprovar o escopo: o patrocinador aprova por escrito as duas rotinas, as horas das pessoas e a data da decisão. Está pronto quando a aprovação estiver num e-mail ou numa ata.

Em seguida vem a regra de parada. O líder do programa escreve, para cada piloto, a condição objetiva que encerra o teste antes do prazo, e o patrocinador assina com data, antes da primeira rodada com dado real.

O terceiro passo são os marcos com dono: cada reunião dos dias 30, 60 e 90 termina com decisão registrada, mesmo que seja esperar duas semanas com motivo escrito. O quarto é o memorando, com o placar preenchido pelos donos dos pilotos, entregue ao conselho cinco dias úteis antes da reunião e com a decisão pedida na primeira linha.

A competência que fica depois do curso

No mesmo exemplo hipotético, em vez do roteiro de oficinas, o conselho deve receber uma página com dois pilotos, ponto de partida medido, regra de parada datada, custo por entrega aprovada, fornecedor escolhido por teste e uma decisão pedida com data. O plano está pronto quando outra liderança consegue operá-lo e o conselho consegue decidir sem depender da apresentação oral.

Modelos, interfaces e preços vão mudar antes do próximo trimestre, como o calendário deste capítulo mostra. Fica a capacidade de decompor trabalho, dar contexto, exigir evidência, proteger dados, graduar autonomia e medir valor. Revise a cada trimestre o mapa de tarefas do primeiro capítulo; para aprofundar, os cursos de gestão de custo de IA e de modelo operacional partem exatamente daqui.

Na segunda-feira, envie os convites das revisões dos dias 30, 60 e 90. O ciclo está cumprido quando cada piloto chegar ao dia 90 com uma decisão registrada, um dono e uma data.