Comece por um processo repetitivo, de alto volume e regras estáveis, meça a situação atual (tempo, custo, erros e prazo) e automatize primeiro as etapas determinísticas com integrações ou RPA, usando IA onde há texto livre, documentos ou classificação. O retorno se mede comparando a linha de base com o resultado após a automação, descontando licenças, desenvolvimento, sustentação e revisão humana.
Quase toda organização tem processos que consomem horas com tarefas repetitivas: copiar dados de um sistema para outro, conferir documentos, conciliar planilhas, responder solicitações padronizadas. São o alvo clássico da automação. O que mudou nos últimos anos foi o cardápio de ferramentas.
O RPA (automação robótica de processos) imita o que uma pessoa faz na tela, seguindo regras fixas. A IA generativa e outros modelos de aprendizado de máquina lidam com o que não tem regra fixa: textos livres, e-mails, documentos digitalizados. Combinadas, as duas ampliam o que pode ser automatizado. Mal combinadas, geram robôs frágeis e custos que ninguém consegue justificar.
RPA, IA e integração: cada um no seu lugar
Antes de escolher a ferramenta, vale entender o problema que cada uma resolve:
- Integração por API: a opção mais robusta quando os sistemas oferecem interfaces. Deve ser a primeira escolha sempre que possível.
- RPA: útil quando o sistema não tem API, como aplicações legadas e portais externos. É rápido de implantar, mas sensível a mudanças de tela.
- IA (modelos de linguagem, OCR inteligente, classificadores): entra quando a etapa exige interpretar conteúdo, como extrair dados de uma nota fiscal, classificar um pedido ou resumir um processo.
- Pessoas: continuam responsáveis por exceções, decisões de mérito e validação de casos de baixa confiança.
Um fluxo típico combina as quatro peças. Um e-mail chega com um anexo. A IA lê o documento e extrai os campos. Uma regra valida os dados. O robô ou a API registra no sistema. E os casos duvidosos vão para uma fila de revisão humana.
Adoção alta, retorno ainda raro
O uso de IA nas empresas cresceu rápido, mas o impacto financeiro não acompanhou na mesma velocidade. A pesquisa global da McKinsey de 2025, com 1.993 participantes em 105 países, mostra essa distância.
A lição para quem automatiza é direta: sem processo bem escolhido e sem medição desde o início, o projeto vira mais um piloto que não escala. Vale também desconfiar de rótulos. A Gartner estima que, entre milhares de fornecedores que dizem oferecer IA agêntica, apenas cerca de 130 entregam capacidades reais. Muitos apenas rebatizaram assistentes, chatbots e RPA.
Por onde começar: escolhendo o primeiro processo
O primeiro projeto define a credibilidade do programa. Escolha um processo em que o ganho seja visível e o risco, controlável.
- É executado muitas vezes por semana ou por mês
- Segue regras documentadas, com poucas exceções
- Usa entradas digitais ou digitalizáveis
- Tem dono claro, disposto a validar o fluxo
- Os sistemas envolvidos são estáveis e o acesso está autorizado
- Há dados para medir tempo, volume e erros atuais
- Um erro pode ser detectado e corrigido sem dano grave
Processos com muitas exceções, regras que mudam todo mês ou sistemas prestes a ser substituídos devem esperar. Neles, o mais produtivo costuma ser padronizar antes de automatizar.
Do mapeamento à operação
Projetos de automação que dão certo seguem uma sequência previsível. Pular etapas, principalmente a simplificação e a linha de base, é a causa mais comum de frustração.
- MapearDesenhar o processo como ele é, com volumes, tempos e exceções.
- SimplificarEliminar etapas desnecessárias antes de automatizar.
- Medir a linha de baseRegistrar tempo por caso, custo, erros e prazo atuais.
- Desenhar a soluçãoDefinir o que é API, robô, IA e revisão humana.
- PilotarRodar com volume real limitado e acompanhar de perto.
- Escalar e sustentarAmpliar, monitorar falhas e manter a automação atualizada.
Como medir o retorno
O retorno de uma automação não se resume a “horas economizadas”. Uma medição honesta compara a linha de base com o resultado depois da implantação e considera todos os custos.
| Dimensão | Indicador | Como medir |
|---|---|---|
| Eficiência | Tempo médio por caso | Antes e depois, com amostras comparáveis |
| Capacidade | Casos concluídos por dia | Volume atendido sem aumento de equipe |
| Qualidade | Taxa de erro ou retrabalho | Devoluções, correções e reclamações |
| Prazo | Tempo de ciclo ponta a ponta | Da entrada da demanda à conclusão |
| Confiabilidade | Exceções e falhas da automação | Casos enviados à revisão humana e paradas |
| Custo total | Custo por caso | Licenças, desenvolvimento, infraestrutura, sustentação e revisão |
Uma conta simples ajuda a decidir: retorno anual = (custo por caso antes − custo por caso depois) × volume anual − custo anual da solução. Se o resultado só fica positivo com volumes irreais, o processo não é o melhor candidato.
No setor público, o ganho nem sempre é financeiro. Redução do prazo de resposta ao cidadão, diminuição de filas e liberação de servidores para atividades de análise também são retorno, desde que medidos.
Riscos que precisam de controle
- Credenciais de robôs: contas de serviço com privilégio mínimo, cofre de senhas e trilha de auditoria.
- Dados pessoais: a LGPD (Lei 13.709/2018) vale para a automação como para qualquer tratamento. Use só os dados necessários e registre as operações.
- Erros da IA: defina limiares de confiança e envie para revisão humana o que ficar abaixo deles.
- Dependência de uma pessoa: documente os fluxos para que a automação não pare quando o desenvolvedor sair.
Próximos passos
Liste de cinco a dez processos candidatos, aplique o checklist e escolha um para o piloto. Meça a linha de base antes de escrever a primeira linha de automação e combine com o dono do processo qual resultado tornará o projeto um sucesso.
A Midnal apoia órgãos públicos, empresas e organizações do terceiro setor desde 2013 em projetos de tecnologia e governança, incluindo mapeamento de processos e automação. Conheça a frente de inteligência artificial e automação.
Perguntas frequentes
Qual a diferença entre RPA e IA?
O RPA executa tarefas com regras fixas, imitando ações de uma pessoa na tela. A IA interpreta conteúdo variável, como textos e documentos. Em geral, as duas são combinadas no mesmo fluxo.
Quando usar API em vez de RPA?
Sempre que o sistema oferecer uma interface de integração estável. A API é mais robusta e mais barata de manter; o RPA é indicado para sistemas sem integração disponível.
Como calcular o retorno de uma automação?
Compare o custo por caso antes e depois, multiplique pelo volume anual e subtraia o custo anual da solução, incluindo licenças, desenvolvimento, infraestrutura, sustentação e revisão humana.
Que processo escolher para o primeiro piloto?
Um processo frequente, com regras estáveis, entradas digitais, dono engajado e dados para medir a situação atual, no qual um erro possa ser detectado e corrigido sem dano grave.
