Na avaliação de propostas de inteligência artificial, um ponto costuma travar a aprovação: o valor pedido para colocar o sistema em operação supera, com folga, o que custou o piloto. Para Guilherme Friol, CEO da Vircos, empresa de engenharia de inteligência artificial corporativa, essa diferença é frequentemente interpretada pelo comprador como sobrepreço. Na leitura dele, o número mede o trabalho de engenharia que a operação requer e que a fase de testes dispensa.
O que o piloto deixa fora da conta
O piloto é barato e rápido por uma razão objetiva: não contempla quatro componentes que só se tornam necessários quando o sistema passa a atender a rotina da organização. São eles o tratamento de erro, o escalonamento humano, o monitoramento e o isolamento da regra de negócio. O orçamento da operação inclui os quatro.
“A demonstração mostra o sistema acertando. A operação é definida pelo que acontece quando ele erra, e essa parte quase nunca está no projeto”, afirma Friol.
Os itens que compõem o orçamento da operação
A diferença entre os dois orçamentos, portanto, corresponde ao escopo que separa uma demonstração de um sistema em uso. É nesse intervalo que muitos projetos param, porque o piloto foi aprovado com base em um valor que não representava o custo de operar.
O tratamento de erro define a conduta do sistema diante de baixa confiança na resposta, de dados de entrada incompletos e de falhas de integração com outros sistemas. Esses cenários não aparecem em demonstrações, que trabalham com exemplos previamente selecionados.
O escalonamento humano estabelece o fluxo para transferir um caso a uma pessoa, com preservação do contexto e registro do motivo. Sem esse desenho, a operação trava ou o sistema toma decisões que não deveria tomar sozinho.
O monitoramento mede de forma contínua a qualidade das respostas e o custo por operação. Na ausência dessa medição, a degradação do serviço só é percebida por reclamação de cliente ou por uma fatura acima do esperado.
O isolamento da regra de negócio responde a uma característica dos sistemas em produção: eles mudam de comportamento quando o provedor atualiza o modelo, mesmo sem intervenção do cliente. Separar a regra da tecnologia que a executa permite trocar o modelo sem reconstruir o processo.
Contexto para a decisão
Os números de mercado indicam que essa passagem ainda é o gargalo das empresas. Em seu ciclo de expectativas de 2026, a Gartner registra que 17% das organizações implantaram agentes de inteligência artificial, enquanto mais de 60% pretendem fazê-lo em dois anos.
O relatório State of AI in Business 2025, da iniciativa NANDA, do MIT (Instituto de Tecnologia de Massachusetts), estima aportes globais entre US$ 30 bilhões e US$ 40 bilhões em inteligência artificial generativa e registra que somente 5% das organizações analisadas chegaram à produção com retorno financeiro mensurável. A Gartner, por sua vez, aponta custos crescentes, valor de negócio pouco claro e controles de risco inadequados entre os fatores que devem levar ao cancelamento de projetos de IA agêntica até 2027.
Como ler duas propostas
Para quem conduz a contratação, a comparação útil entre dois orçamentos passa por verificar quais desses quatro componentes cada proposta contempla. Na avaliação de Friol, o critério de aprovação também precisa mudar: medir uma iniciativa pela operação estável em ambiente real, e não pela demonstração apresentada ao comitê, reduz o número de projetos aprovados e aumenta a proporção dos que chegam ao fim.