Decidir com superinteligência: o roteiro de checagem do gestor

Decidir com superinteligência: o roteiro de checagem do gestor

Roteiro prático para o gestor checar uma recomendação de IA antes de agir, separando evidência, premissa e responsabilidade, com limites claros e registro.

•

Quer aplicar isso na sua empresa?

Agendar conversa com o Juan →

Antes de aceitar uma recomendação de IA, o gestor precisa separar três coisas: o que foi verificado com fonte, o que foi assumido como premissa e quem responde se a decisão der errado. Sem essa separação, uma resposta bem escrita e confiante parece decisão pronta, mesmo quando depende de dados incompletos ou de um pressuposto que ninguém revisou. O roteiro abaixo serve para recomendações de preço, estoque, atendimento ou contratação, inclusive quando o sistema é apresentado como superinteligência.

Principais pontos

  • Uma recomendação é uma hipótese de trabalho até que a evidência que a sustenta seja identificada e conferida.
  • Premissas precisam ser escritas, porque é nelas que a recomendação costuma falhar sem que ninguém perceba.
  • A responsabilidade pela decisão continua com uma pessoa nomeada, nunca com o sistema.
  • Toda recomendação relevante deve deixar registro do que foi pedido, do que foi usado e de quem aprovou.
  • Quando a checagem não fecha, a saída certa costuma ser um piloto pequeno, não uma aceitação integral.

Por que separar evidência, premissa e responsabilidade

A palavra superinteligência sugere uma capacidade acima do que a equipe consegue julgar. Na prática, porém, um sistema de IA trabalha com o que recebe: dados, instruções, um histórico recente e algumas suposições embutidas no pedido. A qualidade da recomendação depende menos do tom da resposta e mais da qualidade desses insumos.

Evidência é o que pode ser conferido: um relatório de vendas, uma planilha exportada do sistema, um registro de atendimento, um contrato. Premissa é o que a recomendação pressupõe sem demonstrar, como "a demanda deste mês será parecida com a do mês passado" ou "o cliente aceita o prazo padrão". Responsabilidade é a resposta à pergunta "quem assina essa decisão e quem responde por ela". Misturar as três faz com que uma premissa frágil pareça fato e que a decisão fique sem dono.

Roteiro de checagem antes de agir

O roteiro funciona melhor quando é feito por escrito, em uma página, e revisado pela pessoa que vai executar a decisão. Os passos podem ser estes:

  • Registrar a pergunta exata que foi feita ao sistema, com o contexto e os dados enviados.
  • Listar as fontes usadas pela recomendação e verificar se elas existem, estão atualizadas e cobrem o caso.
  • Identificar cada premissa explícita e cada premissa implícita, como período, público, região ou exceções.
  • Conferir a conta ou o raciocínio em pelo menos um caso real que o gestor já conhece bem.
  • Verificar se a ação recomendada está dentro do que o sistema pode fazer e do que a empresa permite.
  • Definir quem aprova, quem executa e quem acompanha o resultado nas próximas semanas.
  • Decidir o que será medido para saber se a recomendação funcionou, e em que prazo.

Se algum desses passos não puder ser feito, isso não é motivo para descartar a recomendação, mas é motivo para reduzir o tamanho da ação.

Como identificar uma premissa escondida

Premissas escondidas são o ponto mais frágil de qualquer recomendação. Elas aparecem quando o sistema usa um número que não foi fornecido, quando trata um caso raro como regra, ou quando ignora uma restrição que a equipe conhece e não escreveu no pedido. Algumas perguntas ajudam a encontrá-las:

  • Esta recomendação depende de um período específico que pode não se repetir?
  • Ela assume que todos os clientes ou produtos se comportam da mesma forma?
  • Ela considera restrições legais, contratuais ou operacionais que estão fora dos dados enviados?
  • Ela depende de um dado que foi preenchido manualmente e pode estar errado?
  • Se uma dessas premissas estiver errada, o que muda na decisão?

A última pergunta é a mais útil. Se a resposta for "quase nada muda", a premissa é secundária. Se for "a decisão inteira muda", ela precisa ser verificada antes de qualquer ação.

Cenário ilustrativo: recomendação de reposição de estoque

Cenário ilustrativo: uma loja de materiais de construção recebe da ferramenta de IA a recomendação de comprar mais de um item antes de uma data sazonal. A recomendação cita o histórico de vendas dos últimos meses, que é evidência. Mas ela assume que a obra de um grande cliente continuará no mesmo ritmo, e essa informação não está em nenhum sistema, apenas na cabeça do vendedor responsável. O gestor, ao fazer a checagem, marca essa premissa, pergunta ao vendedor e descobre que a obra terminou. A compra é reduzida e o restante é aprovado com acompanhamento semanal. Nenhuma parte do processo dependeu de confiar cegamente no sistema, e nenhuma parte dependeu de desconfiar dele por princípio.

Quem responde pela decisão

A responsabilidade precisa ter nome. Em uma empresa, a recomendação de IA deve ser tratada como sugestão de um colaborador que não responde legalmente pelos seus atos. A pessoa que aprova é quem responde. Por isso, vale separar o papel de quem propõe, de quem revisa e de quem decide. Em operações que tratam dados pessoais, essa separação também conversa com a LGPD. Quando uma decisão automatizada afeta uma pessoa, como crédito, acesso a serviço ou avaliação, o titular tem direito a entender os critérios e pedir revisão. Esse ponto está detalhado no texto sobre decisões automatizadas na LGPD. Se a recomendação envolve transferência de dados para fora do país, a transferência internacional de dados com IA também entra na checagem.

Para ter uma visão geral de termos e categorias antes de levar o assunto à diretoria, o glossário de superinteligência para a diretoria ajuda a alinhar a conversa sem jargão.

Quando recusar, reduzir ou testar antes de aceitar

Nem toda recomendação precisa ser aceita por inteiro. Há três caminhos que costumam ser mais seguros do que a aceitação total:

  • Recusar quando a evidência não existe, quando a premissa principal não pode ser verificada ou quando a ação ultrapassa a autorização da empresa.
  • Reduzir o tamanho da ação quando a recomendação é plausível, mas depende de uma premissa que ainda não foi confirmada.
  • Testar em escala pequena, com um critério de sucesso definido antes, quando a recomendação parece boa e o custo de errar é controlável.

O teste pode ser simples, como aplicar a recomendação em uma região, em um produto ou em um grupo de atendimentos, comparando com o que aconteceria sem ela. O importante é que o resultado seja medido com a mesma régua usada no início.

Como o método de Juan Carlo se aplica a essa checagem

No trabalho de consultoria e implantação de agentes e automações, o método segue quatro etapas: mapear o processo atual e a linha de base, limitar dados e ações, pilotar um fluxo real com registros e uma métrica de sucesso combinada, e transferir a operação para a equipe, decidindo entre expandir, ajustar ou interromper. Essa sequência é a mesma lógica deste roteiro. O mapeamento revela as premissas que já existem no processo, a limitação define o que o sistema pode tocar, o piloto transforma a recomendação em evidência própria, e a transferência define quem responde. Operações gerenciadas são entregues por meio da Be Human (be-human.ai).

Perguntas frequentes

O que o gestor deve checar primeiro em uma recomendação de IA? Comece pela pergunta exata que foi feita e pelos dados enviados ao sistema, porque muitos problemas nascem de um pedido mal formulado. Em seguida, identifique a premissa principal e verifique se ela é verdadeira no caso concreto. Só depois avalie se a ação é permitida e quem vai aprovar.

Uma recomendação com boa justificativa pode ser aceita sem verificação? Não. Uma justificativa bem escrita mostra coerência interna, mas não prova que os dados estão corretos ou que a premissa se aplica ao seu caso. Quando a decisão é relevante, a justificativa deve ser conferida contra uma fonte independente ou um caso que a equipe conhece bem.

Como saber se devo testar antes de aceitar? Teste quando a recomendação parece razoável, mas depende de uma premissa que ainda não foi confirmada, ou quando o erro seria caro de reverter. Defina antes o que será medido e em quanto tempo, para que o resultado não seja interpretado de acordo com a vontade de quem quer que dê certo. Se o teste não puder ser comparado com algo, o gestor ainda não tem evidência suficiente.

Quem fica responsável quando a decisão tomada com base na IA dá errado? A responsabilidade continua com a pessoa ou a área que aprovou a decisão, não com o sistema. Por isso, o registro do pedido, das fontes e da aprovação é essencial para entender o que aconteceu e corrigir o processo. Em casos que envolvem dados pessoais, a empresa também deve observar as obrigações da LGPD sobre decisões automatizadas e revisão.

Fontes

superinteligênciatomada de decisãogestão com IAgovernançaLGPD