Por que a demo de IA impressiona e o projeto morre na rotina

Uma boa demo impressiona: dados limpos, pergunta certa, resposta na hora, alguém que conhece a ferramenta apresentando. Quando o projeto para algumas semanas depois, a causa pode estar na ferramenta, no processo ou na rotina que ninguém adaptou; sem olhar o caso, não dá para saber. Uma hipótese vale verificar nesses casos: a demo e a rotina são ambientes diferentes, e a diferença entre eles pode decidir o resultado.

Este texto é sobre essa diferença: por que o cenário controlado impressiona, o que a rotina cobra e como testar sem se enganar.

Por que a demo impressiona

Uma demo costuma ser um cenário idealizado: dados escolhidos, pergunta ensaiada, caminho feliz. Há fornecedores que incluem exceções e dados imperfeitos na demonstração, e isso é bom sinal. Em qualquer caso, a pergunta que vale é o que ficou fora da cena. Concluir que a operação vai se comportar como a demo é o erro a evitar.

O que a rotina cobra

• Dados de verdade: espalhados, desatualizados, cada um com um padrão.
• Exceções todos os dias: o cliente especial, o pedido fora do fluxo, o preço negociado na conversa.
• Pessoas com o próprio jeito de trabalhar, e nenhuma obrigação de mudar por causa de uma ferramenta.
• Manutenção: alguém precisa alimentar, corrigir e responder quando algo quebra.

A demo responde "funciona?". A rotina pergunta "quem sustenta?". São perguntas diferentes.

As perguntas que a demo não responde

• De onde vêm os dados que a ferramenta usou? Os meus estão assim?
• O que acontece com a exceção, não com o caso médio?
• Quem mantém isso funcionando depois da implantação?
• O que quebra quando o processo muda, e quem percebe primeiro?
• Como a ferramenta falha? Em silêncio, com resposta errada, ou com aviso?

O que um piloto honesto precisa

Se for testar, teste contra a rotina, não contra a demo. Um piloto honesto tem quatro condições:

1. Processo real, com dados representativos, incluindo as exceções conhecidas. Antes de usar dados reais: autorização, minimização (só o necessário) e preferência por dados anonimizados ou sintéticos quando der para testar assim.
2. Critério de sucesso definido antes de começar, por escrito.
3. Dono nomeado: uma pessoa responde pelo piloto.
4. Prazo fechado, com decisão marcada no fim: escala, ajusta ou encerra.

E antes de escalar, vale estimar o retorno com os seus números; o que medir está em ROI de IA sem os dados da sua operação é chute.

Por onde começar

Se você quer mapear onde um piloto faria mais sentido na sua operação, o Raio-X de IA são 10 perguntas, uns 4 minutos, e aponta os gargalos mais prováveis. Ele não calcula ROI sem os seus dados reais; mostra onde olhar primeiro.

Perguntas frequentes

"Demo é enganação?" Não necessariamente. Demo é um recorte: em geral mostra o cenário mais favorável, e há fornecedores que incluem exceções na demonstração, o que é bom sinal. O problema é tratar o recorte como prova do que vai acontecer na sua rotina.

"Posso pedir para testar com os meus dados?" Pode pedir, com cuidados antes: autorização para usar os dados, minimização (só o necessário), preferência por dados anonimizados ou sintéticos quando der para testar assim, e acesso e termos adequados no ambiente do teste. Dados de clientes, só com base clara. Fornecedor que aceita testar nessas condições, exceções incluídas, está disposto a responder a pergunta certa. Se não for possível, isso também é informação.

"Quanto tempo deve durar um piloto?" O suficiente para a exceção aparecer. Um ciclo completo do processo costuma ser o mínimo: se o fechamento do mês é onde tudo quebra, o piloto precisa passar por um.