11.1 A máquina acelera o processo que já existe
Rafael Nunes abre a reunião de orçamento com uma frase que você vai ouvir em alguma versão dentro dos próximos doze meses, na sua empresa, dita por alguém que não é bobo: precisamos de IA no comercial, porque o concorrente já tem. Helena Braga concorda. Cláudia Meirelles pergunta quanto custa. Ninguém pergunta qual decisão deixaria de depender de alguém lembrar. Essa é a pergunta do módulo, e ela é a única que sobrevive à próxima geração de ferramentas.
A Órbita tem, neste momento, 9 ferramentas dentro do orçamento comercial, que somadas custam R$ 470 mil por ano para a empresa inteira, e não cada uma. Tem também 612 MQL que ninguém tocou em 2025, o que é 20,1% de tudo que o marketing entregou. Tem um roteamento que é, literalmente, round-robin manual feito pelo gerente de inside sales toda segunda-feira de manhã. E tem 214 valores distintos digitados à mão no campo de motivo de perda. Comprar um modelo preditivo neste cenário não é ousadia. É trocar o nome do problema.
Pergunta antes de ler
Um fornecedor oferece à Órbita uma ferramenta de roteamento com priorização por inteligência artificial, por R$ 2.900 por mês pela empresa inteira, e não por usuário. Ela distribui cada MQL para um dono em segundos, em vez de esperar a segunda-feira.
Dos 612 MQL que ninguém tocou em 2025, quantos essa ferramenta teria recuperado? Escreva um número inteiro antes de continuar. Não escreva “depende”.
A maioria escreve algo entre 428 e 612, com o raciocínio de que a ferramenta distribui tudo e portanto nada fica órfão. O raciocínio é plausível, e é a plausibilidade que custa caro. Ele confunde ter dono com ter sido trabalhado. Distribuir 612 registros em segundos produz, no dia seguinte, 612 registros com nome de dono e zero tentativas de contato, porque a fila humana continua do mesmo tamanho e ninguém combinou prazo. O número honesto de recuperados, sem mais nenhuma mudança, é próximo de zero.
Há uma segunda camada, e ela é pior. Para rotear por segmento, a ferramenta precisa ler o campo de segmento. Na Órbita esse campo está errado em 22% dos registros, porque é preenchido à mão pelo AE e nunca revisado. A ferramenta vai rotear com fidelidade absoluta um atributo errado em um de cada cinco casos, todos os dias, em segundos, sem que ninguém perceba, porque agora existe um log dizendo que a regra foi aplicada. Antes o erro era visível na segunda-feira de manhã. Depois ele fica auditado e invisível.
Automação não conserta processo. Ela industrializa o que existe, inclusive o erro.
A escada de maturidade
- Escada de maturidade da automação
Sequência de seis degraus que precisa ser subida na ordem: processo definido, dado confiável, regra explícita, automação determinística, modelo preditivo, agente autônomo. Cada degrau só sustenta peso se o anterior existir.
Regra de bloqueio: se você não consegue escrever a decisão numa frase de português com sujeito, condição e ação, não automatize, e muito menos modele. A frase é o degrau 3. Quem não consegue escrevê-la está confessando que o degrau 1 ou o degrau 2 não existe.
Por que importa: é o instrumento de triagem do módulo inteiro. Ele transforma uma discussão de gosto, do tipo “acho que IA resolveria”, numa discussão de pré-requisito verificável, que tem resposta sim ou não e tem dono.
O erro comum: achar que o modelo substitui os degraus de baixo, porque “ele aprende o processo sozinho”. Modelo nenhum aprende um processo que a empresa nunca decidiu qual é. Ele aprende o ruído de três processos convivendo no mesmo CRM.
Arraste o desenho para o lado para ver inteiro
Repare no que a escada faz com uma conversa que costuma durar trimestres. Quando alguém diz que a Órbita precisa de inteligência artificial no comercial, a discussão vira uma disputa de opinião entre quem acha moderno e quem acha caro, e ninguém tem como provar nada. A escada troca a disputa por uma checagem. Qual degrau falta, e como você sabe. Ela não decide se a compra é boa. Ela decide se a pergunta é legítima, o que é anterior e mais barato.
Arraste o desenho para o lado para ver inteiro
O que a evidência pública já diz, e o que ela não diz
Vale olhar para fora antes de olhar para dentro, porque a expectativa com que você entra na conversa determina o que você aceita como prova. Em 2025 o levantamento do MIT Project NANDA, publicado como The GenAI Divide: State of AI in Business 2025, reportou que cerca de 95% das organizações pesquisadas não conseguiram apontar retorno mensurável em resultado dos pilotos de IA generativa. O mesmo levantamento registra dois recortes mais úteis que a manchete: mais da metade dos orçamentos foi para vendas e marketing, e o retorno mensurável concentrou-se em automação de retaguarda, com processos estreitos e bem delimitados.
Arraste o desenho para o lado para ver inteiro
Há uma previsão que merece o mesmo tratamento. Em novembro de 2025 a Gartner projetou que, até 2028, agentes de inteligência artificial superarão em dez vezes o número de vendedores, e que menos de 40% dos vendedores reportarão que os agentes melhoraram sua produtividade. É previsão, não medição, e por isso não entra em conta nenhuma. O ponto pedagógico está na segunda metade: adoção massiva convivendo com percepção minoritária de ganho é exatamente o padrão que a escada explica. A adoção não precisa dos degraus de baixo. O ganho precisa.
Triagem: três candidatos da Órbita na escada
Na práticaÓrbita Software · triagem de três candidatos
Candidato 1. Roteamento de MQL por segmento. Degrau 1: existe processo? Sim, embora ruim: round-robin manual feito pelo gerente de inside sales toda segunda-feira de manhã. É sequência, tem dono e tem critério de saída, ainda que o critério seja a ordem alfabética do rodízio. Degrau 2: o dado é confiável? Não. O campo de segmento está errado em 22% dos registros. Degrau 3: a frase fecha? Fecha: se o segmento da conta for mid-market, o dono é o próximo SDR de mid no rodízio. Bloqueado no degrau 2 A correção não é comprar nada. É derivar o segmento por regra a partir do tamanho de frota, que é um campo do produto, em vez de digitar à mão. Custo: uma regra, zero de licença.
Candidato 2. Classificação automática de motivo de perda com IA. Degrau 1: existe processo? Não. O campo é texto livre e tem 214 valores distintos digitados. Não existe lista fechada, logo não existe alvo a prever nem rótulo a aprender. Bloqueado no degrau 1 Um modelo treinado nesse campo aprenderia a reproduzir 214 maneiras de escrever sete coisas, com convicção estatística. A correção está no próprio dataset da empresa: lista fechada de nove valores, campo obrigatório no fechamento. Custo: uma decisão de governança de campo, que é assunto do Módulo 5, não do Módulo 11.
Candidato 3. Modelo preditivo para priorizar contas de outbound. Degrau 1: existe processo? Sim, o SDR prospecta contas do ICP. Degrau 2: o dado é confiável? Parcialmente, e por um motivo brasileiro: a camada firmográfica vem de base pública de CNPJ e é verificável, enquanto a camada de contato decai e é frágil. Degrau 3: a frase fecha? Fecha: se a conta estiver no decil de maior pontuação e não tiver dono, entra na fila do SDR do território. Degrau 4: existe automação determinística equivalente? Existe, e é justamente a do capítulo 11.3. Passa para o degrau 5 com ressalva O capítulo 11.4 mostra que ele passa e ainda assim pode ser reprovado, por um motivo que não tem nada de técnico.
A leitura. Dos três candidatos, dois morrem antes de qualquer conversa com fornecedor, e nenhum dos dois morre por falta de tecnologia. Morrem por falta de uma decisão que custa uma reunião. Esse é o formato do resultado da triagem em quase toda operação real, e é por isso que a triagem vem antes do orçamento.
O veredito. A Órbita não tem um problema de inteligência artificial. Tem um problema de degrau 2.
| Candidato | Degrau pretendido | Degrau onde para | Evidência do bloqueio | O que precisa existir antes, e a que custo |
|---|---|---|---|---|
| Roteamento de MQL por segmento | 4 | 2 | Campo de segmento errado em 22% dos registros, preenchido à mão e nunca revisado | Derivar o segmento por regra a partir do tamanho de frota. Uma regra, zero de licença, duas semanas. |
| Classificar motivo de perda com IA | 5 | 1 | 214 valores distintos em texto livre, sem lista fechada | Lista fechada de nove valores e campo obrigatório no fechamento. Uma decisão de governança, zero de licença. |
| Score preditivo para outbound | 5 | 5 | Passa a triagem. O bloqueio, se houver, é de capacidade, não de dado. | Validação fora do tempo de treino e a conta de universo dividido por capacidade. Ver 11.4. |
Triagem dos três candidatos contra os seis degraus. A última coluna é a única que interessa numa reunião de orçamento: o que precisa existir antes, e quanto isso custa. Repare que as duas linhas bloqueadas têm correção de custo próximo de zero e prazo de semanas.
Exercício 11.135 minutos, lista das ferramentas que alguém já sugeriu na sua empresa
Pegue três automações que alguém da sua empresa já sugeriu em voz alta.
- Escreva cada uma como uma frase de português com sujeito, condição e ação. Se não couber em uma frase, escreva o que falta para caber.
- Para cada uma, aponte em qual dos seis degraus ela para hoje, e traga a evidência numérica do bloqueio, não a impressão.
- Estime, em reais e em semanas, o custo de construir o degrau que falta. Compare com o preço da ferramenta que resolveria o degrau de cima.
- Metacognitivo. Escolha a que você mais quer fazer. Agora escreva o melhor argumento contra ela, supondo que um conselheiro cético o faça na reunião. Se o seu argumento contra for mais forte que o seu argumento a favor, você acabou de economizar um ano.
Conferir respostasEsconder respostas
- A frase. Uma resposta adequada escreve as três frases com sujeito, condição e ação explícitos. Uma resposta de nível MBA percebe que pelo menos uma das três não fecha, e nomeia qual dos elementos falta. O erro de calibragem mais comum é escrever a condição como adjetivo, do tipo “se o lead for qualificado”, que só empurra a indefinição para dentro de outra palavra. Condição verificável cita campo e valor.
- O degrau que falta. Aceite apenas resposta com evidência numérica: taxa de erro do campo medida em uma amostra, ou contagem de valores distintos, ou percentual de registros com o campo vazio. Dizer que “falta maturidade de dados” não é diagnóstico, é adjetivo.
- O custo do degrau que falta. Na Órbita os dois bloqueios custam perto de zero em licença e semanas em calendário. Na sua empresa a proporção costuma ser parecida, e isso tem uma consequência desconfortável: o projeto caro quase nunca é o que está travado. O que está travado é barato, e por isso ninguém patrocina.
- Adversarial. A defesa correta não é discutir o número. É perguntar qual decisão passaria a ser tomada de forma diferente por causa do score, quantas vezes por mês, e quem hoje a toma. Se a resposta for “o time ia priorizar melhor” sem nomear uma fila com capacidade menor que o volume, o valor é zero, por mais preciso que o modelo seja. Você vai ver a versão quantitativa disso em 11.4.
Armadilha: automatizar o processo errado com perfeição
O padrão é sempre o mesmo em reunião de diretoria, e ele não é burrice: é disponibilidade. A pessoa propõe automatizar a etapa que mais a incomoda, não a que mais custa. A etapa que incomoda é a que ela executa. A que custa é a que ninguém executa, e por isso ninguém a traz para a pauta. Na Órbita, Otávio Lins vai pedir para automatizar o rodízio de segunda-feira, que ele faz com a própria mão. Ninguém vai pedir para automatizar o acompanhamento dos 612 MQL órfãos, porque não existe pessoa que sinta esse incômodo.
A defesa é procedimental, não moral. Nenhum candidato entra em pauta sem a conta de frequência, tempo por execução e custo-hora carregado, feita antes de qualquer conversa com fornecedor, e sem a frase única do degrau 3. É o que o capítulo 11.2 vai te ensinar a fazer em dez minutos.
A sanção. Automatizar a etapa errada não é neutro. Ela consome o orçamento de tecnologia do ano, consome o capital político de pedir mudança de processo, e ainda produz um sistema novo para administrar. Quando o problema caro finalmente chega à pauta, a resposta do CFO é que já se gastou com isso no ano passado.
Recuperação
Responda antes de abrir. Tentar e errar consolida mais que reler.
1Diga os seis degraus da escada, na ordem, e a pergunta de aceite do degrau 3.
Processo definido, dado confiável, regra explícita, automação determinística, modelo preditivo, agente autônomo. A pergunta de aceite do degrau 3 é: escreva a decisão numa frase de português com sujeito, condição e ação. Se a frase não fecha, o problema não é o degrau 3. É o 1 ou o 2, e a frase é o instrumento que revela qual.2Uma empresa quer automatizar a atribuição de conta por território. O campo de estado está preenchido em 97% dos registros e correto em 91% deles, medido numa amostra de 200 contas. Ela pode subir ao degrau 4?
Pode, com uma condição escrita. Nove por cento de erro significa que, em cada cem atribuições, nove vão para o dono errado, e a regra precisa dizer o que acontece com elas: reatribuição por pedido do dono, com registro, e uma revisão semanal por amostragem do que foi reatribuído. O que reprova não é a taxa de erro. É não ter medido, ou ter medido e não ter escrito o tratamento da exceção. Repare que a decisão foi tomada com dois números, não com uma impressão.3A Órbita publica quatro valores diferentes de ARR, um por sistema. Qual degrau da escada esse fato bloqueia, e para quais candidatos a automação?Módulo 5 · 5.1
Bloqueia o degrau 2 para todo candidato que precise ler receita por conta: alerta de risco por queda de receita, priorização de renovação, qualquer coisa que multiplique score por valor. A automação de roteamento de MQL não é atingida, porque ela não lê ARR. Essa distinção é o ponto: o degrau 2 não é um atestado geral de qualidade da empresa, é uma verificação por campo. A pergunta certa nunca é “nosso dado é confiável?”, e sim “este campo, que esta regra vai ler, tem erro medido de quanto?”.4Escreva de memória a regra de bloqueio do módulo, em uma linha, e diga qual degrau ela testa.
Se você não consegue escrever a decisão numa frase de português com sujeito, condição e ação, não automatize, e muito menos modele. Ela testa o degrau 3. Se você escreveu alguma variação de “precisa ter dado bom”, você escreveu o degrau 2, que é verdadeiro e insuficiente: dado bom sem regra escrita produz uma automação que ninguém sabe auditar.