Ninguém mudou configuração, ninguém alterou o processo e, mesmo assim, o assistente de inteligência artificial da empresa começou a responder de um jeito diferente. Parece estranho, mas existe uma explicação: o modelo que roda por trás desses sistemas é atualizado pelo provedor da tecnologia, e essas atualizações podem mexer no comportamento da ferramenta.
Para Guilherme Friol, CEO da Vircos, empresa de engenharia de inteligência artificial corporativa, esse é um dos pontos que mais pesam quando um projeto sai da fase de testes e vai para o uso de verdade. E é também um dos menos lembrados na hora de planejar.
O modelo muda, o processo pode ficar igual
A saída, segundo ele, está no jeito como o sistema é montado. Uma arquitetura pensada para funcionar no dia a dia deixa a regra de negócio da empresa separada da tecnologia que executa essa regra. Traduzindo: a forma como a empresa trabalha fica guardada num lugar, e o modelo de IA fica em outro. Quando o modelo é atualizado ou substituído, ninguém precisa reconstruir o processo do zero.
Sem essa separação, a história é outra. Cada troca ou atualização do modelo pode obrigar a empresa a refazer o processo, e o comportamento da ferramenta fica à mercê de mudanças que ela não controla.
Por que isso não aparece na apresentação
Esse tipo de cuidado quase nunca entra na demonstração de um projeto. Na apresentação, o sistema aparece acertando, com exemplos escolhidos a dedo. Os imprevistos só surgem depois, quando a ferramenta começa a ser usada de verdade.
“A demonstração mostra o sistema acertando. A operação é definida pelo que acontece quando ele erra, e essa parte quase nunca está no projeto”, resume Friol.
Os outros três cuidados
A separação entre regra e tecnologia é um dos quatro itens que o executivo considera indispensáveis para um sistema de IA funcionar na rotina. O primeiro é o tratamento de erro, ou seja, saber o que a ferramenta faz quando não tem certeza da resposta, quando recebe informação incompleta ou quando perde a conexão com outro sistema.
O segundo é o escalonamento humano, um caminho claro para passar o caso a uma pessoa, com o histórico preservado e o motivo registrado. O terceiro é o monitoramento: acompanhar o tempo todo a qualidade das respostas e quanto cada operação custa. Sem isso, o problema costuma ser descoberto só quando um cliente reclama ou quando a conta chega mais alta.
Muita gente testa, pouca gente coloca pra rodar
Os números mostram por que o assunto importa. Segundo o relatório State of AI in Business 2025, da iniciativa NANDA, do MIT (Instituto de Tecnologia de Massachusetts), cerca de 80% das organizações analisadas experimentaram ferramentas de IA generativa, mas só 5% chegaram à produção com retorno financeiro mensurável.
A consultoria Gartner mostra um quadro parecido com os agentes de IA: só 17% das organizações já colocaram esse tipo de sistema em funcionamento, enquanto mais de 60% pretendem fazer isso em até dois anos. Para Friol, o que separa um grupo do outro não é a capacidade do modelo, e sim a engenharia montada em volta dele, incluindo esse cuidado com as atualizações.
Então, se a IA da empresa passou a responder diferente de uma hora pra outra, uma das explicações possíveis é a atualização do modelo feita pelo provedor. Para que isso não vire dor de cabeça, a orientação de Friol é conferir se o sistema foi montado com a regra de negócio separada da tecnologia. Com essa separação, a empresa troca de modelo quando precisar, e o processo continua funcionando do mesmo jeito.
O post A IA da sua empresa mudou de comportamento sem ninguém mexer? Entenda apareceu primeiro em UAI Notícias.