Quando IA não é a resposta: 7 sinais de que você não precisa de modelo

Trabalhamos com gestores que assinam contratos de Copilot empresarial para 200 funcionários animados pelo pitch, e três meses depois descobrem que 15 pessoas usam. Não é falha do produto. É falha de diagnóstico — IA não era a resposta para 185 das 200 vagas.

Sete sinais de que o problema na sua mesa não pede IA generativa.

1 · O input é estruturado e estável

Se a entrada é planilha com schema fixo e a saída é cálculo determinístico, você precisa de fórmula, regra, SQL — não de LLM. LLM é probabilístico: para o mesmo input, pode dar outputs diferentes. Em automação financeira simples, isso é defeito, não feature.

Exemplo: calcular comissão por vendedor a partir de planilha de vendas mensais. Use Excel ou SQL.

2 · A regra existe e está escrita

Se já existe uma regra clara (“se categoria X e valor > Y, então classificar como Z”), você precisa de code, não de modelo. LLM é caro, lento, e probabilístico para algo que if/else resolve em microsegundos com 100% de confiabilidade.

Exemplo: classificar nota fiscal por CFOP. Se o CFOP é o discriminador, regra resolve. LLM só entra quando o input é não-estruturado (descrição em texto livre).

3 · Erro é catastrófico e irreversível

Aprovar contrato. Transferir mais de R$ 1 milhão. Demitir alguém. Liberar acesso administrativo. Se uma alucinação destrói reputação ou capital, IA generativa não opera sozinha. Pode assistir — gerar primeira versão para humano revisar — mas a decisão final é humana, com gates explícitos.

Sinal de alarme: fornecedor te promete “automação ponta a ponta” para decisão crítica. Promessa irresponsável.

4 · Volume é baixo

10 emails por mês para automatizar não compensam custo de implementar agente. ROI de IA aparece quando o volume cobre o overhead de setup. Abaixo de ~100 ocorrências/mês recorrentes, fazer manualmente custa menos.

5 · Dado é sensível e fornecedor cloud sem garantia LGPD-by-design

Health record, dado bancário pré-aprovação, processo jurídico em segredo de justiça. Mandar para LLM cloud que não tem contrato LGPD com cláusulas explícitas é risco caro. Em 2026, há opções (on-premise, deployments dedicados, providers brasileiros), mas precisam ser auditadas. Não é “não use IA” — é “não use IA cloud genérica”.

6 · Você não tem dado para treinar nem RAG nem feedback

Se você quer um chatbot interno mas não tem documentação escrita, IA generativa não vai compensar a falta. O modelo precisa de algo para se ancorar. Escreva primeiro a documentação. Depois o chatbot é trivial.

Sinal: você quer “chatbot inteligente da empresa” mas o RH ainda manda PDF de política por email. Comece pelo Notion organizado, depois IA é o último 20%.

7 · O time não tem nem L1 do AI Agency Ladder

Se ninguém da equipe usa IA pessoalmente, comprar plataforma corporativa não cria adoção. Vira shelfware. O caminho é o inverso: 3 pessoas pilotam pessoalmente, viram champions, depois a plataforma. Não comece pelo contrato corporativo de 200 seats.

Diagnostique o nível atual antes de comprar: AI Agency Ladder.

O que fazer no lugar

Sinal	Substituto
Input estruturado, output determinístico	Fórmula, SQL, regra
Regra existe	Código if/else
Erro catastrófico	IA assiste, humano decide
Volume baixo	Mantenha manual
Dado sensível + cloud sem LGPD	On-premise ou esperar fornecedor com garantia
Falta documentação	Documente primeiro
Time em L0	Pilote individual antes da plataforma

A pergunta de stewardship

Antes de qualquer projeto de IA, pergunte: “qual o problema que estamos resolvendo, e por que IA generativa é a melhor ferramenta para esse problema?”. Se a resposta for “porque é IA”, o projeto vai falhar. Se for “porque o input é não-estruturado, volume é alto, erro é reversível e temos baseline de qualidade”, o projeto tem chance.

IA generativa é poderosa. É também cara, probabilística e politicamente fácil de empurrar. A maturidade do gestor 2026 não é “adotar mais IA” — é saber recusar IA quando não é a resposta.