# IA em sistemas corporativos: onde ela ajuda de fato

> Onde a IA em sistemas corporativos resolve trabalho real, onde uma regra comum resolve melhor e as perguntas para decidir antes de pôr um modelo em produção.

Autor: José Carlos Maciel, Fundador e desenvolvedor. Publicado em 2026-10-23, atualizado em 2026-10-23.
Fonte: https://boosting.tech/blog/ia-em-sistemas-corporativos/

**Resposta rápida:** A IA ajuda num sistema corporativo nas tarefas em que alguém gasta tempo olhando, lendo ou redigitando: classificar uma foto, extrair dados de um documento, resumir um registro longo. Quando a regra é fixa, código comum resolve melhor e custa menos. Antes de usar IA, defina o formato da resposta, quem revisa e o que acontece se o modelo falhar.

A reunião de diretoria termina com uma tarefa nova para o gerente de operações: "precisamos usar IA". Ninguém diz onde. Na semana seguinte chegam três propostas, uma de chatbot para o site, uma de painel com previsões e uma de assistente que "responde qualquer pergunta sobre a operação". Enquanto isso, a equipe de campo continua passando a noite montando relatório com foto, e o escritório continua redigitando no sistema o que veio em PDF.

Este artigo ajuda a separar uso real de modismo. Você vai ver que tipo de tarefa combina com IA, quais pedem só uma automação bem feita e uma lista de perguntas para decidir caso a caso, antes de gastar com piloto. Se a dúvida anterior é se vale construir um sistema próprio ou contratar um produto pronto, comece pelo artigo sobre [sistema sob medida ou software pronto](/blog/sistema-sob-medida-ou-software-pronto/).

## O que é usar IA em um sistema corporativo?

Usar IA em um sistema corporativo é colocar um modelo de inteligência artificial para executar uma etapa de um processo que já existe, dentro do sistema que a equipe usa, com entrada e saída definidas. O modelo recebe uma foto, um documento ou um texto, devolve uma resposta num formato combinado e o sistema decide o que fazer com ela.

Na prática, isso é diferente de dar a cada funcionário um assistente de conversa. O assistente ajuda a pessoa a escrever ou pesquisar. A IA dentro do sistema faz parte do fluxo: a foto entra, a classificação sai e fica gravada junto do registro, como qualquer outro campo.

Para pensar nos riscos, o NIST, instituto de padrões dos Estados Unidos, publicou em janeiro de 2023 o [AI Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework), um guia de uso voluntário para gerenciar riscos de sistemas com IA. Ele organiza o trabalho em quatro funções: governar, mapear, medir e gerenciar. Para uma empresa média, a parte mais útil é a ideia de mapear o contexto de uso antes de escolher a ferramenta: quem usa, com que dados e o que acontece quando a resposta está errada.

## Por que a pressão para "usar IA" costuma dar errado?

A pressão costuma dar errado porque começa pela ferramenta e não pela tarefa. Quando o ponto de partida é "onde encaixamos IA?", a resposta tende a ser um projeto visível e pouco usado, como um chatbot que ninguém consulta depois do primeiro mês.

O segundo problema é usar IA onde uma regra resolve. Muitas vezes, o pedido de "automatizar com IA" descreve uma regra de negócio. No [ERP de campo para limpeza industrial de tanques](/casos/limpeza-industrial-de-tanques/), as horas paradas gerais são rateadas em partes iguais entre as linhas de serviço que chegaram a iniciar. É uma conta, e uma conta precisa dar o mesmo resultado todas as vezes. Um modelo de linguagem pode errar essa conta, custa por chamada e é mais difícil de auditar.

O terceiro problema é esquecer o erro. Um modelo de IA dá respostas prováveis, não garantidas. O [OWASP Top 10 para aplicações com LLM](https://genai.owasp.org/llm-top-10/), lista mantida pela fundação OWASP com os riscos mais comuns em sistemas que usam modelos de linguagem, inclui na versão 2025 a desinformação (o modelo afirma algo falso com segurança), a injeção de instruções escondidas no conteúdo que o modelo lê e o excesso de autonomia, quando o modelo recebe permissão para agir sem conferência. Os três aparecem quando a IA ganha liberdade demais dentro do processo.

## Quais tarefas combinam com IA e quais pedem automação comum?

Combinam com IA as tarefas em que a entrada varia muito e uma pessoa precisa interpretar: fotos, documentos com layouts diferentes, texto livre. Pedem automação comum as tarefas com regra fixa, em que a mesma entrada deve sempre dar a mesma saída. A tabela resume essa divisão com tarefas comuns em empresas de operação.

| Tarefa | Melhor caminho | Por quê |
| --- | --- | --- |
| Classificar uma foto numa escala conhecida | IA (modelo de visão) | A imagem varia e a escala tem categorias fechadas |
| Extrair campos de notas, certificados ou pedidos em PDF | IA com validação | Os layouts mudam de fornecedor para fornecedor |
| Resumir um registro longo para quem assume o turno | IA com revisão | Texto livre, e quem lê confere com o original |
| Sugerir a categoria de uma não conformidade descrita em texto | IA com confirmação | A pessoa confirma com um toque em vez de procurar na lista |
| Gerar o relatório em PDF ao fechar um serviço | Automação comum | O conteúdo já está no registro e o formato é fixo |
| Ratear horas, calcular prazos e validar treinamentos | Automação comum | Regra que precisa dar o mesmo resultado sempre |
| Avisar a equipe quando algo muda de situação | Automação comum | Evento claro, com destinatário conhecido |
| Apontar leitura de equipamento fora do padrão | Estatística simples primeiro | Uma faixa ou uma mediana histórica já resolve muitos casos |

O último item merece atenção. No [sistema de inspeção e manutenção de embarcações](/casos/inspecao-e-manutencao-de-embarcacoes/), as leituras de pressão e temperatura são comparadas com a mediana histórica de cada equipamento, e o sistema aponta valores fora do padrão. Não há modelo de IA nisso. Vale começar por esse tipo de regra e só considerar algo mais sofisticado se ela deixar de dar conta.

O que costuma ficar de fora de um primeiro projeto é o assistente que "sabe tudo sobre a empresa". Ele depende de documentos organizados, de controle de quem pode ver o quê e de muita revisão. É um projeto possível, mas raramente é o melhor primeiro passo.

## Como decidir se uma tarefa deve ir para a IA?

Decida tarefa por tarefa, com perguntas sobre a entrada, a resposta, o erro e o custo. A lista abaixo reúne as perguntas que fazemos antes de propor qualquer modelo.

### Perguntas para decidir se uma tarefa deve ir para a IA

Responda com quem executa a tarefa hoje e com quem responde pelo resultado. Se a maior parte das respostas do primeiro grupo for "não", a tarefa provavelmente pede automação comum. Em tarefas com dados pessoais ou efeito sobre pessoas, envolva também o encarregado de dados e o jurídico da empresa.


**A tarefa**

- [ ] Alguém gasta tempo hoje olhando, lendo ou redigitando algo para executar essa tarefa
- [ ] A tarefa se repete muitas vezes por semana, com o mesmo tipo de entrada
- [ ] Não existe uma regra fixa que resolva, porque a entrada varia demais (foto, texto livre, documento)
- [ ] Duas pessoas experientes chegariam à mesma resposta olhando a mesma entrada

**A resposta**

- [ ] O formato da resposta está definido (uma categoria de uma lista, campos de um documento, um resumo curto)
- [ ] O modelo tem instrução para recusar quando a entrada não permite responder
- [ ] O sistema valida a resposta antes de gravar, como faria com um campo digitado

**O erro**

- [ ] Está claro o que acontece quando a IA erra e quem percebe o erro
- [ ] Onde o erro tem consequência, uma pessoa revisa antes de a resposta virar decisão
- [ ] Se o modelo falhar ou ficar fora do ar, o trabalho segue pelo caminho manual
- [ ] Decisões que afetam pessoas podem ser revistas por alguém da empresa

**Dados, custo e acompanhamento**

- [ ] Os dados pessoais que a tarefa não precisa são removidos ou mascarados antes do envio
- [ ] Os termos do provedor de IA não permitem usar os dados enviados para treinar modelos
- [ ] O custo por uso foi medido num piloto com dados reais, antes de abrir para todos
- [ ] As respostas ficam guardadas para revisão e comparação ao longo do tempo
- [ ] A integração permite trocar de modelo ou de provedor sem reconstruir o sistema

Use a lista com a tarefa concreta na mão, não com o tema. "Usar IA no QSMS" é amplo demais. "Sugerir a categoria da não conformidade a partir da descrição que o técnico digitou" dá para avaliar. Se a tarefa passa no primeiro grupo e trava no terceiro, ela pode ir para a IA, mas com uma pessoa confirmando cada resposta.

A pergunta sobre duas pessoas chegarem à mesma resposta é a que mais elimina projetos. Se dois supervisores experientes discordam sobre a classificação de um achado, o modelo também vai oscilar, e a discussão certa é sobre o critério, antes de falar em IA.

## Como levar a IA para produção sem surpresa?

Leve a IA para produção como qualquer função nova do sistema: com escopo pequeno, piloto com dados reais e um caminho manual que continua funcionando.

1. Escolha uma tarefa e escreva o que entra e o que sai. Por exemplo: entra uma foto, sai uma categoria de uma lista fechada e uma orientação de uma frase.
2. Defina quando o modelo deve recusar. No [aplicativo de saúde](/casos/aplicativo-de-saude/) que desenvolvemos, o modelo de visão classifica a foto numa escala clínica e tem instrução para pedir uma foto melhor quando não consegue avaliar e para nunca dar diagnóstico.
3. Monte o piloto com dados reais e um grupo pequeno de usuários. Guarde cada resposta ao lado da entrada para comparar com o que a pessoa teria feito.
4. Meça o custo por uso. O valor depende do volume e do tamanho de cada chamada, e só aparece com dados reais. O sistema deve registrar o consumo desde o primeiro dia.
5. Coloque a pessoa no circuito onde o erro tem consequência. A IA sugere e alguém confirma, pelo menos até o histórico mostrar onde ela acerta.
6. Garanta o caminho manual. Se o provedor de IA sair do ar, o técnico continua registrando e a classificação fica pendente, sem travar o serviço.
7. Projete a integração para trocar de modelo. No aplicativo de saúde, as chamadas passam por um roteador de modelos, e trocar de provedor não exige reconstruir o sistema.

Esse roteiro cabe dentro de um projeto de software como os outros. Se você ainda não contratou desenvolvimento e quer entender as etapas, o artigo sobre [projeto de software sob medida](/blog/projeto-de-software-sob-medida/) descreve do diagnóstico à produção.

## E se os dados forem sensíveis ou o sistema for antigo?

Quando os dados são sensíveis, o primeiro passo é mandar ao modelo só o que a tarefa precisa. Dados pessoais que não influenciam a resposta são removidos ou mascarados antes do envio, e escolhemos serviços de API cujos termos não usam os dados enviados para treinar modelos. A [LGPD](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm), lei brasileira de proteção de dados pessoais, garante no artigo 20 o direito de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem os interesses do titular. Se a IA participa de decisões sobre pessoas, como triagem de candidatos ou avaliação de colaboradores, a empresa precisa ter como revisar essas decisões. O encarregado de dados e o jurídico confirmam o que se aplica ao seu caso.

Quando o sistema é antigo, a IA raramente precisa esperar uma reescrita. Na maior parte dos casos ela entra como uma integração: o sistema atual envia a foto ou o documento, recebe a resposta e grava num campo novo. O cuidado é com a base. Se o sistema antigo não guarda bem o registro original ou não tem controle de acesso por perfil, vale corrigir isso antes, e esse trabalho é o que fazemos em [sustentação e modernização](/servicos/sustentacao-e-modernizacao/).

Há também a área sem sinal. Em embarcações e áreas industriais isoladas, a chamada ao modelo só acontece quando há conexão. O registro em campo não pode depender dela: o técnico salva a foto, e a classificação roda quando o aparelho sincroniza.

## Quando a IA não é o próximo passo?

A IA não é o próximo passo quando o processo ainda está no papel, na planilha ou espalhado em grupos de mensagem. Sem registro estruturado, o modelo não tem o que ler nem onde gravar a resposta. Nesses casos, o ganho maior vem de digitalizar o processo primeiro, e a IA entra depois, numa etapa específica. O artigo sobre [checklist digital de inspeção](/blog/checklist-digital-de-inspecao/) mostra como esse registro começa.

Também não é o próximo passo quando a tarefa é rara, quando o erro é grave e ninguém pode revisar, ou quando a regra é simples. Muito do que se vende como IA, como o relatório que sai sozinho ao fechar um serviço ou o aviso que chega ao técnico despachado, é automação comum bem desenhada. No caso de limpeza de tanques, o fechamento do serviço gera os PDFs, o relatório fotográfico, o certificado e a planilha de faturamento sem nenhum modelo de IA.

Se você tem uma lista de tarefas candidatas e quer separar o que vale IA do que vale uma regra, a boosting.tech é uma empresa de software customizado que constrói essas funções dentro do sistema que a equipe já usa. Podemos passar pela sua lista numa conversa de diagnóstico, sem custo. O que entregamos nessa frente está em [IA e automação](/servicos/ia-e-automacao/).

## Perguntas frequentes sobre IA em sistemas corporativos

### Preciso trocar de sistema para usar IA?

Na maior parte dos casos, não. A IA entra como uma função a mais dentro do sistema atual, por integração: o sistema envia a entrada, recebe a resposta e grava. O que pode exigir mudança é a base, quando o sistema não guarda o registro original ou não controla bem quem vê cada dado. Aí vale ajustar isso antes de ligar o modelo.

### A IA pode tomar decisões sozinha no processo?

Pode, em tarefas de baixo impacto e com resposta fácil de conferir depois, como sugerir uma categoria. Onde o erro tem consequência, como liberar acesso, aprovar um serviço ou avaliar uma pessoa, recomendamos que a IA sugira e alguém confirme. Decisões automatizadas sobre pessoas também têm regras próprias na LGPD, e o jurídico da empresa deve participar dessa definição.

### Os dados da empresa vão treinar o modelo de outra empresa?

Depende do provedor e do contrato. Escolhemos serviços de API cujos termos não usam os dados enviados para treinar modelos, e removemos ou mascaramos os dados pessoais que a tarefa não precisa. Mesmo assim, vale ler os termos do provedor escolhido com o encarregado de dados antes de enviar qualquer informação sensível.

### Quanto custa manter IA funcionando em produção?

O custo depende do volume de chamadas e do tamanho de cada uma, e por isso não dá para estimar bem sem dados reais. Medimos isso num piloto antes de abrir para todos os usuários, e o sistema registra o consumo desde o início. Tarefas que rodam milhares de vezes por dia pedem atenção especial ao tamanho de cada chamada.

### Como saber se a IA está acertando depois que entra em uso?

Guardando cada resposta ao lado da entrada e da correção feita pela pessoa, quando houver. Com esse histórico, dá para ver em que tipo de entrada o modelo erra mais, ajustar as instruções e decidir onde a revisão humana pode diminuir. Sem esse registro, a avaliação vira impressão de quem usa.

### Chatbot no site é um bom primeiro projeto de IA?

Raramente para empresas de operação. Um chatbot depende de conteúdo organizado e de revisão constante, e o ganho costuma ser menor que o de tirar uma tarefa repetitiva da equipe interna. Um primeiro projeto melhor é uma etapa específica de um processo que já está no sistema, como classificar fotos de campo ou extrair dados de documentos recebidos.

## Referências

- [Lei nº 13.709/2018, Lei Geral de Proteção de Dados Pessoais (LGPD)](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm)
- [NIST: AI Risk Management Framework (AI RMF 1.0)](https://www.nist.gov/itl/ai-risk-management-framework)
- [OWASP Top 10 for LLM Applications 2025](https://genai.owasp.org/llm-top-10/)