A decisão que a maioria pula: o que delegar para a IA

Tem um projeto que acompanhei numa seguradora que diz tudo sobre esse problema. O time tinha desenvolvido um sistema de IA pra triagem de sinistros — tecnicamente impecável. O modelo classificava com alta precisão. O problema é que a tarefa que eles delegaram pra IA era classificar, quando o gargalo real era outro: a demora estava na etapa de coleta de documentação, que continuava completamente manual. A IA executou exatamente o que foi pedido. Só que ninguém tinha feito a pergunta certa antes.

Delegation — decidir o que é trabalho de humano, o que é trabalho de IA e o que deve ser feito em conjunto — é a primeira competência de quem quer usar IA de forma eficaz. E é a etapa que a maioria pula porque parece óbvia. Não é.

Antes de envolver a IA, entenda o problema

O erro mais comum é começar pela ferramenta. O time vê a IA disponível e começa a pensar em como usá-la — sem antes entender com clareza qual problema precisa ser resolvido e como o trabalho funciona hoje.

Problem Awareness é isso: clareza sobre o objetivo antes de qualquer conversa com a IA. Qual o resultado esperado? O que define sucesso? Onde exatamente está o gargalo? Numa esteira de crédito, a lentidão está na análise ou na aprovação? A resposta muda completamente o que faz sentido delegar.

Platform Awareness vem logo depois: entender o que a IA faz bem e o que ela faz mal. Modelos de linguagem são excelentes em síntese, rascunhos, classificação de texto, geração de variações. São ruins em raciocínio numérico complexo, em tarefas que exigem julgamento baseado em contexto que o modelo não tem acesso, e em qualquer coisa onde estar errado com convicção seja perigoso. Saber isso antes evita delegar o trabalho errado.

Nem tudo que a IA pode fazer deveria ser delegado a ela

Quando o problema está claro e você entende as capacidades da plataforma, vem a decisão real: como distribuir o trabalho.

Existem três modos de interação. Automação é quando a IA executa uma tarefa específica com base em instruções fixas — você define o que fazer, ela faz. Funciona bem pra tarefas repetitivas com variação baixa: formatação de relatórios, classificação de e-mails, extração de campos de documentos.

Augmentação é colaboração: você e a IA trabalham juntos, com vai-e-vem, cada um contribuindo com o que faz melhor. Um analista que usa IA pra acelerar a análise de dados e depois aplica seu julgamento sobre o resultado está em modo de augmentação. É o modo mais frequente no trabalho do conhecimento.

Agency é quando você configura a IA pra agir de forma independente no seu nome — inclusive interagindo com outros sistemas e tomando decisões intermediárias. É o modo dos agentes autônomos, e é onde o cuidado precisa ser maior. Em ambiente regulado, a pergunta obrigatória antes de qualquer setup agêntico é: onde a decisão automática para e onde entra supervisão humana?

A pergunta que filtra tudo

Antes de delegar qualquer tarefa pra IA, faço duas perguntas. Primeira: se a IA errar aqui, qual é o custo? Segunda: a IA tem acesso a todas as informações relevantes pra fazer isso bem?

Se o custo do erro é alto e a IA não tem contexto completo, o trabalho fica com humano. Se o custo é baixo e a IA tem o que precisa, delega. O espaço do meio é onde vale construir um fluxo colaborativo — augmentação com revisão humana no ponto certo.

Delegation eficaz requer dois tipos de conhecimento ao mesmo tempo: domínio do problema de negócio e entendimento das capacidades da IA. Quem tem só um dos dois tende a delegar errado.