O Problema dos 23%: Por Que a Maioria da Automação com IA Não Se Justifica

Vinte e três por cento.

Esse é o número que a maioria das lideranças não quer ouvir depois de assinar contratos de IA, contratar consultores de transformação digital e anunciar ambiciosos planos de automação.

Apenas 23% das tarefas de trabalho típicas de uma empresa justificam, hoje, a implantação de automação com IA, segundo análises da McKinsey e observações de dados operacionais de empresas que já implantaram agentes em escala. Não porque a tecnologia falha. Porque o restante das tarefas não passa nos critérios básicos de viabilidade econômica.

O problema não é a IA. É a expectativa de que ela serve para tudo.

A maioria das empresas não tem uma estratégia de automação. Tem um orçamento de automação e uma lista de tarefas que parecem chatas o suficiente para delegar a um sistema. Essa não é estratégia. É alocação de recursos disfarçada de modernização.

O resultado é previsível: automações que economizam três horas por semana enquanto consomem 40 horas de setup, manutenção e correção de erros. Fluxos que funcionam em 80% dos casos e travam nos 20% que realmente importam. Sistemas que precisam de supervisão constante para garantir output que um humano júnior produziria com metade da atenção.

Isso não é fracasso tecnológico. É falha de diagnóstico.

O Gap de Viabilidade

Antes de decidir o que automatizar, existe um filtro que separa as tarefas que se beneficiam de IA das que simplesmente resistem a ela. Quatro critérios determinam essa separação.

Primeiro: repetibilidade estrutural. A tarefa segue um padrão consistente o suficiente para que um sistema treinado possa reconhecer inputs e produzir outputs confiáveis? Não repetição superficial; repetição estrutural. Responder e-mails parece repetitivo. Mas cada e-mail carrega contexto relacional e nuance que varia enormemente. Processar faturas dentro de um template padronizado é estruturalmente repetitivo.

Segundo: tolerância a erro. Qual o custo de um erro? Categorizar despesas incorretamente é recuperável. Enviar uma proposta comercial com o preço errado pode custar um cliente. Sistemas de IA cometem erros. O critério não é se há erros; é se os erros são toleráveis no contexto da tarefa.

Terceiro: disponibilidade de dados para treino e verificação. A tarefa pode ser avaliada de forma objetiva? Existe um baseline de outputs corretos para calibrar o sistema? Sem dados de qualidade, não há automação de qualidade; só ilusão de automação.

Quarto: custo de julgamento humano. Quanto do valor da tarefa reside em julgamento que depende de contexto implícito, relações humanas, ética situacional ou criatividade genuína? Quanto maior esse componente, maior a resistência à automação produtiva.

Tarefas que passam nesses quatro filtros compõem, em média, 23% do trabalho em empresas de serviços e SaaS. Em operações logísticas e manufatura, o número pode chegar a 40%. Em consultoria estratégica e criação de alto valor, cai para menos de 10%.

Por Que 77% Resistem

O erro mais comum é confundir "tecnicamente possível" com "economicamente justificável".

Agentes de IA hoje conseguem redigir primeiro rascunho de código, triagem de tickets de suporte, classificação de documentos, extração de dados estruturados, agendamento e roteamento de comunicações. Essas são tarefas com alta repetibilidade estrutural, tolerância razoável a erro e datasets suficientes para treino.

O que os agentes ainda fazem de forma não confiável: negociar em contexto de alta ambiguidade, manter relacionamentos de longo prazo com nuance emocional, fazer julgamentos éticos em situações não previstas, criar conexões conceituais genuinamente novas, adaptar comunicação a dinâmicas interpessoais complexas.

Essas tarefas não resistem à automação porque a tecnologia é incapaz. Resistem porque o custo de erro é alto, a variabilidade estrutural é grande e o valor reside exatamente no julgamento humano que a tarefa exige.

Forçar automação nesses casos não aumenta eficiência. Aumenta custo de supervisão e cria um teatro de produtividade que corrói confiança interna.

Identificando os Seus 23%

O diagnóstico correto começa por mapear trabalho, não ferramentas.

Liste as cem tarefas que mais consomem horas na sua operação. Para cada uma, aplique os quatro critérios do gap de viabilidade. Pontue de 1 a 3 em cada dimensão. Tarefas com pontuação total acima de 9 são candidatas sérias à automação.

Em seguida, calcule o ROI real, não o projetado. ROI real inclui: tempo de setup e integração, custo de manutenção contínua, custo de supervisão, custo de erros não detectados, custo de retreinamento quando o processo muda. Subtrai esses custos do tempo economizado. O que sobrar é o benefício líquido.

Na maioria dos diagnósticos que fazemos com operadores, entre 15% e 30% das tarefas mapeadas passam pelo filtro. Esse intervalo converge para os 23% não por acidente; é onde a tecnologia atual encontra a realidade operacional da maioria das empresas.

A Vantagem Competitiva Real

Empresas que automatizam tudo perdem tempo e capital em sistemas que precisam de suporte constante. Empresas que não automatizam nada perdem capacidade operacional para concorrentes mais ágeis.

A vantagem está no meio: saber precisamente o que entra no seu 23%.

Essa precisão não é trivial. Requer diagnóstico honesto do que é estruturalmente repetível versus o que parece repetível mas carrega variabilidade oculta. Requer disposição para não automatizar tarefas que "parecem" candidatas óbvias. Requer cultura que separa modernização real de teatro de inovação.

Não é sobre quanto você automatiza. É sobre o que você escolhe automatizar.

Uma empresa que automata os 23% certos com precisão cirúrgica opera com vantagem estrutural sobre concorrentes que implementam automação de forma indiscriminada. Os primeiros têm sistemas que funcionam. Os segundos têm dashboards que impressionam até o momento em que o processo real precisar escalar.

O gap entre essas duas posições vai aumentar nos próximos dois anos, não diminuir. Modelos ficam mais capazes a cada ciclo. Isso amplia o 23% gradualmente; mas a capacidade de identificar com precisão onde está esse percentual em cada operação específica continua sendo julgamento humano.

Essa clareza, hoje, é o que separa automação como vantagem de automação como custo.

Zerlotti existe para operadores que sabem que a diferença entre automação que funciona e automação que aparece está no diagnóstico, não na ferramenta.