Em 2026, empresas devem lidar com a empolga\u00e7\u00e3o em torno de agentes de IA. A conversa t\u00edpica envolve orquestra\u00e7\u00e3o, copiloto e planos de piloto. No entanto, o desafio n\u00e3o \u00e9 o entusiasmo, e sim um problema antigo: trabalho mal explicado, dados dispersos e processos que existem por h\u00e1bito.<\/p>\n
O iFood foi o foco da entrevista com Raphael Bozza, VP de People. A rela\u00e7\u00e3o entre IA e cultura de produto \u00e9 mostrada por meio de m\u00e9tricas e pr\u00e1tica. A empresa n\u00e3o \u00e9 apenas um modelo a ser copiado; funciona como um espelho para outras organiza\u00e7\u00f5es avaliarem sua pr\u00f3pria base.<\/p>\n
O ponto de partida, para Bozza, \u00e9 compreender o problema antes de escolher ferramentas. Muitos erros v\u00eam do impulso de seguir a \u00faltima inova\u00e7\u00e3o sem mapear o que realmente precisa ser resolvido. Essa abordagem evita frustra\u00e7\u00f5es com solu\u00e7\u00f5es mal alinhadas.<\/p>\n
Antes de criar um agente de atendimento, \u00e9 preciso saber quais perguntas consomem tempo. Antes de automatizar relat\u00f3rios, entender quais decis\u00f5es dependem deles. Sem diagn\u00f3stico, a IA tende a impressionar apenas nas primeiras semanas e depois perder uso.<\/p>\n
Dados tamb\u00e9m importam. IA trabalha sobre o que a empresa j\u00e1 coleta; registros espalhados em planilhas, e-mails e mensagens dificultam resultados. Nesse cen\u00e1rio, o investimento inicial pode ser revisar a mem\u00f3ria operacional, n\u00e3o apenas adquirir tecnologia.<\/p>\n
No iFood, a pr\u00e1tica de IA tem suporte desde 2018, com um hist\u00f3rico de resultados. O primeiro grande caso ocorreu em antifraude: perdas pr\u00f3ximas a quase R$ 20 milh\u00f5es em 2020 ca\u00edram para menos de 0,1%. N\u00e3o houve compra de ferramenta, houve m\u00e9todo e cultura de experimenta\u00e7\u00e3o.<\/p>\n
A cultura orientada a dados, aliada a uma metodologia de teste e medi\u00e7\u00e3o, sustenta a for\u00e7a da estrat\u00e9gia. A partir dessa funda\u00e7\u00e3o, a gest\u00e3o de risco e o combate \u00e0 fraude mostraram que tecnologia sem diagn\u00f3stico gera entusiasmo com validade limitada.<\/p>\n
A ado\u00e7\u00e3o de IA na rotina eleva as expectativas sobre o papel dos profissionais. Pensamento cr\u00edtico, curadoria de dados e solu\u00e7\u00e3o de problemas complexos ganham peso, enquanto opera\u00e7\u00f5es repetitivas perdem espa\u00e7o. Bozza aponta que a avalia\u00e7\u00e3o semestral j\u00e1 considera profici\u00eancia em IA como crit\u00e9rio.<\/p>\n
O gestor deixa de cobrar apenas tarefas para planejar valor. O equil\u00edbrio entre julgamento humano e automa\u00e7\u00e3o requerer\u00e1 uma calibragem cuidadosa para n\u00e3o perder qualidade. Errar esse c\u00e1lculo implica custo real para a organiza\u00e7\u00e3o.<\/p>\n
Com a facilidade de colocar agentes no ar \u2014 boa API e curiosidade bastam \u2014 o desafio \u00e9 manter poucos projetos funcionando de forma est\u00e1vel. A sugest\u00e3o \u00e9 definir claramente objetivo, dados dispon\u00edveis, respons\u00e1veis, m\u00e9tricas de valor e o que deixar\u00e1 de fazer se der certo.<\/p>\n
O iFood n\u00e3o serve como modelo a copiar integralmente, mas como aviso sobre a import\u00e2ncia do diagn\u00f3stico. A pergunta central n\u00e3o \u00e9 se adotar\u00e1 IA, e sim se a organiza\u00e7\u00e3o ter\u00e1 base suficiente para sustentar o uso ao longo do tempo.<\/p>\n
A percep\u00e7\u00e3o de tecnologia sem diagn\u00f3stico \u00e9 apenas entusiasmo com prazo de validade. A solu\u00e7\u00e3o est\u00e1 em construir alicerces fortes antes de escalar a automa\u00e7\u00e3o, reduzindo o risco de falhas no dia a dia.<\/p>\n
Iona Szkurnik, fundadora e CEO da Education Journey, destaca a relev\u00e2ncia de aplicar IA de forma orientada \u00e0 aprendizagem e ao desempenho organizacional, refor\u00e7ando que a escolha de caminhos deve considerar a base de dados e processos da empresa.<\/p>\n","protected":false},"excerpt":{"rendered":"