Automatizar é o último passo: Um convite

Ainda sobre o podcast "How Elon Thinks", há uma ideia, no chamado algoritmo de Elon Musk, que me parece particularmente importante nesta fase de entusiasmo com a inteligência artificial: automatizar é o último passo.

O algoritmo é:

1. Questionar cada requisito

2. Eliminar tudo o que for possível

3. Simplificar e optimizar

4. Acelerar o ciclo

5. Automatizar

Antes de automatizar, é preciso questionar os requisitos. Depois, eliminar o que não devia existir. Depois, simplificar. Depois, optimizar. Só no fim faz sentido acelerar e automatizar. A ordem é importante. Talvez seja mesmo a parte mais importante da ideia.

Porque a tentação, agora, é fazer exactamente o contrário.

Há, ainda, outro elemento que torna esta reflexão mais actual. Num vídeo recente, Mark Cuban chama a atenção para a oportunidade criada pelos agentes de IA junto das PME. A ideia, tal como a leio, é simples: muitas pequenas e médias empresas não têm equipas internas para perceber onde a IA pode criar valor, muito menos para desenhar, testar e implementar agentes úteis. Vão precisar de alguém que faça a ponte entre a tecnologia e o trabalho real.

Ora, é aqui que o algoritmo de Musk e a provocação de Cuban se encontram. Cuban aponta para a oportunidade: ajudar empresas a usar IA. Musk lembra-nos da disciplina: não começar pela automatização. Primeiro, perceber o trabalho. Depois, questionar requisitos. Depois, eliminar o que não acrescenta. Depois, simplificar. Só no fim, automatizar.

Comprar ferramentas. Lançar pilotos. Criar assistentes inteligentes. Pôr agentes de IA em cima de fluxos de trabalho confusos, processos mal pensados, aprovações inúteis, documentos redundantes, responsabilidades pouco claras e sistemas que não falam uns com os outros.

Depois, claro, virá a surpresa: afinal o retorno não aparece.

Pois. Automatizar desperdício não o transforma em produtividade. Transforma-o em desperdício mais rápido, mais elegante e, provavelmente, com uma subscrição mensal.

Esta reflexão liga-se a algo que tenho defendido há muitos anos: muitas empresas não têm falta de ideias, têm falta de fogo no rabo. Projectos que avançam à velocidade de caracol. Iniciativas que repousam nos congeladores empresariais. Problemas conhecidos por todos, mas sem dono, sem data, sem equipa, sem entregável, sem consequência. Agora, com a IA, há o risco de juntarmos à falta de fogo no rabo uma camada de ilusão tecnológica.

E é aqui que vejo uma oportunidade interessante.

Há muitos anos que trabalho com a abordagem por processos. Para muita gente, processos são fluxogramas, procedimentos, caixinhas em PowerPoint ou coisas da qualidade. Para mim, a abordagem por processos sempre foi outra coisa: uma forma de perceber como o trabalho realmente acontece. Onde começa, quem fornece o input, quem decide, que informação é necessária, onde há esperas, onde há retrabalho, onde há aprovações rituais, onde se perde tempo, onde se perde margem, onde se perde clientes e onde se perde paciência.

Ora, antes de pôr agentes de IA a trabalhar, é preciso perceber que trabalho merece existir. Antes de automatizar uma decisão, é preciso perceber quem devia decidir, com que critérios e com que informação. Antes de acelerar um fluxo de trabalho, é preciso avaliar se ele não deveria ser redesenhado.

Por isso, a oportunidade não está simplesmente em “implementar IA nas empresas”. Isso é vago demais. A oportunidade está em usar a IA para aumentar a velocidade, reduzir a fricção e melhorar os resultados em fluxos de trabalho concretos. E, para isso, é preciso juntar duas competências que raramente vivem na mesma cabeça: conhecimento de processos e capacidade técnica para construir soluções com IA.

Vejo, para já, três linhas possíveis de serviço.

A primeira seria uma espécie de Workflow Audit + desenvolvimento ágil. Um diagnóstico rápido a fluxos de trabalho críticos: propostas comerciais, tratamento de reclamações, preparação de documentação técnica, qualificação de oportunidades, gestão de fornecedores, reporting, compliance, seguimento de acções, preparação de auditorias, ou outros processos onde a empresa perde tempo e energia. No caso de um CDMO, isto torna-se ainda mais interessante, porque há workflows onde a velocidade tem impacte directo no tempo de chegada ao mercado do cliente: avaliação inicial de viabilidade técnica, resposta a RFQ/RFP, preparação de propostas com âmbito, pressupostos e riscos claros, transferência tecnológica, onboarding de novos clientes e novos produtos, elaboração e revisão de batch records, transferência e validação de métodos analíticos, qualificação de matérias-primas e fornecedores, gestão de desvios, OOS/OOT, CAPA, change control, revisão documental pela Qualidade, libertação de lotes, preparação de informação CMC/regulatória, gestão de estudos de estabilidade e reporting técnico ao cliente.

O objectivo não seria "pôr IA" nestes processos à força. Seria perceber primeiro onde estão os atrasos, duplicações, esperas, retrabalho, aprovações redundantes, pedidos de informação incompletos e responsabilidades pouco claras. Só depois faria sentido decidir onde um agente de IA, uma automação, uma base de conhecimento, um template inteligente ou uma integração entre sistemas poderia reduzir o tempo, aumentar a consistência e melhorar a experiência do cliente.

A segunda linha poderia ser uma lógica de Compose para sectores específicos. Muitas PME não precisam de plataformas genéricas cheias de promessas. Precisam de blocos de trabalho já próximos da sua realidade: templates, perguntas, regras, critérios, documentos, bases de conhecimento, indicadores, alertas e fluxos ajustados ao seu sector. Uma empresa industrial, uma CDMO, uma empresa de logística, uma clínica, um retalhista ou uma empresa de serviços técnicos não têm os mesmos problemas, nem a mesma linguagem, nem os mesmos riscos. Há aqui espaço para criar soluções verticais, configuráveis, que combinem conhecimento de negócio com modelos de IA. Por exemplo, uma clínica pode precisar de organizar marcações, consentimentos, relatórios médicos e a comunicação com os pacientes. Uma empresa de logística pode precisar controlar entregas, rotas, atrasos, reclamações e armazéns. Uma CDMO pode precisar gerir transferências tecnológicas, batch records, desvios, CAPA, change control, estudos de estabilidade e documentação regulatória.

Ou seja, todas podem usar IA, mas não precisam da mesma IA organizada da mesma maneira.

O ponto comum entre as duas linhas é simples: não começar pela tecnologia. Começar pelo trabalho. Que fluxo de trabalho atrasa a empresa? Que actividade existe apenas por hábito? Que aprovação é só teatro? Que informação é pedida três vezes? Que decisão sobe sempre à direcção sem necessidade? Que tarefa poderia ser preparada por um agente, revista por uma pessoa e entregue mais depressa? Que parte do processo é verdadeiramente diferenciadora e que parte é apenas fricção operacional?

É aqui que a minha experiência pode ser útil. Não como especialista em programação de IA, porque não o sou. Mas como alguém habituado a entrar em empresas, seguir processos, fazer perguntas incómodas, distinguir trabalho real de burocracia, separar requisito útil de requisito herdado, e transformar confusão operacional em fluxos mais claros, mais simples e mais rápidos.

Agora falta a outra metade.

Por isso, este texto é também um convite.

Gostava de falar com pessoas que trabalham na vertente técnica da inteligência artificial: agentes, automação, integração de ferramentas, desenvolvimento ágil, low-code/no-code, Cursor, Claude Code, APIs, modelos de linguagem, bases de conhecimento, workflows digitais. Pessoas que saibam construir, testar e pôr soluções a funcionar, mas que também percebam que a tecnologia só tem valor quando resolve problemas reais de negócio.

A minha hipótese é esta: há espaço para desenvolver um serviço novo para PME, combinando uma abordagem por processos, um diagnóstico rápido de workflows e a construção ágil de soluções com IA. Não para vender magia. Não para vender “transformação digital” em versão requentada. Mas para ajudar as empresas a reduzir a distância entre perceber, decidir e fazer.

Automatizar é o último passo.

Antes disso, há muito trabalho inteligente a fazer. E talvez esteja aí uma oportunidade interessante para juntar quem percebe de processos com quem sabe construir com IA.