Uma pequena empresa de serviços recebe pedidos o dia inteiro. Alguns chegam por formulário, outros por e-mail ou mensagem. A pessoa que atende lê cada solicitação, procura nome, endereço, fotos, tipo de serviço e detalhes do escopo. Depois abre uma ordem, monta um orçamento inicial e envia para revisão.
A empresa testa uma IA para fazer essa primeira parte. O sistema lê o pedido, extrai os dados e prepara um rascunho. Nos primeiros dias, a fila diminui e há mais documentos prontos na tela.
Só que parte dos pedidos não traz endereço completo, foto suficiente ou escopo claro. Em alguns, a IA preenche um campo a partir de uma suposição ruim. Em outros, o revisor precisa refazer quase tudo. Alguns orçamentos voltam do cliente porque faltou uma informação que a equipe costuma descobrir por telefone. O painel do provedor mostra muitas execuções e custo baixo por chamada. Ainda não há evidência de que o trabalho melhorou para o negócio.
A resposta curta é medir o custo para produzir um resultado aceito e comparar esse resultado com uma linha de base honesta. O número de tokens, de mensagens ou de documentos processados pode ajudar a operar o sistema, mas não prova retorno. Um agente vale o que entrega depois da revisão necessária, dos erros corrigidos e dos controles que o processo exige.
Por que o debate mudou em agosto de 2026
A conversa sobre retorno de IA deixou de ficar só em apresentações comerciais porque os próprios fornecedores começaram a levar o assunto para produto e operação. Em 7 de agosto, o GitHub adicionou ao Copilot Impact Dashboard uma seção de retorno potencial que põe custo por desenvolvedor, estimativa de percentual da folha e pull requests lado a lado. O aviso da própria empresa merece atenção: o custo é estimado a partir de créditos de IA, e o salário selecionado é apenas uma premissa de modelagem. São números direcionais, não uma contabilidade da empresa.
Em 10 de agosto, a AWS publicou uma metodologia que começa por ligar o custo total de propriedade ao custo por resultado. O texto pede classificação do caso de uso, alocação por iniciativa e uma métrica de valor antes de falar em ROI. Também enumera custos que somem quando alguém olha apenas a API: infraestrutura, armazenamento e recuperação de dados, transferência, monitoramento, relatórios e o uso variável de agentes e integrações.
No mesmo dia, a OpenAI descreveu as lições da sua função financeira. A recomendação é medir trabalho útil, custo com revisão e retrabalho, qualidade do resultado e efeito sobre a decisão. Comprar mais licenças ou gerar mais tokens, por si só, diz pouco.
A mudança é de foco. Um modelo gerar uma resposta já não basta; é preciso provar que ele melhora uma etapa sem transferir o problema para alguém que corrige depois. Em uma empresa de serviços, o resultado pode ser uma ordem bem preenchida, um orçamento revisado no prazo ou uma solicitação encaminhada à pessoa certa.
Comece pelo resultado que alguém pode usar
Antes de escolher um indicador, desenhe a unidade de trabalho. No exemplo da empresa, "pedido processado" é amplo demais. Um pedido pode ter sido lido, mas ainda faltar tudo o que permite cobrar ou executar o serviço. "Orçamento enviado" também pode esconder um documento enviado às pressas e devolvido pelo cliente.
Uma unidade mais útil seria: rascunho de ordem ou orçamento aceito pelo revisor para seguir no processo. A frase precisa ganhar critérios observáveis. Por exemplo:
- os campos obrigatórios disponíveis no pedido foram extraídos corretamente;
- ausências relevantes foram sinalizadas em vez de inventadas;
- o documento respeita as regras comerciais vigentes;
- o revisor aprovou ou fez apenas ajustes pequenos, definidos previamente.
Essa definição não torna a operação perfeita. Ela deixa claro o que está sendo contado. Um rascunho que exige reescrita extensa não entra como aceito. Um pedido que precisa de contato com o cliente pode entrar em outra categoria, como "pendência detectada corretamente", desde que essa também tenha valor operacional definido. Misturar os dois casos derruba a leitura do indicador.
O Google Cloud organiza as métricas de agentes em confiabilidade e eficiência operacional, adoção e uso, e valor de negócio. Entre as métricas sugeridas estão custo por tarefa bem-sucedida, taxa de aceitação, reversões e o tempo entre a conclusão do agente e a verificação humana. A recomendação é útil porque tira o foco do volume bruto e coloca a aceitação humana dentro da medição.
No fluxo de orçamentos, a equipe pode registrar quatro desfechos: aceito sem ajuste relevante; aceito com ajuste pequeno; refeito; e enviado de volta para obter informação. Não é preciso transformar cada detalhe em uma planilha infinita. O objetivo é separar o que o agente resolveu, o que ajudou parcialmente e o que criou trabalho extra.
A linha de base evita uma vitória imaginária
Sem saber como a etapa funcionava antes, qualquer ganho parece possível. A linha de base é a observação do processo sem a nova automação, usando o mesmo critério que será usado depois.
Para a empresa de serviços, ela pode registrar por algumas semanas: quantidade de pedidos recebidos, tempo até o rascunho, tempo de revisão, taxa de retorno por falta de dados, correções importantes e tempo total até o orçamento seguir adiante. Se houver categorias muito diferentes, como visitas simples e projetos grandes, vale separar pelo menos os grupos que têm esforço claramente distinto.
A comparação precisa respeitar o contexto. Um mês com muitos pedidos fáceis não prova que o agente melhorou o processo. Um período em que a equipe mudou a tabela de preços ou contratou uma pessoa nova também altera o resultado. Em vez de esconder essas mudanças, registre-as. O relatório fica menos bonito, mas passa a servir para decisão.
Registre a mediana do tempo além da média. A média pode parecer boa enquanto alguns pedidos ficam presos por muito tempo. Em fluxos pequenos, ler cada exceção costuma ser melhor do que anunciar uma porcentagem com precisão falsa.
Também existe uma linha de base de qualidade. Antes da IA, registre a taxa de pedidos com retorno por falta de informação, de orçamentos devolvidos e de correções recorrentes. Se o agente reduz cinco minutos de digitação, mas aumenta a taxa de devolução, o tempo economizado pode ser só uma transferência de custo para o atendimento ou para o cliente.
A implementação de IA na empresa começa com um problema delimitado. Para medir ROI, avance um passo: descreva o resultado que já existia, como ele era produzido e quais falhas o negócio aceitava antes da mudança. Sem isso, o piloto compara uma promessa com outra promessa.
Some o custo que aparece e o que fica escondido
O custo mensal do modelo é só uma linha. O custo total de propriedade reúne tudo o que foi necessário para o resultado aceito existir no período.
No numerador, inclua o consumo de modelo ou API, infraestrutura, base de dados e recuperação de contexto, integrações, armazenamento, ferramentas de monitoramento, licenças, suporte e manutenção. Se o agente consulta agenda, CRM, catálogo ou sistema de ordens, o uso dessas conexões faz parte do fluxo. A AWS chama atenção para esse ponto ao tratar armazenamento, transferência de dados, monitoramento e custos agentes como componentes do custo total, não como detalhes separados.
Inclua também o trabalho humano. Há tempo para revisar, corrigir, investigar uma resposta ruim, atender retorno do cliente, manter regras atualizadas, testar mudanças de modelo e tratar exceções. Se uma pessoa agora confere mais rascunhos em vez de elaborá-los, seu trabalho mudou de forma. Esse tempo pode ter caído bastante ou pode ter virado uma nova fila. Só o registro mostra qual dos dois ocorreu.
Documente separadamente o custo de operação do mês e o custo acumulado do piloto. A primeira visão mostra se o fluxo se sustenta; a segunda mostra quanto falta recuperar da mudança.
A fórmula básica fica assim:
custo total do período =
tecnologia
+ dados e infraestrutura
+ monitoramento
+ integrações
+ revisão humana
+ retrabalho
+ manutenção
+ parcela documentada da implantação
O cálculo não pede uma precisão impossível. Ele pede consistência suficiente para que uma queda de custo seja real, e não apenas uma despesa que foi deixada fora.
Custo por resultado aceito vem antes do ROI
Com custo total e unidade aceita, surge uma medida direta:
custo por resultado aceito =
custo total do período
/ resultados aceitos
O denominador inclui somente os rascunhos aceitos. As outras tentativas continuam no custo e precisam aparecer como ajuste, reprocessamento, pendência bem encaminhada ou falha. Dividir pelo total de tentativas faz o sistema parecer mais barato do que é.
O próximo passo é comparar com a linha de base:
variação de custo por resultado =
custo por resultado com IA
- custo comparável sem IA
A fórmula mostra direção, não um veredito completo. Um custo unitário maior pode ser aceitável se o agente passou a resolver pedidos que antes eram inviáveis no prazo, reduziu um risco relevante ou liberou capacidade usada em trabalho de maior valor. Por outro lado, uma queda de custo unitário não basta se houve piora de qualidade, devoluções ou risco de erro comercial.
O ROI entra quando a empresa consegue atribuir um valor razoável ao efeito líquido:
ROI =
(valor realizado atribuível
- custo total do fluxo)
/ custo total do fluxo
"Valor realizado" é uma expressão importante. Hora poupada não vira automaticamente dinheiro. Se a equipe termina o mesmo trabalho mais cedo e fica ociosa, existe ganho de capacidade, mas não redução financeira imediata. Se a empresa deixa de pagar hora extra, reduz terceirização, atende uma fila que antes perdia prazo ou usa a capacidade liberada para trabalho faturável, há evidência mais forte de valor econômico.
Receita também tem preço, demanda, prazo, vendedor e execução. Resposta mais rápida pode contribuir para conversão, mas não prova causalidade sozinha.
Qualidade e revisão humana fazem parte da conta
Uma IA pode preencher todos os campos e ainda produzir uma ordem ruim. Pode usar um endereço antigo, classificar um serviço errado ou deixar de sinalizar uma foto insuficiente. Por isso, a equipe precisa medir qualidade onde o erro aparece.
No exemplo, a revisão registra campos corrigidos, gravidade, retorno posterior e causa provável. Depois de algumas semanas, aparecem padrões: a IA pode funcionar em pedidos padronizados e falhar quando a foto é o principal insumo; às vezes falta uma pergunta no formulário, não outro modelo.
O tempo de verificação humana merece um indicador próprio. O Google Cloud chama atenção para a latência de verificação: se aprovar o resultado demora mais do que executar a tarefa manualmente, a fricção pode superar o ganho. Compare o tempo do revisor com o tempo que a mesma pessoa levava para preparar o rascunho antes. Evite comparar a revisão de um pedido simples com a produção manual de um pedido complexo.
O NIST AI RMF: Generative AI Profile ajuda a colocar confiabilidade e risco na conversa. O documento é um perfil voluntário e complementar ao AI RMF, voltado a incorporar considerações de confiabilidade no desenho, uso e avaliação de sistemas de IA generativa. Ele não é selo de conformidade nem substitui a responsabilidade da empresa sobre o processo.
Na prática, isso pede controles proporcionais ao dano possível. Um orçamento pode exigir aprovação humana antes do envio. Um sistema que altera preços, agenda uma equipe ou envia dados sensíveis precisa de regras de acesso, histórico de decisões e um caminho claro para interromper a automação. O custo desses controles entra no ROI porque faz parte de operar com segurança.
A discussão mais profunda de engenharia de IA trata de como sistemas confiáveis dependem de dados, testes e operação. Aqui, a consequência é simples: se você não registra as falhas e as revisões, não consegue separar um ganho verdadeiro de um risco que ainda não apareceu.
Um scorecard que cabe em uma reunião de operação
Um scorecard semanal ou mensal pode acompanhar oito medidas:
- Pedidos elegíveis: conte somente as solicitações que atendem ao escopo do piloto. Isso mantém o denominador claro.
- Resultados aceitos: registre os rascunhos aprovados com o critério definido. A medida representa entrega útil, não tentativa.
- Taxa de aceitação: divida os resultados aceitos pelos pedidos elegíveis para acompanhar a qualidade percebida no fluxo.
- Tempo até o resultado: meça da entrada do pedido até a aprovação do rascunho, incluindo espera.
- Tempo de revisão: some o tempo de análise humana e divida pelos resultados revisados. Esse número mostra custo humano e atrito.
- Reprocessamento e retorno: acompanhe casos refeitos ou devolvidos em relação aos pedidos elegíveis. A causa pode estar no modelo, no dado ou na regra.
- Custo por resultado aceito: divida o custo total pelos resultados aceitos para comparar a eficiência operacional.
- Efeito realizado: registre economia comprovada, capacidade usada ou benefício de prazo. Essa é a base para a decisão financeira.
Acrescente duas notas de contexto ao scorecard: alterações no processo e perfil dos pedidos. Uma mudança na tabela de preços, um novo formulário ou uma campanha que trouxe pedidos incomuns pode explicar um desvio melhor do que um gráfico de custo.
Indicadores antecedentes ajudam a agir antes de o resultado financeiro aparecer. Aumento de campos ausentes, crescimento do tempo de revisão, reversões, repetição de uma mesma correção e queda de aceitação sinalizam problema cedo. Indicadores finais mostram o efeito consolidado: custo por resultado aceito, prazo cumprido, redução comprovada de retrabalho ou capacidade convertida em trabalho que importa.
O objetivo não é chegar a uma única nota. Um agente pode estar rápido e barato, mas exigir tanta correção que não deve avançar. Outro pode ter custo por chamada alto, porém gerar resultados aceitos com pouco tempo humano. A decisão vem do conjunto e da prioridade do fluxo.
Regras para escalar, pausar ou redesenhar
Defina as regras antes de olhar o resultado. Isso reduz a tentação de mudar a régua depois que o piloto começa.
Escalar significa ampliar volume, equipes ou autonomia. Faça isso quando houver uma amostra representativa, qualidade dentro do limite acordado, custo por resultado aceito estável ou melhor que a linha de base e uma pessoa claramente responsável pelo fluxo. Teste primeiro uma variação controlada, como uma região, um tipo de serviço ou um segundo atendente. Escalar tudo de uma vez mistura aprendizado com risco.
Pause quando surgirem erros críticos, dados acessados fora da regra, falta de rastreabilidade, aumento persistente de retornos ou custo que não pode ser explicado. Pausar não invalida o piloto. Protege a operação enquanto a equipe investiga.
Redesenhe quando o agente faz parte do trabalho, mas a interface ou a regra o coloca em uma situação ruim. Se muitas solicitações chegam sem foto, endereço ou escopo, pedir que a IA adivinhe é escolher o problema errado. O formulário pode bloquear o avanço sem campo mínimo; o agente pode abrir uma pendência em vez de gerar um orçamento; a revisão pode se concentrar nos casos de maior risco.
Em fluxos com várias etapas, loop engineering para agentes de IA ajuda a pensar nos ciclos de avaliação e melhoria. Para ROI, cada ciclo testa uma hipótese concreta, como uma validação que reduz retorno, um formulário que reduz correções ou um modelo que baixa o custo total depois da revisão. Sem hipótese e comparação, as mudanças viram tentativa e erro difícil de auditar.
O que registrar para não depender de memória
O sistema não precisa guardar o conteúdo inteiro de todo pedido em uma planilha paralela. Precisa guardar eventos suficientes, com acesso adequado, para reconstruir a operação. Para cada solicitação elegível, registre um identificador, data e hora de entrada, categoria, completude dos dados, versão das regras, início e fim do processamento, custo atribuível, resultado proposto, decisão do revisor, tipo de correção, reprocessamento, retorno do cliente e desfecho final.
Para uma ação mais sensível, guarde também quem aprovou, qual fonte foi consultada e qual regra permitiu a ação. Dados pessoais devem seguir o mínimo necessário, com retenção e permissões coerentes com o processo. A medição não justifica criar uma base de vigilância sobre clientes ou funcionários.
Tags por caso de uso e por equipe ajudam a ligar custo ao resultado certo. A metodologia da AWS recomenda atribuição granular porque um gasto agregado de IA não permite saber qual aplicação ou área gerou valor ou custo. No exemplo, separar "triagem de pedido" de "geração de orçamento" impede que a melhora de uma etapa esconda a piora da outra.
Armadilhas que produzem um ROI bonito e frágil
O primeiro erro é usar tokens como métrica principal. Tokens ajudam a explicar custo e detectar comportamento estranho. Não dizem se a ordem ficou correta, se o cliente recebeu resposta útil ou se o revisor resolveu o trabalho.
O segundo é monetizar toda hora teórica. Uma hora poupada tem valor operacional, mas só vira economia financeira quando altera gasto ou gera capacidade usada. Registre os dois, sem chamar um pelo nome do outro.
O terceiro é comemorar volume. Um agente que processa mais pedidos pode estar apenas produzindo mais rascunhos para corrigir. A taxa de aceitação, os retornos e o tempo humano colocam o volume no lugar certo.
O quarto é atribuir receita sem comparação. Se o tempo de resposta caiu e a conversão subiu, isso merece investigação. Compare períodos semelhantes, grupos parecidos ou uma implantação gradual. Anote mudanças de preço, campanha e demanda. Em muitos casos, será mais honesto dizer "há indício de contribuição" do que afirmar causalidade.
O quinto é esconder as exceções. As falhas menos frequentes podem ser as mais caras: preço errado, dado indevido, ordem duplicada, cliente atendido no endereço incorreto. Relate quantidade, gravidade e tratamento. Um custo médio baixo não compensa um dano que a média apaga.
Um piloto de 30 dias para aprender antes de ampliar
Um piloto de trinta dias pode ser suficiente para uma operação recorrente, desde que a empresa tenha volume e compare casos parecidos. O plano pode ser simples.
Nos primeiros cinco dias, escolha uma etapa, descreva o resultado aceito, defina quem aprova e registre a linha de base. Não comece por preço, pagamento ou agenda autônomos.
Na semana seguinte, rode a IA em modo assistido. Ela prepara o rascunho; alguém responde pelo envio ou correção. Registre também os resultados abandonados. Essa etapa revela campos faltantes, regras implícitas e dados pouco confiáveis.
Nas duas semanas posteriores, ajuste uma coisa por vez e mantenha a versão das regras. Pode ser o formulário, a instrução de extração ou a forma de pedir foto. Compare sem misturar mudanças.
Nos últimos dias, feche o scorecard e leia casos aceitos, corrigidos e devolvidos. Calcule o custo por resultado aceito, compare com a linha de base e descreva o valor realizado. Decida entre manter o modo assistido, estender, ampliar um grupo ou interromper.
Quando um sistema sob medida ajuda
Uma ferramenta pronta pode ser suficiente quando o processo é simples e o registro necessário já existe. O cenário muda quando a empresa precisa combinar pedidos de canais diferentes, regras comerciais próprias, dados de um sistema antigo, aprovações por perfil e um histórico que explique cada decisão.
Nesse ponto, um sistema sob medida para pequenas empresas pode organizar a operação antes de tentar automatizá-la por completo. A vantagem não está em colocar IA em toda tela. Está em criar um fluxo que capture a informação certa, marque pendências, distribua revisão, registre custo e preserve a decisão humana onde ela é necessária.
Um bom desenho permite trocar modelo, revisar regra e ampliar somente o que se mostrou útil. Também evita que a empresa dependa de relatórios genéricos que mostram uso, mas não o próprio resultado. O ROI fica mais claro quando a medição nasce junto com a operação.
Fontes e referências
- GitHub. Copilot impact dashboard adds a return on investment section, 7 de agosto de 2026.
- AWS Cloud Financial Management. Calculating the Return on Investment (ROI) of AI, 10 de agosto de 2026.
- OpenAI. What building an AI-native finance function taught me, 10 de agosto de 2026.
- Google Cloud. The KPIs that actually matter for production AI agents, 26 de fevereiro de 2026.
- National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, publicado em 26 de julho de 2024.
Se sua empresa já tem um processo que parece promissor, mas ainda não consegue distinguir uso de valor, a Foyth Tech pode ajudar a desenhar um sistema personalizado de operação e medição. Converse com a gente sobre o fluxo, as evidências disponíveis e os controles que fazem sentido para o seu caso.
