Em 1924, um físico chamado Walter Shewhart, funcionário da Bell Telephone, rabiscou num memorando interno o que viria a ser a carta de controle: um gráfico simples que separava a variação inevitável de um processo industrial da variação que exigia intervenção. A fábrica da Western Electric produzia milhões de componentes telefônicos, e nenhum saía exatamente igual ao outro. A genialidade de Shewhart não foi eliminar a variação. Foi aceitar que ela existe, medir os limites dentro dos quais ela é inofensiva e desenhar o processo para que, quando a peça saísse desses limites, alguém visse na hora. A peça varia. O gabarito, não.
Um século depois, as empresas brasileiras estão diante do mesmo dilema, agora com Inteligência Artificial (IA) generativa no lugar da peça de telefone. E boa parte delas está respondendo com as duas piores estratégias possíveis: proibir a variação ou fingir que ela não existe.
A pergunta errada que trava metade dos projetos
Num texto publicado no Medium em 13 de agosto de 2026, o engenheiro David Hobbs colocou o problema numa frase que merece ser roubada: a questão não é “como usar IA se ela nem sempre acerta”, e sim “onde eu posso tolerar o não determinismo, e como impedir que ele se propague pelo resto do fluxo”.
A distinção importa. Sistema tradicional é determinístico: a mesma entrada produz a mesma saída, sempre. Modelo de linguagem, não. A mesma pergunta pode voltar com respostas diferentes em dias diferentes. Essa flexibilidade é justamente o que faz o modelo lidar bem com o material bagunçado do mundo real: e-mail mal escrito, ata de reunião, formulário preenchido pela metade, contrato escaneado torto.
O erro das empresas está nas duas pontas. Numa ponta, o comitê que proíbe IA em qualquer processo relevante porque “ela alucina”, e condena a organização a assistir os concorrentes de longe. Na outra, o entusiasta que pluga um agente autônomo direto no processo de crédito, de contratação ou de atendimento regulado, e descobre a variação do modelo do pior jeito possível: no relatório do regulador.
O desenho que funciona: modelo na entrada, regra na saída
O encaixe que Hobbs descreve, e que a experiência prática confirma, tem três camadas.
Primeira: usar a IA para construir as partes que NÃO usam IA. Escrever código ficou tão barato que compensa criar pequenos programas de tarefa única: validar um campo, transformar uma planilha, conferir um cálculo, preencher um template. A IA fabrica a máquina, mas a máquina executa regra fixa. Às vezes o melhor uso de IA generativa é escrever software que não é generativo.
Segunda: colocar o modelo onde ele é forte, na interpretação. Converter o e-mail bagunçado em dado estruturado, extrair os 25 campos do contrato, classificar o chamado. E parar aí.
Terceira: desenhar a revisão humana, em vez de decretá-la. Pedir para alguém “revisar” 20 páginas geradas por IA é teatro de supervisão. Mostrar 25 campos extraídos, cada um com o trecho de origem ao lado, é revisão de verdade: o erro fica fácil de ver e barato de corrigir. Boa supervisão não é uma pessoa cansada lendo tudo. É um sistema que torna o desvio visível, exatamente como a carta de Shewhart fazia com a peça fora do limite.
O resultado é um fluxo em camadas: modelo na entrada, dado estruturado e conferível no meio, regra determinística na saída (cálculo, roteamento, relatório). O não determinismo fica confinado no único trecho onde ele agrega valor.
O que o regulador brasileiro já está cobrando
Aqui entra a parte que o texto original não desenvolve, e que para o gestor brasileiro é o coração do assunto: responsabilidade.
A Autoridade Nacional de Proteção de Dados (ANPD) divulgou em maio de 2026 os resultados da tomada de subsídios sobre inteligência artificial e revisão de decisões automatizadas, com 124 contribuições recebidas, passo declarado da agenda regulatória 2025/2026 para regulamentar o artigo 20 da Lei Geral de Proteção de Dados Pessoais (LGPD). O artigo 20 garante ao titular o direito de revisão de decisões tomadas unicamente por meios automatizados. Traduzindo para o dia a dia: se o seu fluxo com IA decide algo sobre uma pessoa, você precisa conseguir explicar a decisão, registrar o caminho e oferecer revisão. Um processo desenhado como caixa-preta ponta a ponta não tem como cumprir isso. Um processo em camadas, com dado estruturado e conferível no meio, cumpre quase de graça.
O setor financeiro, o mais regulado do país, já opera nessa lógica. A Pesquisa Febraban de Tecnologia Bancária 2026, conduzida pela Deloitte e divulgada em junho, mostra os bancos investindo R$ 50,4 bilhões em tecnologia no ano, com IA como prioridade para 84% das instituições. O dado mais interessante está noutra linha: a percepção de retorno sobre o investimento em IA saltou de 5% em 2024 para 19% em 2025. O retorno aparece justamente onde a IA foi confinada ao papel certo, backoffice, desenvolvimento, triagem, com trilha de auditoria em volta. Não onde ela foi solta para decidir sozinha.
E há um detalhe que nenhum organograma resolve: o não determinismo do modelo não dilui a responsabilidade de quem responde pelo processo. Quando o regulador bater à porta, “foi a IA” não é resposta. Alguém assina. A pergunta de desenho de sistema (onde o modelo pode variar) é, no fundo, uma pergunta de governança: quem confere, o que fica registrado e quem responde.
O detalhe que faz a diferença
Nada disso é bala de prata. Código determinístico tem bug. Humano aprova errado. O dado de origem chega errado. A resposta de Shewhart em 1924 vale em 2026: camada sobre camada de verificação, cada uma barata, nenhuma heroica.
O que muda com a IA é que a camada de interpretação, antes cara e lenta, ficou quase gratuita. As empresas que entenderem onde encaixá-la vão processar o material bagunçado do mundo real numa velocidade que as outras não alcançam. As que encaixarem no lugar errado vão produzir erro em escala industrial, com carimbo de inovação.
Então a pergunta para a sua próxima reunião de segunda-feira não é se a IA erra. Ela erra, do mesmo jeito que a peça de Shewhart variava. A pergunta é: no seu processo mais crítico, você sabe dizer hoje onde a variação é tolerável, quem enxerga o desvio quando ele acontece, e quem assina o resultado?
Até o próximo Café com Bytes, com ceticismo saudável e café bem passado.
Ricardo Brasil | Especialista em IA Responsável e Diretor de TI na GWS Engenharia — Colunista Café com Bytes | Tecnologia | Inteligência Artificial
Sobre o Autor
Ricardo Brasil é Diretor de TI e Gestão Corporativa da GWS Engenharia, especialista em IA Responsável, transformação digital e governança de TI. É colunista da série Café com Bytes, onde escreve semanalmente sobre tecnologia, inteligência artificial e seus impactos no ambiente corporativo brasileiro.
