O custo de verificação decide se a automação dá lucro

Uma tarefa que o modelo entrega em quarenta segundos e que consome vinte e cinco minutos do seu especialista sênior para ser conferida não é uma tarefa automatizada. É uma tarefa que mudou de mão: saiu de quem executava e caiu em quem revisa.

Essa é a conta que quase nenhum piloto de automação faz. Mede-se o tempo de produção, que caiu, e não se mede o tempo de conferência, que apareceu. No fim do trimestre o relatório mostra economia e a operação sente o contrário — porque a economia foi medida num lugar e o custo apareceu em outro, na agenda da pessoa mais cara da casa.

A curva que a McKinsey propôs

A QuantumBlack, divisão de inteligência artificial da McKinsey, publicou um instrumento analítico que chama de curva de valor da IA — the AI value curve. Segundo a publicação, a ferramenta compara o custo de executar uma tarefa como ela é feita hoje com o custo total de executá-la com inteligência artificial — e não apenas com o preço do modelo.

A partir dessa comparação, a consultoria estima uma oportunidade da ordem de 2,5 trilhões de dólares por ano, globalmente, na aplicação de automação e apoio por IA em determinados setores, regiões e ocupações. É estimativa de potencial, não resultado observado. Vale fixar isso antes de seguir.

Dois achados da publicação interessam mais do que o número. O primeiro: segundo a McKinsey, a economia mais forte não está em automatizar grandes volumes de trabalho de baixa remuneração, mas em apoiar trabalho qualificado e de salário mais alto. O segundo: o mesmo caso de uso pode compensar em um mercado e não compensar em outro.

A consultoria afirma ainda que muitas organizações continuam medindo adoção de IA em vez de valor, e que a maior parte do ganho terá de vir de um redesenho profundo do trabalho, não do lançamento de produtos novos.

Até aqui, nada que contrarie o discurso corrente. O que a curva faz de diferente é mudar a unidade de análise. Enquanto a comparação é "preço do token contra salário da pessoa", a IA ganha sempre, por três ordens de grandeza. Quando a comparação passa a ser custo total contra custo total, a conclusão deixa de ser "IA é mais barata" e passa a ser "IA é mais barata nesta faixa específica de tarefas".

A conta que falta na planilha

Custo total, na prática, é um conjunto de linhas que normalmente não entram na justificativa do projeto:

• Integração: conectar o modelo aos sistemas onde o trabalho realmente acontece, que raramente são os sistemas da demonstração.

• Verificação: o tempo de quem confere a saída antes de ela virar entrega, decisão ou e-mail para o cliente.

• Retrabalho: o que volta porque saiu errado, e o tempo de descobrir qual parte está errada.

• Supervisão: alguém acompanhando se o comportamento do fluxo continua o mesmo depois de uma atualização de modelo ou de prompt.

• Governança: registro, rastreabilidade e definição de quem responde quando a saída vai para fora.

• Custo de errar: o que acontece quando o erro passa. Numa planilha interna é um ajuste; numa peça jurídica, num laudo ou numa proposta comercial, é outra categoria de problema.

Das seis, verificação é a que mais engana. As outras cinco são custos de implantação — você paga uma vez, ou paga de forma decrescente. Verificação é custo recorrente por unidade produzida. Ela escala junto com o volume, na mesma direção, e normalmente ninguém a orçou.

Por que a curva se desloca para a esquerda na empresa de serviço

Aqui entra uma leitura própria, que não está na publicação da McKinsey.

A consultoria aponta que a melhor economia está em apoiar trabalho qualificado e de salário alto. Numa empresa grande, isso funciona porque as duas pontas estão separadas: o profissional qualificado produz e existe uma estrutura de controle, auditoria e qualidade — já montada, já paga — que verifica. O custo de verificação se dilui num processo que existia antes da IA.

Numa empresa de serviço de 50 a 300 pessoas, essa estrutura não existe. Quem verifica é o próprio especialista sênior: o sócio, o coordenador técnico, a pessoa que assina. A mesma pessoa de quem se esperava ganho de capacidade é a pessoa que absorve o custo de conferir. O ganho e o custo caem na mesma agenda.

A leitura mais plausível, então, é que a curva de valor em empresa de serviço de médio porte fica deslocada para a esquerda: o conjunto de tarefas em que a automação é economicamente viável é bem menor do que o discurso sugere, não porque a tecnologia seja pior, mas porque o denominador da conta é a hora mais escassa da operação.

Isso sugere uma consequência desconfortável. Boa parte dos projetos de automação em andamento provavelmente está do lado errado da curva — tarefas em que a IA produz rápido e alguém gasta mais tempo conferindo do que gastaria executando.

A conta em hora de gente

Números redondos, só para ver a mecânica funcionar.

Uma tarefa é feita hoje por um analista em uma hora. Com encargos e estrutura, suponha 60 reais de hora cheia. Com IA, o modelo produz em dois minutos e o custo do modelo é irrisório — centavos. Parece decidido.

Mas quem confere é o sênior, cuja hora cheia custa 150 reais. Se a conferência levar 25 minutos, são 62,50 reais por unidade produzida. A tarefa ficou mais cara do que era, sem contar integração, retrabalho e supervisão. Se a conferência cair para 8 minutos, são 20 reais — e aí a conta fecha com folga.

A variável que decide não é o preço do modelo. É o número de minutos de sênior por unidade de saída.

E isso dá um critério de priorização mais útil do que qualquer lista de casos de uso: separe as tarefas em que a verificação pode ser feita por amostragem das tarefas em que cada saída precisa ser conferida integralmente. No primeiro grupo, o custo de verificação cai conforme a confiança no fluxo aumenta — você passa de conferir tudo para conferir uma em dez. No segundo grupo, o custo de verificação é constante para sempre, porque o risco de cada peça é individual. Automatizar o segundo grupo primeiro é a forma mais comum de gastar dinheiro provando que a IA não funciona.

Três limites do instrumento

A curva é útil, mas tem interesse e tem prazo.

É um modelo de consultoria com interesse comercial embutido: a McKinsey vende a implementação que o próprio modelo recomenda. A metodologia de cálculo dos 2,5 trilhões de dólares não está auditável publicamente, o que significa que o número serve como ordem de grandeza e argumento, não como base de projeção para um plano de investimento.

A data de publicação e a autoria do material não foram confirmadas. O site não respondeu às tentativas de leitura direta, então o conteúdo aqui descrito é atribuído à publicação, sem afirmação sobre quando saiu nem sobre quem assina.

E a curva é estática, enquanto a fronteira de custo da IA se move rápido. Uma tarefa fora da curva hoje pode entrar nela em dois trimestres, por queda de preço ou por ganho de confiabilidade. Isso torna o instrumento bom para priorizar o que fazer agora e perigoso como justificativa para descartar algo em definitivo. Fora da curva hoje não é o mesmo que fora da curva.

O que fazer com isso na segunda-feira

Antes de escolher a próxima tarefa a automatizar, meça duas coisas que você provavelmente não mede: quantos minutos de especialista sênior cada saída automatizada consome na conferência, e se esse número tem como cair com a repetição.

A primeira resposta diz se o projeto dá lucro hoje. A segunda diz se ele vai dar lucro no volume. Nenhuma das duas tem relação com o preço do token.

O resto é medir adoção e chamar isso de resultado.