O que a IA ainda não consegue fazer pela sua empresa em 2026

Há um tipo específico de conversa que tive uma dúzia de vezes no último ano. Um empresário senta-se, faz deslizar o telemóvel sobre a mesa e mostra-me algo que um chatbot escreveu e que o impressionou de facto. Depois, quase no mesmo fôlego, pergunta-me se a IA pode tratar do seu apoio ao cliente, das suas contratações, dos seus preços: basicamente todo o seu negócio. A resposta honesta é a desconfortável: não da forma que imagina, e parte disso de todo. Este texto é sobre essa lacuna, porque ninguém que venda IA quer falar dela.

Dirijo uma consultoria de IA. Passo os dias a construir estas soluções para pequenas e médias empresas, e acredito nelas: vi a IA devolver horas reais a pessoas que não tinham nem um minuto a mais. Mas as vozes mais ruidosas, em 2026, ainda vendem uma fantasia em que aponta a IA a um problema e se vai embora. Essa fantasia custa às empresas, em silêncio, dinheiro, confiança e às vezes clientes. Por isso, em vez de mais uma lista entusiástica do que a IA consegue fazer, aqui está o mapa mais útil: onde ainda falha, porquê e como trabalhar com ela mesmo assim.

Nada disto é contra a IA. É o contrário. As empresas que mais partido tiram da IA neste momento são as que compreendem com precisão os seus limites: entregam-lhe exatamente o trabalho em que é boa e mantêm uma pessoa firmemente ao leme do resto. Conhecer os limites não é pessimismo. É toda a perícia.

Aquilo que não consegue fazer: saber quando está errada

Se retiver apenas uma limitação, que seja esta. A IA de hoje não sabe, de forma fiável, quando está errada. Dar-lhe-á uma resposta incorreta com total confiança, exatamente no mesmo tom que usa para uma correta. Não há um pequeno lampejo de dúvida, nenhum «desta parte não tenho a certeza». O número de telefone inventado, a política imaginada, a taxa de IVA errada: tudo entregue com a mesma autoridade serena da verdade.

No setor chamam-lhes alucinações, o que as faz soar raras e exóticas. Não são nem uma coisa nem outra. São um comportamento normal e esperado do modo como estes sistemas funcionam: preveem texto com som plausível, não consultam factos num registo. Na maioria das vezes, a resposta mais plausível é também a correta, e é por isso que parece fiável. Mas «na maioria das vezes» é um critério aterrador quando a resposta vai parar a um orçamento para o cliente ou a um documento jurídico.

Este único traço molda tudo o resto neste artigo. É por isso que a IA é maravilhosa para redigir e perigosa para decidir. É por isso que «supervisão humana» não é uma palavra da moda, mas um requisito rigoroso para tudo o que importa. E é por isso que a pergunta nunca é «a IA consegue fazer esta tarefa», mas sim «quanto me custa quando a IA erra esta tarefa, e como é que eu sequer daria por isso?»

Discernimento a sério, quando o que está em jogo é real

A IA é genuinamente boa em tarefas com uma resposta certa clara ou um baixo custo de errar. Resume este e-mail. Redige uma resposta simpática. Ordena estas mensagens em três montes. No momento em que uma tarefa exige ponderar coisas que não se medem com clareza — justiça, risco, reputação, o jogo a longo prazo com um determinado cliente — começa a vacilar.

Pense em definir o preço de um trabalho pontual e delicado. Quem o orçamenta não está apenas a alinhar números; está a perceber que este cliente vem por recomendação do seu melhor cliente, que parecia tenso ao telefone, que dizer sim a um prazo incómodo agora pode desbloquear três trabalhos fáceis mais tarde. A IA não vê nada desse contexto a menos que lhe soletre cada peça, e mesmo então está a comparar padrões, não a julgar. Não tem nada a perder. Nunca ficará acordada de noite preocupada por ter orçamentado baixo demais.

Não conhece a sua empresa

Um modelo de IA genérico leu uma quantidade espantosa da internet pública. O que nunca leu foram as especificidades da sua empresa: os seus preços, o seu stock, os seus clientes habituais, a regra tácita de que a Sra. Hofer fica sempre com a mesa de canto, o fornecedor que deixou de usar na primavera passada. De origem, conhece o mundo em geral e a sua empresa de todo.

Pode corrigir grande parte disto. Alimentar o modelo com os seus próprios documentos, preços e políticas — a técnica chama-se recuperação ou ancoragem — melhora drasticamente a sua utilidade e exatidão para a sua situação concreta. Isto é, honestamente, a maior parte do trabalho real num bom projeto de IA: não o modelo engenhoso, mas a canalização ingrata que o liga aos seus dados verdadeiros. Mas duas coisas continuam verdadeiras mesmo então. A sua informação tem de estar arrumada e atualizada para que funcione: aponte a IA a uma lista de preços confusa e desatualizada e ela citará com toda a confiança os preços do ano passado. E continuará a não saber as coisas que vivem apenas na sua cabeça e nunca foram postas por escrito.

Fazer exatamente a mesma coisa duas vezes

Eis uma que apanha as pessoas desprevenidas. Faça à IA a mesma pergunta duas vezes e pode obter duas respostas diferentes. Normalmente, ambas estão bem; por vezes, uma é nitidamente melhor do que a outra; ocasionalmente, uma está simplesmente errada. Para a redação criativa, essa variedade é uma vantagem. Para um processo que tem de se comportar de forma idêntica todas as vezes — calcular um desconto, aplicar uma regra, produzir um número que um regulador possa verificar — é um risco real.

É por isso que fico nervoso quando alguém quer pôr um modelo de linguagem ao comando da aritmética ou de regras rígidas. Se a tarefa é «aplicar 12% às encomendas acima de 500 euros», o senhor não quer algo que geralmente faz as contas certas. Quer uma automatização simples e aborrecida que as faz certas 100% das vezes porque literalmente não consegue fazer outra coisa. Reserve a IA para a parte que realmente precisa de linguagem ou discernimento, e deixe a fiável lógica de sempre tratar da parte que tem de ser exata.

As coisas humanas, e porque ainda importam comercialmente

É fácil despachar «o toque humano» como se fosse algo brando e sentimental. Não é. Para uma pequena empresa, é muitas vezes toda a vantagem competitiva: a razão pela qual um cliente o escolhe a si em vez de uma cadeia sem rosto. E é precisamente a parte que a IA consegue imitar mas não ter de facto.

A IA consegue escrever palavras que soam empáticas. O que não consegue é importar-se genuinamente que a encomenda de um cliente habitual tenha chegado partida na manhã do aniversário da filha, e depois fazer em silêncio aquilo que transforma um mau dia numa história que ele contará aos amigos. Não tem relações, não tem reputação em jogo, não tem memória da vez em que esse mesmo cliente o desenrascou quando uma entrega chegou atrasada. A empatia enquanto texto é barata agora. A empatia enquanto ação, vinda de alguém que tem algo a perder, é exatamente aquilo pelo qual as pessoas continuarão a pagar mais.

Há também a responsabilização, que é mais prática do que filosófica. Quando algo corre mal, um cliente quer que uma pessoa assuma. «A IA cometeu um erro» não satisfaz ninguém, e cada vez mais não satisfaz nenhum regulador também. Se a IA toca numa decisão que afeta alguém, o senhor continua responsável pelo resultado. Essa responsabilidade não pode ser subcontratada a um modelo, e fingir o contrário é o caminho pelo qual as reputações se danificam.

Os custos silenciosos que ninguém menciona na demonstração

A demonstração polida nunca lhe mostra as partes aborrecidas que fazem ou desfazem um projeto de IA na vida real. Vale a pena nomeá-las, porque são a diferença entre uma ferramenta que ajuda durante anos e outra que é abandonada em silêncio ao fim de três meses.

• Supervisão. Tudo o que está virado para o cliente precisa de uma pessoa a verificar os primeiros resultados. Isso é tempo real, sobretudo no início, e nunca desce de todo a zero.
• Manutenção. Os seus preços mudam, as suas políticas mudam, o próprio modelo muda. Um assistente de IA alimentado com a informação do ano passado dará, com toda a confiança, as respostas do ano passado.
• Os incómodos 20%. A IA trata lindamente da maioria fácil dos casos e depois passa-lhe os estranhos, zangados, de alto risco, que sempre foram, de qualquer forma, a parte difícil.
• A confiança, uma vez perdida. Uma única resposta errada e confiante a um cliente pode desfazer meses de boa vontade. O prejuízo reputacional é assimétrico: muitas pequenas vitórias, uma grande perda.

Nada disto é razão para não usar a IA. São razões para a usar de olhos abertos, em tarefas onde a supervisão é barata e o custo de um erro é suportável. O que, convenientemente, é de qualquer forma a maior parte do trabalho verdadeiramente útil.

Então, como é que a usa realmente bem?

Tudo isto aponta para uma forma de trabalhar muito mais serena — e muito mais rentável — do que o alarido sugere. Deixa de pedir à IA para ser um colaborador e começa a usá-la como um assistente rápido e incansável que redige, ordena e sugere, enquanto uma pessoa permanece ao leme de tudo o que tem peso. Eis a forma que isto assume.

1. 1
   Ordene cada tarefa por custo do erro

   Para cada coisa que esteja tentado a entregar à IA, pergunte: se ela errar, isso é um encolher de ombros, uma correção ou um desastre? Encolheres de ombros e correções fáceis são jogo livre. Os desastres mantêm uma pessoa ao leme.
2. 2
   Deixe a IA redigir, nunca decidir

   O padrão fiável é: a IA prepara, uma pessoa aprova. Uma resposta esboçada que percorre em cinco segundos. Uma lista restrita de onde uma pessoa escolhe. Um resumo cuja coerência verifica. O discernimento fica consigo.
3. 3
   Ancore-a nos seus dados verdadeiros e arrumados

   Antes de entrar em produção, certifique-se de que a informação a partir da qual a IA responde está por escrito, num só lugar e atualizada. Lixo à entrada, lixo confiante à saída.
4. 4
   Use automatização simples para tudo o que seja exato

   Contas, regras, tudo o que tenha de ser idêntico todas as vezes: entregue-o a uma lógica fiável, não a um modelo de linguagem. Reserve a IA para as partes confusas, de natureza linguística.
5. 5
   Mantenha um responsável humano e uma forma de detetar falhas

   Nomeie uma pessoa que vigie os resultados e construa uma forma simples de apanhar um erro da IA, antes de o seu cliente o fazer.

Feito assim, as limitações deixam de meter medo. Tornam-se um guia de conceção. Verá a IA a retirar em silêncio horas de trabalho maçador — a redação, a triagem, as primeiras respostas — enquanto as partes que verdadeiramente definem o seu negócio ficam exatamente onde pertencem: com pessoas a quem o resultado importa e que respondem por ele.

Perguntas frequentes