A tese numa frase: há dois tipos de KPIs de IA e só um paga a fatura. Há os que brilham na demo —utilizadores que se registaram, prompts lançados, a ovação do comité— e os que mexem no trabalho real: casos que se resolvem sem que ninguém lhes toque, horas que deixam de ser gastas, erros que descem. O primeiro grupo é teatro; o segundo é operação. E a regra para os distinguir é brutalmente simples: se não o medes todas as semanas a partir de uma linha de base, é teatro.
Os KPIs de IA na empresa que importam (e os que são puro teatro)
Quando uma empresa se gaba do seu projeto de IA, mostra quase sempre a métrica cómoda: quanta gente o usou, quantas consultas foram lançadas, quão contente saiu a equipa da formação. São números que sobem sozinhos com o tempo e que não dizem nada sobre se o trabalho é feito melhor. O número incómodo —o que decide se o projeto rende— é outro: que tarefa concreta saía antes de uma maneira e agora sai melhor, mais depressa ou com menos erros. A diferença entre um projeto que rende e uma demo cara vive entre esses dois grupos de métricas.
Não é a opinião de um consultor com vontade de contrariar. O relatório da MIT NANDA «The GenAI Divide: State of AI in Business 2025» analisou 300 implementações e concluiu que 95% dos pilotos de IA não tiveram qualquer impacto mensurável na conta de resultados, apesar de mais de 80% das empresas já terem testado ferramentas como o ChatGPT ou o Copilot (relatório completo, 2025). Traduzido: quase toda a gente mede adoção e quase ninguém mede resultado. Esse buraco é o teatro.
A regra do teatro: sem linha de base e sem cadência semanal, é fumo
Uma métrica sem linha de base não é uma métrica: é um enfeite. «Resolvemos 200 tickets por mês com IA» não significa nada se não sabes quantos resolvias antes, quanto demoravas e quantos voltavam mal feitos. O número que conta não é o absoluto, é o delta contra como se fazia sem a ferramenta. Por isso o primeiro dia de qualquer projeto de IA levado a sério serve para medir o antes —a linha de base—, não para lançar a demo.
E uma métrica que só olhas na reunião trimestral também não conta. A adoção decide-se em semanas: se uma equipa experimenta a ferramenta, não se convence e volta ao método manual, quando chega o comité daqui a três meses o projeto já está morto e ninguém deu por isso a tempo. Uma cadência semanal a partir de uma linha de base é o que separa um painel de uma postal.
As quatro métricas operacionais que, essas sim, contam
Se vais medir uma só coisa, mede o trabalho. Estas quatro são as que te dizem se a IA está a fazer alguma coisa ou apenas ligada:
- Casos resolvidos sem intervenção humana. De cada cem tarefas que entram —tickets, emails, faturas, pedidos—, quantas saem resolvidas e bem sem que uma pessoa lhes tenha de tocar. É a métrica rainha de qualquer automação: mede trabalho feito, não atividade. Se montas um agente contabilístico de IA, é o número que decide se te poupa um posto ou te dá mais um para rever.
- Horas poupadas contra a linha de base. Não «horas que a ferramenta diz que poupa», mas a subtração real: o que o processo demorava antes menos o que demora agora, pela sua frequência. É a métrica que se traduz diretamente em dinheiro e a que o comité entende sem tradutor.
- Taxa de erro. Uma IA que faz o triplo do trabalho com o dobro dos erros não te poupa nada: transfere o custo de fazer para o custo de rever e corrigir. Medir a percentagem de saídas que é preciso refazer é o que evita o autoengano do «vai rapidíssimo» enquanto alguém limpa por trás.
- Uso real por pessoa, não licenças ativas. Quanta gente a usa mesmo todas as semanas no seu trabalho, função a função. É a métrica que destapa o adoption gap —gente com acesso que não lhe toca— antes de se tornar um projeto morto. A licença pagas tu; o uso ganha-se, e só se vê se o medes por pessoa.
Estes não são os KPIs de GEO —não os confundas—
Há um sítio onde esta distinção se baralha de propósito: a visibilidade na IA. Que a tua marca apareça no ChatGPT ou no Google AI também se mede, mas isso é outra disciplina com o seu próprio painel —taxa de menção, citação, share of voice—, e desdobramo-la nos KPIs de GEO. Esse painel mede se te veem; o deste artigo mede se a tua operação funciona. São dois quadros diferentes, e apresentá-los como se fossem o mesmo é o truque preferido de quem quer mostrar o número bonito. Se o que precisas é levar a visibilidade à direção sem fumo, isso também tem o seu formato: o relatório de GEO para a direção.
Como montar o painel sem fumo
- Mede a linha de base antes de ligar seja o que for. O primeiro dia é para cronometrar e contar o processo atual, não para a demo. Sem esse antes, qualquer depois é uma anedota.
- Escolhe uma tarefa concreta e visível, não «a IA na empresa». Casos resolvidos DESSE processo, horas DESSE processo. Um quadro de uma tarefa que rende convence mais do que dez indicadores genéricos.
- Põe as quatro métricas operacionais em cadência semanal, com dono. Alguém olha para o delta todas as semanas e atua quando cai, tal como qualquer outro número do negócio.
- Separa o quadro de operação do de visibilidade. O GEO num sítio, a operação noutro. Misturá-los só serve para esconder o que vai mal atrás do que vai bem.
Nada disto é exótico: é tratar a IA como qualquer outra parte do negócio que se quer que renda —com linha de base, com delta e com alguém a olhar—. Se preferes que esse quadro seja montado e mantido por quem, além disso, arranja o processo que está por baixo, a automatização de operações é exatamente isso: não te entregamos um painel de vanity metrics, deixamos-te a medir trabalho feito.