A maioria das automações não morre por culpa da IA. Morre porque alguém automatizou o processo ideal —o do manual— em vez do processo real, o que as pessoas fazem mesmo, com as suas exceções, os seus atalhos e os seus casos raros. Um workflow que não contempla a realidade parte-se no primeiro dia e ninguém volta a confiar nele.
Mapeia o processo real, não o ideal
Antes de tocar numa única ferramenta, observamos como se faz o trabalho hoje: onde está o estrangulamento, que exceções aparecem, que decisões toma uma pessoa sem dar por isso. Esse mapa é 80% do êxito. Automatizar o que achas que acontece, em vez do que acontece, é a receita do piloto zombie.
Automatiza um troço, não tudo
Não tentamos automatizar o processo inteiro de uma só vez. Atacamos o troço de maior dor e menor risco, pomo-lo em produção e deixamos que prove o seu valor antes de ampliar. Um troço a funcionar vale mais do que um diagrama completo que nunca chega a deploy.
Tratamento de erros desde o dia 0
A pergunta que separa uma demo de um sistema em produção é: o que acontece quando falha? Se a resposta é «parte-se em silêncio», não está em produção.
- Retentativas com critério para falhas transitórias.
- Fallback para um humano quando o caso sai dos limites.
- Alertas quando algo parte — ninguém fica a saber pelo cliente.
- Logs que permitem reconstruir o que aconteceu e porquê.
Adoção acima de tecnologia
Uma automação que a equipa não usa não poupa nada. Por isso medimos adoção, não só capacidade técnica. Se as pessoas voltam ao método manual, o sistema falhou por muito impecável que seja o código.
O que medimos
- Horas poupadas reais, não estimadas numa folha.
- Adoção: % da equipa que o usa de verdade.
- Taxa de erro e tempo de recuperação.
- Processos automatizados que continuam vivos ao fim de 3 meses.
É isto que faz um Senior AI Operations Implementer: não «monta uma automação», entrega um processo que continua a funcionar —e que a equipa usa— no dia em que o pod já não está a olhar.