Solução · AI Operations
Formar a equipa para operar a IA não é um curso de ChatGPT. É montar-lhe uma função.
Com IA em produção há três caminhos: contratar a equipa, deixar que outro a opere, ou pôr a operar as pessoas que já tens. O terceiro é o mais rápido de arrancar e o pior executado, porque se confunde com um workshop de um dia. Desenhamos a função, formamos a tua gente nos teus sistemas reais e ficamos até a aguentarem sozinhos.
O problema
A IA já está em produção. Operá-la não é o trabalho de ninguém em concreto.
- A IA em produção é aguentada por duas pessoas que nunca aceitaram esse trabalho: fazem-no por cima do seu, sem turno, sem critério escrito e sem que apareça na avaliação delas.
- Quando uma saída é estranha, cada um decide sozinho se corrige, ignora ou escala. Sem critério comum, o mesmo caso resolve-se de três maneiras conforme quem está.
- As exceções — o que o sistema não sabe resolver — amontoam-se num canal de chat em vez de numa fila com dono e tempo de resposta, e são tratadas por ordem de quem insiste mais.
- Fizeste uma formação de IA há meses. A tua gente sabe escrever prompts e continua sem saber o que fazer quando o sistema desvia numa terça-feira de manhã.
- Ninguém olha para o consumo até chegar a fatura, e nessa altura a conversa é contabilística em vez de operacional.
- De cada vez que o fornecedor mexe no modelo há uma semana estranha: a qualidade muda, ninguém sabe se é o modelo, o prompt ou o dado, e decide-se por intuição.
O custo de continuar igual
Pagaste o sistema e não a operação. Enquanto a IA acerta, esse buraco é invisível; no dia em que desvia, quem o encontra é um cliente e paga-se inteiro. E há um segundo custo, mais lento e mais caro: como operá-la não é o trabalho de ninguém, melhorá-la também não é — por isso o sistema fica exatamente onde o deixaste no dia do lançamento enquanto o mercado continua a andar. As outras duas saídas também não são grátis: abrir uma vaga mete-te num processo de seleção para um cargo com o título inflacionado, e entregar a função inteira lá para fora deixa o critério operacional do teu negócio em casa alheia.
A solução
Desenhamos a função, formamos a tua gente para a operar e soltamo-nos por fases
- 1Começamos pelo mapa, não pela sala: que sistemas de IA tens vivos, que decisões tomam, o que acontece quando falham e quem está a tapar esse buraco hoje sem que conste em lado nenhum.
- 2Definimos a função e distribuímo-la: quem supervisiona saídas e com que amostragem, quem trata a fila de exceções, quem escala e para quem, quem mantém as listas de verificação de qualidade e quem revê o consumo. Com nomes, turnos e tempos de resposta — não com um organograma teórico.
- 3Formamos sobre o teu sistema, com os teus casos e as tuas falhas reais. Nada de exercícios de manual: a tua gente treina com as saídas que a tua IA produziu na semana passada, incluindo as que correram mal, e aprende a distinguir uma falha do modelo de uma falha do dado.
- 4Deixamos o critério por escrito: o que se corrige, o que se aceita, o que se escala e o que pára tudo. Esse documento é o que transforma o juízo de uma pessoa no padrão de uma equipa, e é também o que impede que uma substituição reinicie a aprendizagem.
- 5Metemos as duas peças que separam operar de olhar: versionar os prompts — para que uma alteração se teste antes de subir e se possa reverter — e ler os custos em operação, para que a equipa apanhe a despesa estranha antes das finanças.
- 6Acompanhamos em produção e soltamo-nos por fases: primeiro operamos nós com eles a ver, depois eles com nós a ver, e no fim sozinhos — com as métricas da função no quadro deles e uma revisão periódica connosco.
O que muda
O que deixas de perder
Operar a IA deixa de ser um favor e passa a ser um trabalho com dono, turno e critério escrito, dentro de gente que já conhece a tua operação, os teus clientes e as tuas exceções.
Mecanismo
O critério deixa de viver na cabeça de duas pessoas: fica escrito, treina-se com casos reais e sobrevive às férias, às baixas e às substituições.
Mecanismo
O sistema volta a melhorar: quando há alguém com o mandato de lhe mexer e uma forma segura de testar e reverter uma alteração, a IA deixa de congelar no ponto onde foi lançada.
Mecanismo
O que medimos: % de saídas revistas segundo a amostragem acordada, tempo de resposta da fila de exceções, % de bloqueios escalados pelo caminho certo, listas de verificação de qualidade executadas a tempo, e desvios de consumo detetados pela equipa antes das finanças.
O que medimos
Ficha técnica
- Trabalho que elimina
- que operar a IA seja um favor invisível de duas pessoas: sem turno, sem critério escrito, sem fila de exceções e sem ninguém a olhar para a qualidade nem para o custo
- Implementação habitual
- 6–10 semanas
- Entrada
- os teus sistemas de IA já em produção, a equipa que tens hoje e tudo o que se faz à mão quando algo desvia
- Saída
- uma função operacional distribuída pela tua gente — supervisão, exceções, escalamento, listas de qualidade, versionamento de prompts e leitura de custos —, com critério escrito, métricas próprias e capacidade de a aguentar sem nós
- Compatível com
- OpenAIAnthropicAzure OpenAIGoogle Vertex AILangSmithLangfuseJiraLinearServiceNowNotionMicrosoft 365Google Workspace
- Pode ligar-se a
- Tu cola de incidencias y tu proceso de guardia actualesTus registros de producción, de donde salen los casos reales de formaciónTu gestión de prompts y tu panel de consumoTu marco de gobierno de IA y tu inventario de sistemas
- O que medimos
- % de saídas revistas segundo a amostragem acordadatempo de resposta da fila de exceções% de bloqueios escalados pelo caminho certolistas de verificação de qualidade executadas a tempodesvios de consumo detetados pela equipa antes das finanças
- Adequado para
- empresas com IA já em produção e equipa própria que conhece a operação — CIO, COO ou responsável de IA — que preferem desenvolver a capacidade cá dentro em vez de abrir uma vaga ou entregar o critério operacional a terceiros
- Não adequado para
- quem ainda não tem nada em produção — aí não há função para operar, há um sistema para construir — e quem procura uma formação geral de IA para todo o pessoal: isso é adoção, e é outro serviço
Perguntas frequentes
São os três vértices do mesmo triângulo, e a escolha não é ideológica: é tempo, custo e controlo. Montar a equipa é contratar os papéis que faltam e dar-lhes mandato: é o caminho se a IA vai ser o núcleo do teu negócio e podes esperar por uma seleção. Externalizar é que a função seja operada por outro sobre o teu stack: é o caminho se precisas que funcione já e preferes pagar capacidade feita. Formar é o terceiro: as pessoas que já conhecem a tua operação, os teus clientes e as tuas exceções aprendem a operar o sistema, e o critério fica em casa. É o mais barato em dinheiro e o mais caro em atenção da direção, porque exige que alguém cá dentro mude de trabalho a sério, não que assista a um workshop. Muitas empresas acabam em misto: formamos a equipa e operamos com ela enquanto a capacidade amadurece.
Não, e a diferença nota-se logo no primeiro dia. Um curso ensina a usar a ferramenta: escrever melhores prompts, conhecer as funções, tirar partido do chat. Isto ensina a aguentar um sistema que já está a tomar decisões com clientes do outro lado: como se amostram as saídas, o que fazer com uma que cheira mal, quando se pára tudo, como se trata uma fila de exceções com tempo de resposta, como se testa uma alteração antes de subir, como se lê o consumo. E não acaba com um certificado: acaba com uma função distribuída, um critério escrito e métricas que a tua equipa vê todos os dias. Se o que precisas é a primeira coisa, isso é adoção e é outro serviço — também o fazemos, só não lhe chamamos o mesmo.
A maior parte da função não é engenharia: é critério operacional. Distinguir uma saída boa de uma má no teu negócio, saber que caso merece parar e qual se corrige e segue, perceber que exceção é pontual e qual é um padrão que há que resolver a montante. Isso faz melhor quem anda há anos a ver os teus processos do que quem acabou de chegar com um título da moda. As duas partes técnicas — versionar prompts e ler custos — ensinam-se concretas, sobre as tuas ferramentas, e não exigem escrever código. Onde é mesmo preciso um perfil técnico, dizemo-lo e deixamo-lo por escrito na distribuição, em vez de fingir que qualquer um o cobre.
Por isso é que o entregável não é a pessoa formada: é a função escrita. O critério, a distribuição, os tempos de resposta, as listas de verificação e as métricas ficam documentados e vivos, por isso uma substituição entra para ler e treinar, não para reconstruir. Além disso distribuímos sempre por mais de uma pessoa e definimos o substituto de cada peça — uma função que depende de um nome próprio não é uma função, é uma dependência. E se o buraco for grande, cobrimo-lo nós enquanto a substituição entra ao ritmo, sem parar a operação.
Montamos no teu negócio?
Localizaste o problema. Nós entregamos a solução e deixamo-la medida.