IA no produto: além do chatbot

Desde que os modelos de linguagem viraram acessíveis, quase todo produto ganhou um chatbot. E quase todo chatbot virou um botão que ninguém clica.

O problema não é a IA. É onde ela foi colocada.

Chatbot num canto da tela empurra trabalho pro usuário. Ele precisa saber que aquilo existe, descobrir o que dá pra pedir, escrever bem o pedido e depois conferir a resposta. Isso é mais trabalho que o trabalho original.

IA que rende de verdade costuma estar invisível, no meio do fluxo que a pessoa já ia percorrer.

A resposta curta

IA rende no produto quando faz trabalho no meio do fluxo, e não quando vira chatbot num canto da tela. Os cinco lugares que se pagam: tirar digitação da frente da pessoa, transformar bagunça em estrutura, classificar e rotear, antecipar a próxima ação, e responder em cima da base da própria empresa citando a fonte.

Ela atrapalha quando é enfeite, quando exige prompt perfeito, quando decide algo irreversível sem verificação e quando existe uma regra fixa que resolveria melhor. O custo é variável e depende de três coisas: tamanho do modelo, tamanho do contexto e quantas chamadas o fluxo faz.

Os cinco lugares onde ela paga a conta

1. Tirar digitação da frente da pessoa

O documento chega, o modelo lê e os campos aparecem preenchidos. A pessoa confere e confirma.

Nota, boleto, contrato, ficha, laudo. É o caso mais chato de construir e o que mais devolve tempo, porque substitui uma tarefa que alguém faz todo dia e odeia.

O detalhe que separa isso de um brinquedo: o campo preenchido pelo modelo tem que ser editável e visivelmente marcado como sugestão. Preencher errado sem avisar é pior que não preencher.

2. Transformar bagunça em estrutura

Áudio virando resumo com decisões e pendências. Conversa virando registro no CRM. Planilha caótica virando dado consistente.

É o oposto do chatbot: a pessoa não pede nada. Ela faz o que já fazia, e a estrutura aparece do outro lado. Foi assim que a gente montou a entrada de briefing da CenoTeka, onde o áudio do cliente vira projeto organizado sem ninguém digitar.

3. Classificar e mandar pro lugar certo

Triagem. Qual fila, qual pessoa, qual prioridade, qual assunto.

Rende quando o volume passou do que o time consegue olhar um a um. Antes disso, uma regra fixa faz melhor e mais barato.

4. Antecipar a próxima ação

Sugerir o próximo passo com base no que a pessoa já fez, em vez de esperar ela procurar no menu.

É sutil e é onde a diferença entre produto bom e produto medíocre aparece. Também é onde erra feio: sugestão irrelevante insistente ensina o usuário a ignorar a interface inteira.

5. Responder em cima da sua base

Perguntar em linguagem natural e receber resposta com a fonte junto, tirada dos documentos da própria empresa.

Sim, isso é uma conversa, e não é chatbot decorativo. A diferença é que a resposta sai de uma base fechada e vem com o link do documento pra pessoa conferir. Sem a fonte, é só um palpite bem escrito.

Onde ela atrapalha

• Quando vira enfeite. "Temos IA" no material de venda, sem uma dor resolvida atrás.
• Quando exige prompt perfeito. Se o usuário precisa aprender a falar com a máquina, a máquina falhou.
• Quando decide algo crítico sem verificação. Cobrança, cancelamento, aprovação, qualquer coisa irreversível.
• Quando a regra é fixa. Se existe uma tabela que responde, use a tabela. Ela é mais barata, mais rápida e não varia.
• Quando substitui a busca. Muita interface trocou um filtro que funcionava por um campo de conversa que adivinha. O usuário perdeu controle e ganhou incerteza.

O erro entra no desenho, não na correção

Modelo erra. Isso não é bug raro pra tratar depois, é característica do material com que você está construindo.

Três coisas que a gente coloca em todo produto com IA:

Escopo fechado. O que o modelo pode e não pode tocar está escrito. Assunto proibido é bloqueado antes de chegar nele.

Caminho de escape. Quando a conversa sai do trilho, o humano assume. O modelo dizendo "não sei" é comportamento correto, não falha.

Confirmação antes do irreversível. Sugestão pode sair sozinha. Ação que mexe em dinheiro, agenda ou contrato passa por alguém.

Como medir se ela está acertando

"Ficou bom" não é medida. Sem número, ninguém sabe se o ajuste de ontem melhorou ou piorou o produto.

O jeito mais simples que funciona: monte um conjunto de casos reais do seu negócio, com a resposta certa anotada ao lado. Trinta ou cinquenta já servem pra começar. Rode esse conjunto toda vez que mudar alguma coisa, e acompanhe a taxa de acerto.

Isso muda três comportamentos de uma vez. Trocar de modelo vira decisão com número em vez de sensação. Mexer no prompt para de ser tentativa às cegas. E quando a taxa cai, você descobre no mesmo dia, não pelo cliente reclamando.

Vale medir duas coisas separadas, porque elas erram diferente: quantas vezes a resposta está certa, e quantas vezes o modelo diz que sabe quando não sabe. O segundo número é o perigoso. Modelo que responde errado com confiança faz mais estrago que modelo que responde "não sei".

O que muda quando a IA some da tela

Produto com IA bem colocada tem três sinais visíveis, e nenhum deles é um ícone de estrelinha.

O número de cliques cai. A pessoa faz menos, não mais. Se ela passou a ter uma tarefa nova (escrever bem o pedido), o produto piorou.

O tempo até o resultado cai. É a métrica que a diretoria entende e a que sustenta o orçamento do ano seguinte.

Ninguém fala da IA. Quando funciona, o usuário elogia o produto, não a tecnologia. Chatbot todo mundo nota; preenchimento automático que acerta ninguém comenta, e é justamente esse que ele usa todo dia.

A conta que surpreende no terceiro mês

Custo de IA é variável, cresce com o uso e é fácil de ignorar até a fatura chegar. Três coisas decidem esse número.

O tamanho do modelo. Modelo grande usado pra tarefa pequena é o que estoura conta. Classificar um pedido em três categorias não precisa do modelo mais caro do catálogo, e trocar isso costuma cortar a conta em uma ordem de grandeza sem piorar o resultado.

O tamanho do contexto. Mandar o documento inteiro em toda chamada é confortável de programar e caro de rodar. Buscar só o trecho relevante dá mais trabalho e sai muito mais barato.

Quantas vezes o fluxo chama. Um fluxo que chama o modelo cinco vezes por interação custa cinco vezes. Parece óbvio e é o que mais aparece em projeto malfeito.

Some a isso o custo do canal, que existe independente da IA. No WhatsApp, por exemplo, a Meta cobra por mensagem desde julho de 2025, com preço diferente por categoria, e mensagens fora de template dentro da janela de atendimento são gratuitas. Quem desenha o fluxo sabendo disso paga uma fração de quem descobre depois.

Por isso a gente registra token, custo e demora de cada chamada desde o primeiro dia. Custo de IA que ninguém acompanha não é economia, é surpresa adiada.

Como saber se vale antes de construir

Uma pergunta, e ela é dura:

Qual tarefa chata isso elimina, ou qual decisão isso torna mais fácil?

Se a resposta demorar, é enfeite. Se a resposta vier na hora, a próxima pergunta é quanto tempo essa tarefa consome por semana hoje. Multiplica por quatro e você tem a régua pra decidir se o projeto se paga.

Depois disso, teste com o seu material antes de construir produto. A gente faz assim: pega documento, conversa ou áudio de verdade do cliente, roda, mede acerto. Se não passar, o projeto muda de forma antes de custar caro.

Três perguntas pra fazer a quem te vender IA

Serve pra fornecedor, pra plataforma e pra gente também.

"De onde vem a resposta?" Se for da internet, o modelo vai inventar quando não souber. Se for da sua base, dá pra checar. Peça pra ver a fonte aparecendo junto com a resposta na tela, não no slide.

"Como vocês sabem que está acertando?" A resposta certa envolve um conjunto de casos com gabarito e uma taxa medida. Se a resposta for "a gente testou bastante", ninguém mediu nada.

"O que acontece quando ela erra?" Precisa existir resposta pronta: quem percebe, quem conserta, e o que impede o erro de virar prejuízo. Fornecedor que garante que não erra está vendendo o que não existe.

O resumo

Não é sobre adicionar IA. É sobre desenhar o produto em torno do que ela permite, e sobre ter coragem de dizer que num caso específico ela não permite nada que valha o custo.

É assim que a gente pensa os produtos da Mutagex. Quer aplicar isso no seu? Veja como funciona aplicativo com IA sob medida, ou leia sobre o que agentes de IA automatizam de verdade e por que seu agente de IA esquece.