Qualidade de saídas de IA: contrato de aceite

Uma proposta comercial nasce em três minutos, mas o vendedor gasta vinte conferindo preço, prazo e escopo. O resumo de uma visita à obra fica pronto antes de a equipe voltar ao escritório, mas alguém precisa descobrir qual pendência tem responsável e qual frase foi apenas uma hipótese. A mensagem para o cliente parece correta, até que outro funcionário percebe que a IA usou a regra da campanha anterior.

Em todos esses casos, a geração ficou mais rápida. O trabalho, não necessariamente. A IA deslocou esforço de quem produz para quem recebe, interpreta, verifica e corrige. Quando esse custo fica invisível, a empresa comemora volume de saídas e cria uma nova fila de retrabalho.

Este artigo propõe um contrato ACEITE para cada tipo de entrega, uma matriz de revisão por risco e um placar de qualidade líquida. A ideia não é revisar tudo manualmente para sempre. É definir o que significa “pronto” para que a automação possa ganhar escala sem transferir trabalho mal especificado para a próxima pessoa.

O debate de 2026 mudou de gerar para avaliar

O Work Trend Index 2026 da Microsoft ouviu 20 mil usuários de IA em dez países, incluindo o Brasil. Entre as habilidades humanas que ganharam importância, controle de qualidade das saídas apareceu para 50% dos respondentes e pensamento crítico para 46%. Além disso, 86% disseram tratar a saída de IA como ponto de partida, não resposta final. São percepções autorrelatadas em estudo de fornecedor, não medidas causais de produtividade, mas indicam onde o trabalho humano está se concentrando.

A síntese acadêmica do AI Index 2026 de Stanford é especialmente útil para gestores: os efeitos sobre produtividade variam conforme o contexto; os melhores resultados aparecem quando o trabalho pode ser dividido em tarefas bem definidas, repetíveis e com monitoramento claro de qualidade. “Usar IA” é uma categoria ampla demais para prever ganho. O desenho da tarefa e do controle importa.

O outro lado ganhou um nome: workslop, conteúdo que parece acabado, mas não traz substância suficiente para fazer o trabalho avançar. Em pesquisa da BetterUp com o Stanford Social Media Lab, 40% de 1.150 trabalhadores de escritório nos Estados Unidos disseram ter recebido esse tipo de material no mês anterior; cada incidente teria consumido, em média, duas horas para ser resolvido. A amostra é norte-americana, online e baseada em relato, portanto não deve virar estimativa de custo para uma PME brasileira. O mecanismo, porém, é reconhecível: a economia do emissor vira investigação para o destinatário.

Produtividade líquida começa na fronteira do processo

Uma saída de IA não deve ser avaliada apenas por fluência, rapidez ou aparência. Ela precisa atravessar uma fronteira: sair de “rascunho gerado” e entrar em “artefato aceito pela operação”. Antes dessa fronteira, o sistema ainda está trabalhando. Depois dela, outra pessoa ou sistema pode confiar no resultado dentro de limites conhecidos.

Por isso, meça o ciclo completo:

tempo líquido por caso = geração + espera + verificação + correção + tratamento de falhas que escaparam.

Se uma tarefa manual levava 18 minutos e o novo fluxo gera em dois, revisa em nove, corrige em quatro e cria dois minutos médios de tratamento posterior, o ganho é de um minuto — não de dezesseis. Se a revisão exige um especialista mais caro ou interrompe um cargo crítico, a conta econômica pode piorar mesmo com menos minutos.

Essa cautela não significa que IA reduz produtividade. Um experimento da METR encontrou cerca de 20% de lentidão entre desenvolvedores experientes trabalhando em seus próprios repositórios com ferramentas do início de 2025. É um domínio específico e a própria organização atualizou o desenho para estudar ferramentas mais novas; não cabe generalizar o número para vendas, atendimento ou operações. Ele serve como lembrete metodológico: sensação de velocidade e duração real do ciclo podem apontar para lados diferentes.

Contrato ACEITE: seis perguntas antes de chamar a saída de pronta

Crie um contrato curto para cada artefato recorrente: proposta, cadastro, resumo, alerta, mensagem, classificação, pedido ou relatório. O contrato ACEITE cabe em uma página e deve ser entendido por quem produz, por quem recebe e por quem responde pelo processo.

A — Ação seguinte: quem usa a saída e qual decisão ou tarefa ela precisa permitir? “Resumir reunião” é vago. “Permitir que o gerente atribua pendências sem ouvir o áudio” é verificável.
C — Critérios observáveis: quais campos, regras, limites, formatos e condições tornam a entrega aceitável? Defina presença, precisão e consistência sem usar apenas “boa qualidade”.
E — Evidências: de onde vieram fatos, números e regras? A saída deve carregar referência, trecho, registro, versão ou link suficiente para uma pessoa conferir sem refazer toda a pesquisa.
I — Impacto do erro: o que acontece se o resultado estiver errado, incompleto, atrasado ou for enviado ao destinatário incorreto? Considere cliente, dinheiro, dado, obrigação, segurança e continuidade.
T — Tipo de revisão: qual controle ocorre antes do uso — validação automática, amostragem, conferência humana integral, dupla aprovação ou bloqueio por regra?
E — Exceção e escalonamento: quais sinais impedem o aceite, para onde o caso segue, quem decide e em quanto tempo? O sistema não pode esconder dúvida dentro de uma frase confiante.

Exemplo para uma proposta comercial: a ação seguinte é o cliente decidir sobre uma oferta; os critérios incluem CNPJ, itens, tabela vigente, impostos aplicáveis, prazo e validade; as evidências são IDs do CRM e da tabela; o impacto de erro em preço é alto; a revisão combina validações automáticas com aprovação do vendedor; divergência de cadastro ou desconto fora da alçada bloqueia o envio e vai para o gerente comercial.

Escolha a revisão pelo impacto, não pela confiança no texto

A mesma tecnologia pode redigir um texto interno reversível e também preparar uma ação que afeta cliente ou caixa. Tratar as duas saídas com o mesmo controle gera dois erros: revisão pesada onde não precisa e confiança excessiva onde a consequência é maior.

Nível 1 — apoio reversível: rascunho interno, ideias, organização de notas. O usuário revisa no uso; amostras periódicas ajudam a detectar degradação.
Nível 2 — decisão assistida: classificação, priorização ou recomendação que orienta uma pessoa. Exija evidências, possibilidade de discordar e registro da decisão.
Nível 3 — comunicação ou registro externo: mensagem ao cliente, atualização de CRM, agenda, pedido ou relatório compartilhado. Valide campos críticos automaticamente e mantenha aprovação humana até a taxa de aceite e os tipos de erro ficarem estáveis.
Nível 4 — consequência alta: preço, pagamento, obrigação, dado sensível, segurança ou decisão profissional. Use regras determinísticas, segregação de funções, dupla aprovação quando necessária e rota manual. Algumas etapas podem simplesmente não ser adequadas para geração autônoma.

Aumentar autonomia depende do histórico do tipo de saída, não de uma demonstração impressionante. O controle pode diminuir quando o processo mostra, por período suficiente, alto aceite de primeira, baixo escape, estabilidade por segmento e recuperação testada. Se o contexto, a fonte, o modelo ou a integração mudarem, a amostragem volta a subir.

Não obrigue o revisor a reconstruir o raciocínio

A revisão vira gargalo quando o resultado chega sem contexto. Toda saída operacional deveria trazer um pequeno pacote de conferência:

entrada identificada: caso, cliente, documento, período ou evento que originou o trabalho;
fontes usadas: registros, documentos e versões realmente consultados;
transformação: o que foi extraído, calculado, inferido ou redigido;
incerteza útil: campos ausentes, conflitos, baixa legibilidade e hipóteses assumidas;
ação proposta: o que acontecerá após o aceite e o que ainda não aconteceu;
controles executados: regras, cruzamentos e limites já verificados;
botões claros: aceitar, corrigir, devolver ou escalar, com motivo estruturado.

O objetivo não é exibir uma longa “explicação do pensamento” do modelo. É mostrar evidência operacional verificável. Um ID de tabela, a vigência encontrada e os três campos divergentes ajudam mais do que um parágrafo dizendo que a IA está confiante.

Placar de qualidade líquida: cinco números por tipo de saída

Comece com uma amostra semanal de 20 a 30 casos por tipo de artefato. Registre:

Aceite de primeira: percentual usado sem correção relevante.
Minutos de revisão: mediana e percentil alto, não apenas média; poucos casos difíceis podem consumir a equipe.
Taxa de correção: percentual alterado antes do uso, separado por tipo de erro.
Taxa de escape: erro encontrado depois do aceite, envio ou gravação.
Resultado do processo: o indicador que a saída existe para melhorar — tempo até proposta, pedido correto, retorno agendado, pendência resolvida ou lead atendido.

Adicione custo por caso quando houver volume suficiente: tempo do revisor × custo aproximado do papel, mais consumo de ferramentas e custo médio de retrabalho posterior. Compare com a linha de base manual e com o período anterior. O placar deve responder “o ciclo ficou melhor?”, não “quantos textos a IA criou?”.

Use motivos padronizados para rejeição: fonte ausente, regra vencida, campo incorreto, omissão, duplicidade, tom inadequado, ação indevida ou caso fora de escopo. Comentário solto ajuda a corrigir um item. Taxonomia ajuda a corrigir o processo.

Exemplos práticos nas verticais da V7 Agents

v7 Obras: um resumo diário só é aceito se ligar pendência a frente de trabalho, responsável, prazo e evidência do registro. “A equipe precisa verificar o material” não passa; falta dizer qual material, em qual etapa e com base em quê.
v7 Carteira: uma sugestão de cobrança deve mostrar título, vencimento, promessa anterior, disputa aberta e bloqueios. A mensagem não segue se o cliente tiver comprovante aguardando conciliação.
v7 Agro: uma recomendação de follow-up precisa carregar cultura, janela, última interação, estoque ou condição vigente e motivo do timing. Sazonalidade genérica não substitui contexto da conta.
v7 Imob: o resumo do lead é aceito quando preferência, faixa, região, origem e próximo passo estão distinguindo fala do cliente de inferência. Agendamento ou proposta ainda exigem confirmação conforme a regra da operação.
v7 Clínicas Retorno: comunicação administrativa precisa respeitar consentimento, preferência de canal, agenda e roteiro aprovado. Qualquer conteúdo que se aproxime de decisão clínica sai do fluxo automático e segue para profissional habilitado.
v7 Custom: extração de nota, contrato ou formulário deve mostrar campos encontrados, ausentes e divergentes antes de escrever no sistema. Documento ilegível vira exceção, não preenchimento inventado.

Piloto de dez dias para encontrar o retrabalho escondido

Dias 1 e 2: escolha uma saída recorrente, fotografe o caminho atual e meça uma pequena linha de base manual.
Dia 3: escreva o contrato ACEITE com produtor, destinatário e owner do processo.
Dias 4 e 5: configure o pacote de evidências, motivos de rejeição e nível de revisão.
Dias 6 a 9: rode casos reais em escopo controlado, marque tempos e classifique correções sem liberar ação de alto impacto.
Dia 10: compare ciclo completo, qualidade e resultado. Decida ampliar, ajustar, manter assistido ou interromper.

Uma decisão “não ampliar ainda” também cria valor. Ela impede que uma saída barata de gerar se transforme em fila cara de conferir. Em pesquisa global de 2026 com 1.217 executivos, a PwC relatou que as organizações líderes eram duas vezes mais propensas a redesenhar fluxos para incorporar IA, em vez de apenas adicionar ferramentas. É um levantamento de fornecedor concentrado em empresas grandes; a conclusão aplicável à PME é simples: a unidade de mudança é o processo completo.

Sinais de alerta para o gestor

a equipe diz que a IA “economiza horas”, mas ninguém mede revisão e correção;
o revisor precisa abrir cinco sistemas para descobrir se a saída está certa;
cada pessoa usa um critério próprio para aceitar o mesmo tipo de artefato;
saídas rejeitadas voltam como texto livre e os mesmos erros reaparecem;
o agente não distingue fato, inferência e campo ausente;
volume produzido cresce, mas o indicador final do processo não muda;
um especialista virou “copiador de contexto” para corrigir rascunhos em massa;
a autonomia aumentou sem queda comprovada na taxa de escape.

O ponto de vista da V7 Agents

Qualidade não pode ser uma recomendação genérica no final do projeto. Ela precisa estar desenhada na passagem entre IA, pessoa e sistema: critério de pronto, evidência, nível de revisão, owner, métrica e rotina de melhoria.

Na escada da V7 Agents, o V7 IA Ready identifica onde a geração apenas deslocaria retrabalho e define o contrato operacional. Os Agentes Verticais entram com critérios específicos do setor e limites de ação. A Operação Contínua acompanha aceite, correção, escape e resultado para ajustar o fluxo. IA só gera ROI quando existe processo, dados confiáveis, responsável, revisão proporcional ao risco e aprendizado sobre os casos reais.

Fontes consultadas

Descubra se a IA reduzirá trabalho ou apenas mudará a fila

O V7 IA Ready mapeia o processo completo, define critérios de aceite e prioriza fluxos em que qualidade, revisão e resultado podem ser operados de verdade.

Solicitar diagnóstico IA Ready Conhecer o V7 IA Ready

A IA entregou rápido. Quem ficou com o trabalho de conferir?