"A IA está funcionando?" A maioria das empresas responde com uma anedota: alguém do time achou incrível, um cliente elogiou, o vídeo interno viralizou. Anedota não sustenta orçamento, e é por isso que tantos pilotos de IA morrem depois do entusiasmo inicial: ninguém definiu, antes de começar, o que "funcionar" significa em números.

O ROI de IA se mede como qualquer ROI: valor gerado menos custo total, sobre o custo total. A dificuldade não está na fórmula; está em instrumentar as duas pontas com honestidade.

Comece pela linha de base (a etapa que todos pulam)

Sem medir o antes, o "depois" é opinião. Antes de o piloto começar, registre:

• Quanto tempo leva a tarefa hoje (do início ao fim, não a percepção).
• Quanto custa por execução (tempo × custo da hora de quem faz).
• Qual o volume mensal e a taxa de erro/retrabalho atual.

Trinta minutos de medição que valem toda a discussão futura. É o mesmo princípio do Discovery: evidência antes de investimento.

O lado do valor: quatro categorias

1. Tempo economizado (o mais comum): horas por tarefa × volume × custo da hora. Honestidade obrigatória: conte o tempo de revisão do output da IA; economizar 40 minutos de escrita e gastar 20 revisando é ganho de 20, não de 40.
2. Capacidade ampliada: o mesmo time atende 3x os tickets, os leads respondidos em 5 minutos em vez de 5 horas. Aqui o valor aparece em receita e conversão, não só em custo.
3. Qualidade e risco: menos erro em conciliação, conformidade verificada em 100% dos casos em vez de amostra. Mede-se pela taxa de erro antes/depois e pelo custo médio de cada erro.
4. O que era inviável: análises que ninguém fazia porque custavam caro demais. O valor é o da decisão melhor tomada, o mais difícil de medir e às vezes o maior.

O lado do custo: a fatura completa

O erro clássico é contar só a API do modelo. O custo real inclui: desenvolvimento e integração (a maior fatia no início), inferência (tokens, que crescem em silêncio), infraestrutura (banco vetorial, observabilidade), manutenção (avaliação, curadoria da base RAG, ajustes de prompt) e o tempo humano de supervisão enquanto a confiança se constrói.

Regra de bolso honesta: no primeiro ano, a API costuma ser a menor linha da fatura.

As métricas que enganam (cuidado com elas)

• "Usuários que testaram": curiosidade não é valor. Meça uso recorrente na tarefa real.
• "Acurácia do modelo" solta: 95% de acurácia significa o quê em dinheiro? Traduza para taxa de retrabalho e custo por erro.
• Horas economizadas que ninguém realoca: se o tempo liberado não vira outra produção, o ganho é teórico. A pergunta de gestão: o que o time passou a fazer com as horas?
• Piloto subsidiado: demo com engenheiro sênior ao lado não projeta o custo de operação real.

O ciclo que sustenta o investimento

Times que escalam IA com sucesso rodam o mesmo ciclo: linha de base → piloto estreito com métrica definida → 60-90 dias de medição → decisão explícita (escalar, ajustar ou encerrar sem culpa). Encerrar um piloto que não paga é sucesso do processo, não fracasso do time, e libera orçamento para a aposta seguinte.

E um lembrete de portfólio: os maiores retornos raramente vêm do caso de uso mais impressionante, e sim do mais frequente. Automatizar 80% de uma tarefa que acontece mil vezes por mês vale mais que 100% de uma que acontece dez.

Do entusiasmo ao business case

Montar essa medição (linha de base, instrumentação de custo por execução e o relatório que a diretoria entende) faz parte de todo projeto do nosso serviço de Engenharia de IA e Agentes: IA sem métrica é hobby corporativo, e nós construímos as duas coisas juntas.

Qual tarefa da sua operação é a candidata de maior frequência? Descreva-a para a IA da Rabelo Digital, aqui no canto da tela, e ela esboça o business case com você. Sem formulário, sem espera.

---

Leia também

• Prompt Engineering: o que funciona de verdade
• LLMs em produção: cuidados que ninguém fala
• Agentes de IA: o que são e quando usar