Agentes de IA em processos: o que precisa existir antes de soltar um

O primeiro processo que eu vi rodar sem mim foi um programa de manutenção autônoma no zinco da Votorantim Metais, no meu tempo de estágio. A ideia do programa cabe numa frase: parte do que só a equipe de manutenção fazia passa para a mão de quem opera a máquina todo dia. Quem executa ganha o direito de decidir. Essa mesma frase voltou agora com outro nome, e o nome é agentes de IA.

Naquela época eu imaginei que o trabalho duro seria convencer o operador. Não foi. O trabalho duro foi montar o que precisava existir antes de a autonomia valer alguma coisa. Minha formação em manutenção autônoma veio de uma certificadora japonesa de TPM, e o que sobrou dela cabe em três peças, que eu repito até hoje em toda conversa sobre autonomia. Um padrão escrito do que ele podia fazer sozinho. Um ponto nítido onde ele tinha que parar e chamar alguém. E um registro do que tinha sido feito. Sem o terceiro item o serviço acontece, nada quebra alto, e depois ninguém consegue reconstruir quem decidiu o quê.

Este texto trata do que precisa existir no seu processo antes de você soltar um agente dentro dele. Onde ele para, quem responde pelo que ele fez, e como você descobre que ele errou quando o erro não aparece em campo nenhum. No fim tem uma tabela de decisão em PDF, para você levar pronta à primeira reunião em que alguém propuser automatizar tudo.

O que são agentes de IA em processos

Agentes de IA são programas que recebem um objetivo, escolhem sozinhos a sequência de passos para alcançá-lo e executam esses passos dentro dos seus sistemas. A novidade deles está no verbo: o software deixou de sugerir e passou a fazer, sem pedir confirmação a cada passo. O modelo de linguagem por trás já estava aí antes.

Os outros textos desta série tratam de software que lê. O DMAIC com IA mostra o que a máquina adianta em cada fase do projeto. O Lean com IA mostra o que ela enxerga do fluxo. O texto sobre IA na gestão da qualidade mostra o que dá para automatizar no sistema da qualidade. Em todos eles a decisão final continua com uma pessoa. Com agentes de IA ela deixa de continuar.

Quando agentes de IA entram no processo, três coisas mudam de lugar ao mesmo tempo. A execução sai da mão de quem antes fazia. A escolha do caminho sai junto com ela. E a responsabilidade fica onde estava, porque responsabilidade não se transfere para software. Esse descolamento entre quem faz e quem responde é a origem de quase todo problema deste artigo.

Quem cuida de processo reconhece o problema por baixo do nome novo. Delegar execução com autoridade de decisão é assunto velho no Lean Manufacturing e na gestão por processos. O Lean respondeu a ele escrevendo o padrão, marcando o limite de autoridade e instalando um sinal de parada que qualquer um enxerga, sem nunca precisar confiar no julgamento de quem executa.

A adoção não está esperando ninguém ficar pronto. Na Pesquisa de Inovação Semestral do IBGE, o uso de inteligência artificial na indústria saiu de 16,9% em 2022 para 41,9% em 2024, entre empresas de cem ou mais ocupados. Em dois anos o número mais que dobrou. O desenho de controle desses processos não dobrou junto, e é essa distância que este texto tenta encurtar.

O que vem a seguir é desenho de controle: o que precisa estar no processo antes, durante e depois de agentes de IA começarem a operar dentro dele. Nome comercial de plataforma envelhece em semanas e cabe em outro texto. A pergunta que interessa aqui sobrevive à troca de ferramenta.

O que muda de responsável quando o software passa a agir

Comece pelo mapa, elo por elo. A coluna do meio é o que a leitura automática já entregava antes desta conversa toda. A da direita é o que muda quando o mesmo processo recebe agentes de IA. A comparação importa porque quase todo projeto que dá errado é um projeto que trocou de coluna sem trocar de controle.

Repare na última coluna. Em toda linha a responsabilidade continua com uma pessoa, e apenas anda de lugar: sai de quem executava e chega a quem escreveu a regra, definiu a faixa ou aprovou a política. É uma promoção silenciosa: chega a quem talvez nem soubesse que a estava recebendo, e não precisa da assinatura de ninguém para valer.

Por isso a primeira reunião tem uma pergunta certa: quem vai responder pelo que o agente fizer no dia em que ninguém estiver olhando. A lista do que dá para automatizar vem depois dessa resposta. Se ela demorar mais de dez segundos para aparecer, o processo ainda não está pronto para receber agentes de IA.

RPA repete um roteiro; agentes de IA escolhem o caminho

A automação robótica de processos grava a sequência de cliques e repete. Ela funciona por roteiro fixo. Campo tal, botão tal, próxima tela. Ela conhece uma coisa só: a ordem dos passos que alguém gravou para ela. Onde está e por que está fazendo aquilo ficam fora do alcance dela.

Essa ignorância tem um efeito colateral que virou virtude: quando o sistema muda de layout, o roteiro quebra na hora e quebra alto. A fila para, alguém liga reclamando, o time reabre o script. O defeito se anuncia sozinho no mesmo dia, e ninguém precisa de painel para descobrir que aconteceu.

Agentes de IA trabalham de outro jeito. Eles recebem o objetivo, olham a tela que existe agora e decidem o caminho. Se o botão mudou de lugar, procuram outro. Se o campo sumiu, tentam a rota alternativa. Se o dado não bate, arredondam, inferem, preenchem com o que parece plausível e seguem em frente, enquanto do lado de fora tudo continua verde.

Aí está a inversão que muda todo o desenho de controle. No roteiro fixo, comportamento diferente é sintoma de defeito. Em agentes de IA, comportamento diferente é a função. A variação deixa de servir como alarme, porque é exatamente o que você comprou.

Um exemplo de conciliação bancária deixa isso concreto. O roteiro fixo encontra uma divergência de oito centavos, não acha o campo previsto e para com erro. O agente encontra a mesma divergência, avalia que oito centavos são irrelevantes, lança na conta de ajuste e fecha. Nos dois casos houve divergência. Só no primeiro alguém ficou sabendo.

Vale guardar essa frase para a reunião: o roteiro fixo falha de forma barulhenta e agentes de IA falham de forma silenciosa. Quem já trabalhou com controle estatístico de processo reconhece o problema. É a diferença entre uma causa especial que salta do gráfico e um deslocamento lento da média. Ninguém percebe o segundo até o trimestre fechar torto.

Existe o caso em que as duas falhas se somam: o sistema muda de tela com frequência e ninguém confere a saída de fora. Ali o roteiro fixo quebra toda semana e o agente contorna a quebra sem avisar, que é a pior combinação das duas. Nesse processo a primeira tarefa é escrever o padrão e nomear quem confere. Feito isso, tanto faz qual das duas tecnologias entra; antes disso, as duas afundam junto.

Por que a falha de agentes de IA demora tanto a aparecer

Agentes de IA não escrevem no log que erraram, porque do ponto de vista deles não houve erro. Houve uma escolha entre caminhos possíveis, e o software escolheu um. O registro guarda o que foi feito e encerra ali. As alternativas descartadas ficam de fora, e é justamente delas que uma auditoria precisa.

Some a isso o volume. Um agente de triagem que decide trezentos casos por dia produz nove mil decisões por mês. Se meio por cento delas estiver errada, são quarenta e cinco decisões ruins espalhadas num mar de decisões boas, e cada uma chega sozinha ao atendimento, que resolve o caso daquela pessoa sem nenhum motivo para abrir investigação.

Existe ainda um terceiro agravante, e ele é humano. Decisão automatizada gera confiança rápido. Nas duas primeiras semanas todo mundo confere. Na quarta, confere por amostra. Na oitava, confere quando sobra tempo. A curva de atenção cai muito mais rápido do que a curva de acerto do agente melhora.

A soma dos três dá o padrão que aparece em quase todo caso ruim que já ouvi: quem descobriu o problema foi um cliente, um auditor externo ou o fechamento contábil, meses depois, sempre de fora do controle interno. E quando alguém foi reconstruir a história, os meses já tinham levado o rastro embora.

Processo que só descobre o defeito porque alguém reparou nele está entregando a conferência à sorte de quem passou por ali. É por isso que a próxima seção abre com aritmética simples, feita no guardanapo, antes de qualquer conversa sobre ferramenta.

A conta de cobertura que quase ninguém faz antes de soltar o agente

Faça essa conta antes de qualquer piloto com agentes de IA, porque ela costuma encerrar a discussão sozinha. Ela tem quatro números e cabe num guardanapo:

• Volume. Quantas decisões o agente vai tomar por dia. Suponha duzentas.
• Janela. Em quantos dias você quer descobrir um erro. Suponha cinco, ou seja, mil decisões acumuladas na janela.
• Capacidade de conferência. Quantas decisões uma pessoa consegue reabrir e entender de fato por dia. Dez é um número honesto para caso que exige contexto.
• Cobertura. Cinquenta conferidas em mil decisões, ou cinco por cento da janela. É essa a fração do trabalho do agente que alguém realmente olhou.

Cinco por cento serve, desde que você saiba que é cinco por cento. O erro grave mora em outro lugar: apresentar a conferência por amostra como se fosse supervisão. Aí vem a surpresa, no dia em que os noventa e cinco por cento não conferidos aparecem juntos numa única semana ruim.

A conta revela uma coisa que ninguém pede para ouvir: aumentar o volume do agente piora a cobertura na mesma proporção. Dobrar a produtividade divide a fração conferida pela metade. Contratar mais gente para conferir devolve boa parte do ganho ao caixa de onde ele veio. Conferir menos é aceitar mais risco com outro nome, e isso merece a assinatura de alguém.

O jidoka já tinha respondido isso, e está desenhado no livro

O capítulo 8 do meu livro, o Guia Prático Lean Seis Sigma, chama-se Lean Manufacturing. Na página 62 dele está a Figura 8.1, a Casa de Produção Lean. O pilar da direita é o jidoka, e ele carrega duas frases que parecem escritas para este artigo. A primeira: “parar e notificar anormalidades”. A segunda: “separar o trabalho humano do trabalho das máquinas”. O desenho é de manufatura e tem décadas. A instrução vale inteira para software que age.

Leia as duas na ordem em que aparecem no pilar. Primeiro a máquina precisa saber parar. Depois precisa avisar. E só então faz sentido separar o que ela faz do que a pessoa faz, porque a separação só é segura quando existe um ponto conhecido de retorno.

1. Parar. O agente precisa de uma condição explícita que o faz interromper, escrita antes de ele entrar em operação. O primeiro incidente é tarde demais para descobrir qual era.
2. Notificar. A parada tem que chegar a uma pessoa nomeada, com o caso aberto na frente dela. Parada que só vira linha de log é parada que ninguém viu.
3. Separar. Com os dois primeiros de pé, a fronteira entre o trabalho do agente e o trabalho humano deixa de ser opinião e vira desenho.

O pilar manda uma coisa só: parar e notificar, sem julgamento. A decisão sobre a gravidade da anormalidade fica fora do alcance da máquina. Agentes de IA que avaliam a própria anormalidade e concluem que dá para seguir fazem o oposto exato do que aquele desenho pede.

Padrão, limite e registro: as três coisas que vêm antes

Aquele programa de manutenção autônoma de que falei na abertura funcionou porque três coisas existiam no papel antes de qualquer autonomia começar. Elas são as mesmas três de que agentes de IA precisam, e nenhuma delas é tecnologia.

A primeira é o padrão escrito. Vale o procedimento operacional padrão que diz o que se faz em cada caso previsto. A descrição bonita do processo serve para a apresentação e falha exatamente aqui. Sem ele você não tem contra o que comparar a decisão do agente, e a discussão pós-incidente vira opinião contra opinião.

A segunda é o limite de autoridade. Uma faixa explícita de valor, de risco ou de exceção dentro da qual o agente decide sozinho, e fora da qual ele obrigatoriamente para. Esse limite é irmão direto do plano de ação para fora de controle e do plano de controle. Os três dizem a mesma coisa: o que fazer quando o processo sai da faixa, decidido antes de sair.

• O limite é um número, não um adjetivo. Escreva a faixa: até R$ 2 mil e sem exceção contratual. Casos simples manda o agente adivinhar.
• Todo limite precisa de destino. Parada sem fila de espera nomeada vira represa, e represa segura tudo, inclusive o caso urgente.
• Limite se revisa com data marcada. O que era arriscado no mês um pode ser rotina no mês seis, e o contrário também acontece.

A terceira é o registro do que foi feito, com a informação suficiente para reconstruir a decisão. Além do resultado, precisa gravar qual regra o agente entendeu que se aplicava e quais dados ele tinha na mão. É o mesmo motivo pelo qual um registro de lições aprendidas some quando ninguém o alimenta. É o item que todo mundo deixa para depois. E é o único que não dá para recuperar retroativamente.

Faltando o padrão, agentes de IA ficam sem referência. Faltando o limite, ficam sem freio. Faltando o registro, você tem os dois primeiros e mesmo assim fica sem prova. Os três valem como conjunto, e conjunto incompleto deixa passar justamente o caso que interessa.

A exigência atravessa o Lean e chega à governança de IA. O AI Risk Management Framework do NIST divide o assunto em quatro funções: governar, mapear, medir e gerenciar. Governar é a função transversal, e o próprio documento manda infundi-la nas outras três em vez de tratá-la como etapa a cumprir. Mapear, medir e gerenciar acontecem apoiadas nela. Padrão, limite e registro são a versão de chão dessa função que vem antes.

Onde os agentes de IA ganham, e ganham fácil

Nada do que veio até aqui é argumento contra automatizar. É argumento contra automatizar no escuro. Existe uma família inteira de tarefas em que agentes de IA entregam ganho real e quase sem risco, e ela tem uma assinatura fácil de reconhecer.

A assinatura é esta: a tarefa tem resultado conferível de fora, tem custo baixo de erro e acontece muitas vezes. Quando os três aparecem juntos, o erro do agente aparece rápido e sai barato de corrigir. É o oposto do intervalo cego entre o efeito e o primeiro sintoma que a linha do tempo desenhou.

Conciliação de dados entre dois sistemas é o exemplo mais limpo. O resultado ou bate ou não bate, e quem confere é a aritmética, não uma pessoa. Preparação de relatório recorrente vem logo atrás, porque o formato final é sempre o mesmo, e uma linha fora do lugar denuncia o desvio. Triagem inicial de chamado também entra, desde que a decisão final continue com gente.

Nos três casos o agente adianta trabalho para alguém que ainda vai olhar. Essa posição, a de quem prepara para quem assina, é onde agentes de IA rendem mais e assustam menos.

Um detalhe operacional que economiza semanas: comece pelo quadrante fácil mesmo que o ganho financeiro seja pequeno. O primeiro agente do seu processo existe para você aprender a conferir agente antes de precisar conferir um que importa. O dinheiro entra na conta mais tarde. Um piloto pequeno que dá certo é o gás que faz o resto do processo andar; um piloto grande que dá errado para o assunto na sua área por um ano.

Esse é o mesmo raciocínio de kaizen que a gente usa em melhoria contínua. O primeiro ciclo ensina o time a rodar o ciclo, e o problema maior espera a vez dele.

Onde eles perdem, e perdem caro

O outro lado do mapa é onde a conferência é difícil e o erro custa. Ali agentes de IA podem acertar noventa e nove vezes e a centésima pagar todo o ganho acumulado. O prejuízo de um caso não é proporcional ao volume de casos.

• Decisão que vira precedente. Exceção concedida a um cliente vira direito esperado pelos outros. O agente não enxerga o efeito no décimo caso quando decide o primeiro.
• Decisão com efeito legal ou contratual. Prazo, multa, rescisão e reajuste não voltam atrás porque o software se enganou.
• Julgamento sobre pessoa. Crédito, seleção e disciplina exigem alguém que responda pelo critério, com nome no papel e disposição para explicar a decisão a quem foi recusado.
• Decisão de fila com recurso escasso. Priorizar quem é atendido antes muda o resultado de quem ficou para trás, e ninguém vai reclamar de uma prioridade que não viu.

Os quatro são difíceis pelo mesmo motivo, e a tecnologia fica de fora dele: a consequência escapa do processo onde a decisão foi tomada, e o feedback demora ou nunca chega. Agentes de IA são péssimos exatamente onde o retorno é lento, porque é o retorno que corrige o rumo.

Nada disso condena o processo ao trabalho manual para sempre. Nesses casos agentes de IA entram preparando a decisão, com a recomendação escrita e o motivo à vista, e uma pessoa assina. O ganho de tempo continua existindo, e a assinatura continua tendo dono.

Entre um extremo e outro sobram dois casos mistos, e são eles que mais aparecem na prática. Quando o erro é caro mas o resultado é fácil de conferir, o agente prepara e a pessoa assina, que é o arranjo do parágrafo acima. Quando a conferência é difícil mas o erro é barato, vale tentar por amostra: solte o agente numa fatia pequena do volume, confira uma parte por semana e decida com o que aparecer. Quando os dois problemas se juntam, soltar o agente inteiro deixa de ser uma opção sobre a mesa.

Cinco erros que trocam o processo por uma promessa de autonomia

Esses cinco aparecem em quase todo projeto de agentes de IA que começa animado e some do mapa no terceiro mês. Todos eles são erros de processo, e todos aparecem antes de qualquer linha de código, na hora de olhar o mapa de processos.

1. Automatizar o processo que ninguém escreveu. Se o padrão só existe na cabeça de duas pessoas, o agente vai aprender a versão de uma delas e ninguém vai saber qual.
2. Deixar o limite implícito. Todo mundo concorda que existem casos que o agente não deve resolver, e ninguém escreve quais. O primeiro incidente é que define o limite, tarde demais.
3. Medir só o que o agente entregou. Contar volume processado sem contar decisão revista é medir esforço e chamar de resultado.
4. Confundir piloto com prova. Duas semanas acompanhadas de perto não dizem nada sobre o comportamento no mês seis, quando ninguém mais está olhando.
5. Tirar a pessoa do fluxo antes do registro existir. A pessoa era o registro. Quando ela sai e nada ocupa o lugar, o processo perde a memória inteira.

O quinto é o mais caro e o mais comum, e ele tem um sintoma bem específico. Alguém pergunta por que determinado caso foi resolvido daquele jeito em março, e a única resposta disponível é o resultado. O caminho até ele evaporou junto com a pessoa que fazia o trabalho.

Um antídoto simples resolve os cinco de uma vez: escreva o padrão, o limite e o formato do registro antes de escolher a ferramenta. Se essa etapa parecer burocrática demais para o tamanho do ganho, você acabou de descobrir que o ganho era menor do que parecia.

Processo sem padrão escrito não recebe agentes de IA

Dá para transformar tudo isso numa régua de entrada, que é o que eu uso quando alguém chega com a ideia pronta. São cinco perguntas, e elas se respondem antes de qualquer piloto.

O critério de aprovação é duro de propósito. A régua funciona por veto: qualquer resposta na coluna da direita segura o projeto até virar coluna do meio. Segurar aqui custa uma semana de reunião. A conta de deixar passar só chega depois, com o agente já rodando em cima do processo.

A quinta linha é a que costuma travar. Quando a resposta é o nome de uma área e não o nome de uma pessoa, o que existe é difusão de responsabilidade. E agentes de IA aceleram muito bem processos difusos, até o dia em que alguém precisa responder por um deles.

A régua serve também em processo que já roda com agente. Se alguma resposta caiu para a direita depois que o time mudou ou o volume cresceu, o desenho de controle envelheceu junto. Vale reabrir a régua com os indicadores de desempenho na mão, antes do próximo incidente.

A tabela de decisão: o que delegar a um agente e o que não

Juntei a régua da seção anterior, o mapa de ganho e risco e os pontos de parada numa tabela de uma página. Ela é para você levar impressa à reunião em que alguém propuser resolver tudo com agentes de IA. A decisão continua sua. O que a tabela faz é obrigar essa decisão a ficar escrita, com nome e faixa.

São seis colunas e uma linha por tarefa candidata: tarefa, quem decide hoje, limite de autoridade proposto, condição de parada, quem confere e com que frequência. Linha com alguma coluna vazia volta para a reunião, e só sai de lá completa.

Baixar a tabela de decisão em PDF

O uso que dá mais resultado é preencher a tabela com o time todo na sala, em voz alta, tarefa por tarefa. A coluna do limite é onde a conversa esquenta, porque é ali que fica claro se existe critério de verdade ou se cada pessoa vinha decidindo do seu jeito.

A coluna da condição de parada vem logo depois em dificuldade, e por um motivo interessante: quase sempre a primeira versão descreve o que fazer depois do problema. Insista até virar uma condição que o agente consegue avaliar antes de agir, porque é isso que o pilar do jidoka pede.

Se ao terminar sobrarem poucas linhas completas, a reunião entregou o que tinha de entregar: você descobriu em uma hora o que descobriria em seis meses de piloto, e as linhas incompletas viraram uma lista honesta do que precisa ser escrito antes.

Como medir se os seus agentes de IA continuam sob controle

Depois que agentes de IA entram no processo, a medição muda de assunto. Volume processado e tempo economizado contam a história do ganho e viram KPIs de produtividade sem esforço nenhum, e essa parte costuma ir bem sozinha. O que precisa de disciplina é medir se o controle continua de pé.

• Taxa de parada. Quantas vezes por semana o agente encostou no limite e chamou alguém. Zero paradas não é sinal de qualidade; é sinal de que o limite está frouxo ou de que ninguém está registrando as paradas.
• Taxa de reversão. Das decisões conferidas, quantas foram desfeitas. É o indicador mais honesto que existe, e o mais desconfortável de publicar.
• Cobertura real. A mesma fração da conta de cobertura, refeita com o volume do mês passado, que é o único número já fechado.
• Idade do padrão. Há quantos meses o procedimento que o agente segue está sem revisão. Processo muda; agente que segue padrão vencido erra com convicção.

Os quatro cabem numa gestão à vista simples, e vale colocar os quatro juntos. Isolado, cada um mente: parada baixa parece eficiência, reversão baixa parece qualidade, cobertura alta parece rigor. Lado a lado eles se corrigem, porque cobertura minúscula explica reversão baixa na hora.

Se quiser dar um passo além, acompanhe a taxa de reversão numa carta de controle. O sinal que interessa é o deslocamento lento, semana após semana. A linha subindo de meio ponto por mês é o retrato exato da falha silenciosa aparecendo em número, antes de aparecer em crise.

Como começar na segunda-feira, com um agente só

Este roteiro cabe em duas semanas de trabalho de meio período e não depende de orçamento aprovado. Ele serve para descobrir se a sua área está pronta para agentes de IA, usando um caso pequeno como instrumento de medida.

1. Escolha a tarefa mais chata que passa da régua. Volume alto, resultado conferível de fora, erro barato. Se ela for pouco glamourosa, melhor ainda.
2. Escreva o padrão em uma página. O que se faz em cada caso previsto, na linguagem de quem executa. Uma página é o teto, e caber nela é parte do trabalho.
3. Defina o limite com um número e um nome. Até tanto o agente resolve; acima disso para e chama fulano. Sem os dois, não começa.
4. Decida o registro antes de ligar qualquer coisa. Onde fica, o que grava e quem consegue ler daqui a seis meses.
5. Rode em paralelo por duas semanas. O agente decide, a pessoa decide, e você compara as duas. Divergência aqui é informação barata.
6. Publique a taxa de divergência antes de expandir. É esse número, e não a empolgação da demonstração, que autoriza o segundo agente.

O passo cinco é o que quase todo mundo pula, e é o único que produz evidência de verdade. Duas semanas de operação em paralelo custam pouco e valem mais do que qualquer piloto acompanhado de perto, porque comparam decisão contra decisão no mesmo caso real.

Se o padrão de uma página não sair em três dias, pare o projeto e trate o padrão como o trabalho principal. Essa parada é o projeto andando: um processo que resiste a caber numa página escrita resiste do mesmo jeito a caber dentro de um agente. Na terceira manhã isso custa três dias de ajuste. Com o agente já rodando em produção, a mesma descoberta come o trimestre.

O que responder quando pedirem agentes de IA na sua área

A pergunta vai chegar assim, e provavelmente já chegou: “dá para colocar um agente de IA para resolver isso?”. Responder que não é seguro derruba você para o lado de quem trava. Responder que sim sem desenho de controle coloca o seu nome na assinatura de decisões que você não vai conseguir reconstruir depois.

Existe uma terceira resposta, e ela é curta. “Agentes de IA entram aqui pela tarefa X, com limite de tanto, parando em tal condição, e fulano confere tantas por semana.” Quem responde assim entrega os limites junto com a promessa, e é por isso que a resposta se sustenta depois.

Aquele programa de manutenção autônoma da abertura durou porque tinha essas três peças escritas. O operador ganhou decisão de verdade, e ganhou justamente porque o que ele podia fazer sozinho estava no papel, no lugar de uma autonomia sem limite escrito que ninguém teria assinado.

O trabalho de quem cuida de processo continua o mesmo depois da chegada dos agentes de IA: escrever o padrão, marcar o limite em que o trabalho para e garantir que o registro exista. O que mudou foi a velocidade com que a ausência dessas três coisas cobra a conta.

Se você quiser um único teste para levar da leitura, use este. Pergunte quem vai perceber, e em quantos dias, se o agente começar a errar amanhã. Se a resposta não tiver nome e não tiver prazo, escrever essas duas informações é a próxima tarefa da sua semana.

Se você quiser as ferramentas já montadas para escrever esse padrão, elas estão no Kit de Ferramentas Lean Seis Sigma. E se o passo for formar gente para sustentar o controle depois que o agente entrar, é disso que tratam as academias de certificação.

Dá para continuar por aqui: a série cobre o que a IA faz no método DMAIC, o que ela enxerga na rotina de melhoria contínua e como ela entra na gestão da qualidade. Se o seu próximo passo for escrever o padrão que faltou, comece pela padronização e volte para a tabela depois.