Resposta direta
Um piloto de IA precisa de critério definido antes de rodar, não depois. O critério é a decisão que o piloto deve permitir tomar: seguir, ajustar escopo ou encerrar. Isso exige linha de base do processo atual, responsável pela decisão, custo aceitável de erro e definição de qual quantidade de casos torna o resultado defensável. Sem esses itens escritos, o piloto vira demonstração e a decisão fica por conta de impressão. O critério não precisa ser ambicioso, precisa ser verificável por alguém que não participou do piloto.
- Objetivo
- Orientar implementação
- Formato indicado
- Workshop executivo
- Atualizado em
O que esta página acrescenta: Trata o critério como decisão registrada antes do piloto, com linha de base e responsável nomeado, em vez de teste de respostas.
O que fica registrado antes do primeiro caso rodar
O piloto começa com uma pergunta de decisão escrita: seguir, ajustar escopo ou encerrar. Cada opção precisa de uma condição que a torne defensável, definida antes de qualquer resultado aparecer.
Também ficam registrados o responsável pela decisão, o período do piloto e quem revisa as saídas. Sem responsável nomeado, o resultado é interpretado por quem tem mais interesse nele.
Linha de base: como o trabalho é feito sem apoio de IA
Sem linha de base não há comparação. A linha de base descreve o processo atual: quem executa, quanto tempo consome, quantas vezes exige retrabalho e qual a margem de erro tolerada hoje.
Quando o processo atual não tem medição, o piloto mede as duas condições em paralelo, o processo como está e o processo com apoio de IA, no mesmo tipo de caso. Comparar piloto com estimativa não sustenta decisão.
O que o critério não resolve
Critério bem definido não faz a IA funcionar, nem indica que o processo está pronto para receber apoio automatizado. Ele torna a decisão possível e auditável, nada além disso.
Critério também não substitui dono. Se a área não assume a saída do piloto, a decisão fica sem consequência e o ciclo seguinte tende a repetir o mesmo teste com outro nome.
Recurso prático
O que fica definido antes do piloto e o registro mínimo
| Item | Registro mínimo |
|---|---|
| Decisão que o piloto deve permitir | seguir, ajustar escopo ou encerrar, com o nome de quem decide |
| Linha de base do processo atual | como o trabalho é feito hoje e o que já é medido nele, no mesmo período do piloto |
| Custo de erro aceitável | o que acontece quando a saída está errada e quem revisa antes do uso |
O erro mais comum é escolher a métrica depois de ver o resultado, o que transforma qualquer número em justificativa.
Sobre o que está escrito aqui
Conceitos relacionados: critério de sucesso de piloto · linha de base do processo atual · custo de erro aceitável · responsável pela decisão · decisão de seguir ou encerrar. Exemplos são ilustrativos. Não há cliente, resultado, preço, prazo ou certificação nesta página. Quando o formato indicado é Workshop executivo, ele descreve uma possibilidade de trabalho — a conversa inicial avalia contexto e aderência.
Para continuar
- IA aplicada e agentes — Página central do tema
- Análise de dados com IA: quando ajuda — análise de dados sem critério de ferramenta
- Falta de ponto de partida com IA: como triar… — não saber por onde começar
Páginas relacionadas
O mesmo problema em outro objetivo
- Piloto de IA sem critério: como decidir se continua — Diagnosticar
- Piloto de IA sem critério: como decidir continuar ou parar — Organizar um processo
- Piloto de IA sem critério de sucesso: como comparar as opções — Comparar alternativas
- Piloto de IA sem critério de sucesso: o que medir — Explicar medição
- Piloto de IA sem critério: como reconstruir a avaliação — Orientar avaliação e contratação
Outras leituras em IA aplicada e agentes
- Piloto de IA parado: como registrar o motivo antes de retomar — Página sobre o que registrar em um piloto de IA interrompido, quais sinais indicam a parada e qual decisão toma quem retoma ou encerra.
- Equipe sem casos de IA: o que a tarefa precisa ter — Roteiro de perguntas para levantar tarefas da equipe e identificar onde a IA teria função, com critérios de decisão, dado disponível e custo de erro.
- Modelo escolhido por reputação: como testar antes de escalar — Descreve como separar reputação de ajuste ao processo e quais critérios observar antes de ampliar o uso de um modelo de IA.
- Resultado de IA sem origem: o que comparar antes de usar — Compara formas de lidar com resultado de IA sem registro de origem e mostra o custo de conferência, o risco e a responsabilidade que cada uma cria.
- Sem caso extremo: como avaliar IA pela demanda comum — Descreve como montar a avaliação de IA a partir da demanda comum da operação, com amostra, critério de aceite e responsável definidos.