A narrativa era irresistível. Você demite um time de atendimento, coloca uma IA no lugar, e o seu resultado financeiro vira foto de capa de revista de negócios. Limpo, eficiente, moderno. O futuro chegou e ele não precisa de plano de saúde.
O problema é que o futuro veio com uma fatura mensal que ninguém tinha incluído na planilha.
Nos últimos dois anos, uma série de empresas apostou tudo nessa promessa. Algumas viraram caso de estudo em conferências de tecnologia. E algumas delas, sem muito alarde, estão colocando vagas no LinkedIn de novo.
Os que apostaram tudo e foram buscar reforços
O caso mais comentado foi o da Klarna. A fintech sueca anunciou em 2024 que a sua IA de atendimento ao cliente tinha substituído o equivalente a 700 funcionários, resolvendo 2,3 milhões de conversas no primeiro mês, de forma autônoma. Parecia o anúncio de uma nova era.
O que veio depois foi mais discreto. A empresa começou a contratar novamente para funções de atendimento humano. A qualidade das interações em casos complexos, disputas financeiras e situações sensíveis tinha escorregado. A IA era rápida. Era barata por transação simples. Mas não sabia quando parar de responder e começar a ouvir.
O Duolingo seguiu caminho parecido: substituiu linguistas contratados por IA para gerar conteúdo dos cursos. O resultado foram erros gramaticais, explicações confusas e usuários furiosos nas redes reclamando que o app tinha piorado. A reputação de qualidade levou anos para ser construída. Algumas semanas foram suficientes para começar a rachar.
Quando a conta do cartão chega no final do mês
O que as apresentações de ROI costumam omitir é o custo real de operar IA em escala.
Uma chamada de API a um modelo de linguagem avançado não é de graça. Para cada mensagem processada, há um custo por token. Para fluxos de trabalho que exigem múltiplas chamadas, revisão de output, tratamento de erro e fallback humano quando a IA erra (e ela erra), o custo por interação sobe rapidamente. Dependendo do volume e da complexidade, contratar uma pessoa pode, literalmente, sair mais barato.
Além do custo de API, existe o custo invisível: o tempo de engenharia para manter prompts funcionando, corrigir alucinações, atualizar sistemas quando os modelos mudam, e monitorar os casos em que a IA disse algo que não deveria. Isso não é trabalho zero. É um time novo com um conjunto de problemas novo.
E há o custo que não aparece em nenhuma planilha: o cliente que foi mal atendido, perdeu a paciência e foi embora.
A lição que ninguém quer admitir em público
O que está acontecendo não é o fracasso da IA. É o fracasso de uma expectativa específica: a de que IA é um botão de "substituir funcionário" com custo garantidamente menor.
A realidade é mais granular. IA resolve muito bem tarefas repetitivas, bem definidas, de alto volume e baixa variabilidade. Triagem de tickets? Excelente. Geração de rascunhos? Muito útil. Tradução em escala? Sim. Atendimento a um cliente furioso que está prestes a processar a empresa? Aí a história muda.
As empresas que estão funcionando bem com IA não substituíram humanos por ela. Usaram IA para ampliar o que humanos conseguem fazer, reduzindo o trabalho de baixo valor e deixando o julgamento, a empatia e o contexto para as pessoas.
Não é uma divisão filosófica. É uma divisão prática, baseada em onde a conta fecha.
O ponto
A IA não é barata por definição. É barata ou cara dependendo do que você está tentando fazer com ela e de quanto custa fazer isso errado.
Antes de demitir o time de suporte para colocar um chatbot, a pergunta relevante não é "a IA consegue fazer isso?" (quase sempre a resposta é sim). A pergunta é "quanto custa quando ela erra, e com que frequência ela vai errar nesse contexto específico?"
Algumas empresas descobriram essa resposta pela via mais cara.
Se você quer continuar acompanhando onde a tecnologia realmente está funcionando (e onde está quebrando), a newsletter da macareno.net é onde a gente fala sobre isso toda semana.
Fontes