Há um paradoxo desconfortável nos números mais recentes do mercado. Levantamentos de CI&T, McKinsey e Bain apontam que praticamente 95% das empresas brasileiras já adotaram alguma forma de IA — e, ao mesmo tempo, a taxa de fracasso dos projetos beira os mesmos 95%. Adoção em massa, resultado em migalhas. Como duas estatísticas tão parecidas podem contar histórias tão opostas?

A resposta raramente está na tecnologia. Está no processo que recebe a tecnologia. A maioria das empresas está aplicando IA sobre fluxos de trabalho que nunca foram desenhados para funcionar bem — e descobrindo, a um custo alto, que automatizar um processo ruim não o conserta. Apenas o faz falhar mais rápido e em maior escala.

O erro invisível: escalar o gargalo

Imagine uma operação de atendimento em que um pedido passa por quatro áreas, três aprovações manuais e duas planilhas que ninguém reconcilia. O tempo médio de resposta é de cinco dias, e metade disso é fila — tempo em que o pedido está simplesmente parado, esperando alguém.

Agora coloque um assistente de IA para responder mais rápido em cada etapa. O que acontece? As etapas individuais ficam mais ágeis, mas o pedido continua parando nas mesmas filas, batendo nos mesmos gargalos de aprovação, dependendo das mesmas planilhas desencontradas. Você investiu, gerou relatórios bonitos de “produtividade por tarefa” e, no fim, o cliente ainda espera quase cinco dias.

Esse é o padrão de fracasso mais comum: a IA otimiza o trabalho, mas o desperdício não estava no trabalho — estava no desenho do fluxo. Automatizar sem redesenhar é pavimentar um atalho que leva ao lugar errado.

Kaizen e kaikaku: a distinção que muda tudo

O Lean sempre trabalhou com dois tipos de melhoria, e confundi-los é a raiz do problema.

Kaizen é a melhoria contínua e incremental: pequenos ajustes, feitos por quem opera, que reduzem desperdício dentro do fluxo existente. É reduzir o setup de uma máquina de 40 para 30 minutos. É eliminar um campo redundante num formulário. É valioso, constante e barato — mas trabalha dentro das regras atuais do jogo.

Kaikaku é a mudança radical: repensar o processo do zero, questionar por que ele existe daquela forma, eliminar etapas inteiras, reorganizar quem faz o quê e em que ordem. É passar de “aprovar em três níveis” para “aprovar por exceção”. É deixar de ter duas planilhas para ter uma fonte única de dados. Kaikaku muda as regras do jogo.

A IA aplicada a processos é, quase sempre, uma decisão de kaikaku disfarçada de kaizen. As empresas a tratam como um ajuste incremental — “vamos plugar a IA aqui” — quando, na verdade, a introdução de IA só entrega valor se o processo for reestruturado para funcionar de forma diferente.

Veja o contraste operacional:

• Automatizar primeiro (kaizen sobre processo ruim): você coloca IA para triar 300 chamados por dia mais rápido. O problema é que 40% desses chamados não deveriam existir — são retrabalho de um cadastro mal-feito à montante. Você automatizou a triagem do desperdício.
• Redesenhar primeiro (kaikaku, depois IA): você mapeia por que os 40% de retrabalho existem, corrige o cadastro na origem, elimina a necessidade de triagem para boa parte do volume — e só então aplica IA no que sobrou, que agora é trabalho de valor. O ganho é multiplicado, não incremental.

O redesenho é o protagonista. A IA é a consequência que colhe o benefício de um fluxo já enxuto.

Como decidir: seu processo precisa de kaikaku antes da IA?

Antes de investir em qualquer automação, submeta o processo a este diagnóstico. Se você responder “sim” a duas ou mais perguntas, o processo precisa de kaikaku antes de receber IA — automatizá-lo agora seria escalar o problema.

1. Você consegue desenhar o fluxo de ponta a ponta numa folha? Se ninguém na empresa enxerga o processo inteiro, você não tem um processo — tem improviso. IA não organiza o que nunca foi organizado.
2. Quanto do tempo total é fila (espera) e não trabalho? Se a maior parte do lead time é o item parado esperando, a IA que acelera tarefas não vai mover o ponteiro. O problema é o fluxo, não a velocidade da execução.
3. Existem etapas que só existem para corrigir erros de etapas anteriores? Retrabalho, reconciliação e conferência dupla são sintomas de um processo mal desenhado. Automatizá-los é institucionalizar o defeito.
4. As decisões dependem de dados espalhados em fontes que não conversam? Se a informação mora em planilhas, e-mails e sistemas desconectados, a IA vai aprender sobre um caos. Fonte única de verdade vem antes do modelo.
5. Você sabe qual métrica de resultado a IA deve melhorar — e ela é de fluxo, não de tarefa? Se a meta é “responder mais rápido cada e-mail” em vez de “reduzir o lead time do cliente”, você está otimizando o local e ignorando o todo.

O caminho certo, na ordem certa

A sequência que separa os 5% que dão certo dos 95% que fracassam é quase sempre a mesma:

1. Mapeie o fluxo de valor real — como o trabalho acontece hoje, com filas, retrabalhos e esperas visíveis.
2. Faça o kaikaku onde necessário — elimine etapas, unifique dados, redesenhe o processo para o estado futuro enxuto.
3. Estabilize com kaizen — deixe o novo processo rodar e ajuste os detalhes até ele ser previsível.
4. Aplique IA no processo já enxuto — agora a automação amplia um fluxo bom, e o retorno aparece.

Invertendo essa ordem, você compra tecnologia de ponta para preservar um processo que deveria ter sido descontinuado.

Conclusão

A promessa da IA é real, mas ela não é mágica: ela amplifica o que encontra. Sobre um processo bem desenhado, amplifica resultado. Sobre um processo ruim, amplifica desperdício — e é isso que os 95% de fracasso estão medindo.

A pergunta que todo gestor deveria fazer antes de aprovar um projeto de IA não é “qual ferramenta comprar?”, mas “este processo merece ser automatizado como está?”. Se a resposta for não — e com frequência será — o investimento mais lucrativo não é em IA. É em kaikaku. A tecnologia espera. O redesenho, não.

Conheça todos nossos Serviços de Processos.

Rafael Saia – Diretor de Processos