Adotar IA to automatizar/otimizar processos and liberar profissionais de tarefas repetitivas. Esse costuma ser um dos principais intuitos na hora de apostar nessa tecnologia. Entretanto, quando uma empresa amplia uma tecnologia antes de testá-la nas condições reais da operação, a automação pode criar mais trabalho do que eliminar.
You casos do Starbucks, da Target e do McDonald’s mostram que adotar IA não significa apenas contratar uma ferramenta e exigir que todos a utilizem. É necessário combinar tecnologia confiável, dados de qualidade, supervisão humana, monitoramento contínuo e canais efetivos para ouvir quem trabalha diretamente com o sistema.
Starbucks: quando a contagem automatizada aumentou os erros de estoque
A história começa em uma cafeteria do Starbucks na região de Seattle. Duas vezes por semana, funcionários precisavam contar manualmente leites, cafés, xaropes e outros produtos. A atividade podia consumir cerca de uma hora.
Para acelerar o processo, a empresa implantou a Automated Counting. Utilizando a câmera de um iPad e recursos de visão computacional, a tecnologia identificava os produtos nas prateleiras e calculava automaticamente as quantidades. A promessa era concluir a contagem em aproximadamente 10 minutos, liberando os baristas para preparar bebidas e atender clientes.
Na prática, o ambiente das lojas era muito mais complexo do que os testes controlados. Reflexos em superfícies metálicas faziam a câmera duplicar produtos. Cinco caixas de café, por exemplo, podiam ser registradas como dez. O sistema também confundia diferentes tipos de leite e xaropes, deixava de reconhecer embalagens modificadas e chegou a classificar uma lixeira como alimento.
Em lojas com internet instável, quedas de conexão apagavam todo o trabalho realizado. Funcionários voltavam à contagem manual, mas o sistema corporativo registrava a tarefa como não concluída. Como os dados influenciavam a reposição, algumas unidades começaram a receber produtos em excesso. Em um dos casos relatados, quase US$ 700 em alimentos teriam sido descartados em um único dia.
Tentaram comunicar os problemas, mas muitos afirmaram não ter recebido suporte ou retorno. Ao mesmo tempo, gestores continuaram incentivando (e em algumas situações, exigindo) o uso da ferramenta.
Depois de nove meses e de uma implementação que alcançou aproximadamente 11,3 mil cafeterias, o Starbucks desativou a Automated Counting e retomou a contagem manual.
Target: um chatbot incapaz de orientar os próprios funcionários
THE Target também apostou em IA generativa to apoiar suas equipes. O chatbot interno Help AI deveria responder dúvidas sobre procedimentos, treinamento e atividades operacionais, reduzindo a dependência de supervisores.
Employees ouvidos pela imprensa, porém, relataram respostas incompletas, pouco úteis e desconectadas da realidade das lojas. O exemplo mais grave ocorreu quando um trabalhador perguntou como agir diante de um atirador em atividade. A ferramenta teria sugerido enfrentar o agressor caso houvesse uma arma próxima, mencionando inclusive um taco de beisebol.
READ ALSO: “Os 7 grandes erros de uso de IA na vida e no trabalho”
McDonald’s: falhas no voicebot transformaram pedidos em confusão
THE McDonald’s testou, em parceria com a IBM, one sistema de atendimento automatizado para receber pedidos no drive-thru. O objetivo era acelerar o serviço, reduzir a carga das equipes e utilizar reconhecimento de voz para registrar os itens solicitados pelos clientes.
THE solução, porém, apresentou dificuldades para compreender sotaques, ruídos e conversas de veículos próximos. Vídeos publicados por consumidores mostraram pedidos recebidos complementos inesperados, sorvetes combinados com manteiga ou ketchup e grandes quantidades de McNuggets sendo adicionadas mesmo após o cliente pedir que o sistema parasse. A rede chegou a testar a tecnologia em mais de cem restaurantes nos Estados Unidos, mas por fim, decidiu encerrar o projeto.
O McDonald’s afirmou não abandonar definitivamente a ideia de utilizar IA no drive-thru, mas reconheceu que aquela implementação ainda não entregava a confiabilidade necessária.
O que esses erros ensinam sobre adoção responsável de IA?
To the experiências do Starbucks, da Target e do McDonald’s aconteceram em contextos diferentes, mas apresentam um problema em comum: a tecnologia foi ampliada antes de demonstrar que conseguia lidar, com segurança e consistência, com a complexidade da operação real.
No Starbucks, o sistema não reconhecia corretamente produtos e quantidades. Na Target, o chatbot interno fornecia orientações inadequadas aos funcionários. No McDonald’s, a IA tinha dificuldades para compreender pedidos feitos em ambientes com ruídos, diferentes sotaques e interrupções. Em todos os casos, uma ferramenta criada para reduzir o trabalho acabou gerando correções manuais, transtornos operacionais, insatisfação e novos riscos.
Essas histórias mostram que uma boa estratégia de adoção de IA não começa pela pergunta “onde podemos colocar inteligência artificial?”, mas por uma análise mais importante: “qual problema precisamos resolver e como saberemos se a tecnologia realmente melhorou o processo?”.
A partir desses casos, alguns aprendizados se destacam:
1. A IA deve partir de um problema real, não de um modismo
Adotar IA apenas porque a tecnologia está em evidência pode levar a investimentos desconectados das necessidades da empresa. Antes de escolher uma solução, é preciso compreender o processo atual, identificar gargalos, calcular custos, ouvir as pessoas envolvidas e estabelecer objetivos concretos.
No Starbucks, por exemplo, a intenção de reduzir o tempo gasto na contagem de estoque era legítima. O erro não estava necessariamente no objetivo, mas em considerar que uma tecnologia promissora já estava pronta para substituir um procedimento operacional importante.
THE IA precisa entregar uma melhoria mensurável. Isso pode significar reduzir o tempo de atendimento, diminuir erros, evitar desperdícios, aumentar a produtividade ou melhorar a experiência do cliente. Quando não existem indicadores claros, a empresa corre o risco de confundir utilização da ferramenta com geração de valor.
READ ALSO: “IA & Marketing: Não basta mais ser encontrado! É preciso ser recomendado!”
2. Um piloto bem-sucedido não garante uma operação bem-sucedida
Soluções de IA podem funcionar corretamente em testes controlados e falhar quando expostas ao cotidiano. Reflexos, embalagens diferentes, conexão instável, ruídos, sotaques, perguntas inesperadas e mudanças no comportamento dos usuários são apenas algumas das variáveis encontradas em ambientes reais.
Por isso, os testes precisam reproduzir diferentes cenários, inclusive situações adversas e exceções. Uma solução para o varejo deve ser experimentada em lojas de tamanhos, estruturas e regiões diferentes. Um voicebot precisa compreender vozes, ritmos de fala e níveis variados de ruído. Um chatbot corporativo deve ser avaliado com perguntas simples, ambíguas, sensíveis e potencialmente críticas.
THE expansão deve ocorrer gradualmente, com critérios objetivos para avançar, ajustar ou interromper o projeto.
3. Os funcionários devem participar da adoção da tecnologia
Quem utiliza a ferramenta diariamente costuma perceber problemas que não aparecem nos relatórios executivos. Por isso, ignorar os alertas dos funcionários é também ignorar uma importante fonte de dados sobre o desempenho da IA.
No caso do Starbucks, trabalhadores relataram erros e dificuldades, mas o uso continuou sendo incentivado. Isso demonstra como metas de adesão podem esconder falhas: quando o objetivo é apenas aumentar o número de usuários, as equipes podem ser pressionadas a utilizar uma solução mesmo quando ela gera retrabalho.
A adoção responsável exige canais de feedback acessíveis, retorno rápido sobre os problemas registrados e autonomia para suspender o sistema em situações críticas. Os profissionais não devem ser vistos como obstáculos à automação, mas como participantes do desenvolvimento e da melhoria contínua da tecnologia.
4. Toda IA precisa de monitoramento contínuo
One solução não deixa de exigir atenção depois que entra em produção. Seu desempenho pode mudar com novos dados, alterações no processo, comportamentos inesperados ou transformações no ambiente de uso.
THE empresa deve acompanhar indicadores como taxa de erro, tempo economizado, quantidade de intervenções humanas, reclamações, desperdícios, custos adicionais e impacto sobre clientes e funcionários. Esses dados ajudam a identificar se a IA está cumprindo seu propósito ou apenas transferindo o trabalho para outra etapa.
Também é necessário definir limites mínimos de desempenho. Caso a ferramenta fique abaixo desses parâmetros, deve existir um correction plan, retorno ao processo anterior ou encaminhamento imediato para uma pessoa.
5. Supervisão humana não é sinal de fracasso
Automação inteligente não significa retirar completamente as pessoas do processo. Em muitos casos, o melhor resultado vem da combinação entre a velocidade da tecnologia e a capacidade humana de compreender contexto, exceções, emoções e consequências.
Um assistente de IA pode solucionar dúvidas frequentes, mas questões sensíveis devem ser encaminhadas a especialistas. Um voicebot pode registrar pedidos, mas precisa permitir que o cliente fale com um atendente quando houver dificuldade de compreensão. Uma ferramenta de visão computacional pode apoiar a contagem de estoque, mas seus registros devem ser verificáveis e corrigidos facilmente.
THE objetivo não é escolher entre pessoas ou máquinas. É definir quais tarefas podem ser automatizadas, quais decisões exigem validação e em quais situações a intervenção humana é obrigatória.
6. Governança de IA deve acompanhar todo o projeto
THE governança de IA reúne políticas, responsabilidades, controles, métricas e processos de auditoria que acompanham a tecnologia desde a escolha dos dados até seu funcionamento em produção. Ela define quem responde pela solução, como incidentes serão tratados, quais informações devem ser registradas e quais riscos são aceitáveis.
Sem essa estrutura, falhas podem ser tratadas como acontecimentos isolados, mesmo quando indicam um problema sistêmico. Com governança, a empresa consegue rastrear decisões, investigar erros, atualizar modelos, proteger dados e interromper aplicações que não estejam funcionando adequadamente.
To the histórias de Starbucks, Target e McDonald’s não demonstram que as empresas devem evitar a inteligência artificial. Elas mostram que inovar exige mais do que comprar uma ferramenta, anunciar um projeto ou acelerar sua implantação.
Não se trata de automatizar pelo simples fato de parecer moderno. A adoção de IA precisa otimizar processos, reduzir dificuldades e potencializar o esforço humano.
Para empresas que desejam implementar IA com segurança, monitoramento e objetivos claros, a Matrix Go desenvolve soluções de inteligência artificial e automação conectadas à realidade de cada operação. Com chatbots, voicebots, agentes de IA e plataformas de atendimento inteligente, é possível reduzir custos, melhorar o relacionamento com clientes e ampliar a produtividade das equipes sem abrir mão da supervisão humana.
Contact us via WhatsApp: 0800 604 5555
READ ALSO: “Governança de IA: o novo pilar estratégico da transformação digital“
