Eu testei uma 'solução de IA'. Dois dias depois entendi: era a Ana de Manila
Uma história sobre um produto pelo qual o cliente pagava $18 000 por ano — que se revelou ser uma planilha com quatro operadores. Seis sinais que pegam isso em cinco minutos.
No meio do verão um cliente me ligou com uma tarefa pequena e triste. Há um ano ele tinha comprado uma "solução de IA para processar solicitações de entrada". Pagava $1 500 por mês. A solução funcionava: e-mails chegavam, em uma ou duas horas saíam as respostas, os clientes ficavam satisfeitos.
Em julho essa solução começou a falhar. Num dia não respondeu a ninguém. No seguinte respondeu, mas em oito idiomas, dos quais só um estava correto. No terceiro — silêncio de novo. O cliente ligou para o suporte do provedor. Disseram "vamos corrigir, manutenção técnica". Uma semana depois — o mesmo.
— Entende, — ele diz, — meus clientes estão começando a se ofender. Você consegue olhar? Você entende de IA.
Olhei. Em dois dias percebi que não há IA nenhuma nesta solução. Nenhuma.
Dentro da "solução de IA" havia uma planilha do Google. Planilha real. Com fórmulas. Ligadas a ela — quatro pessoas, operadores — pelos IPs e fusos, um em Manila, dois em Bangalore e um em algum lugar da América Latina (o fuso batia com a Argentina, mas não tenho certeza — podia ser a Colômbia). E-mails caíam na planilha, cada operador pegava sua fila, escrevia uma resposta de template interno e mandava.
As falhas de julho se explicavam simples: o operador de Manila pediu demissão, os outros receberam mais carga, não deram conta, e o processo interno quebrou. Eis a tal "manutenção técnica".
Isso não é maldade. Existe no mundo dos negócios uma ferramenta completamente legítima — o Mechanical Turk. Pessoas esvaziam a fila, o processo é mascarado como automação, o cliente não pergunta. Às vezes é o único jeito de lançar um serviço que ainda não tem volume para justificar treinar um modelo.
O problema é que isso tem que ser dito honestamente. O contrato do meu cliente tinha "AI-powered platform", "machine learning architecture" e "intelligent routing". Isso não é "MVP com humanos no loop". É engano.
E o cliente pagou $18 000 por ano por isso. Mais o dano à reputação com os próprios clientes quando a solução quebrou.
Nos seis meses seguintes, por coincidência, verifiquei mais sete produtos de IA que meus clientes usavam. Três em sete — humanos dentro. Mais dois — humanos parcialmente (casos simples eram do modelo, complexos do humano, e o cliente não sabia). Só dois — automação real de ponta a ponta.
É um resultado de campo, não estatística global. Mas, creio, bate com o que outros auditores independentes relatam.
Seis sinais que eu checo agora na primeira demo, e que entregam a Ana-de-Manila em cinco minutos.
Um. Latência da resposta 30 segundos ou mais. LLM normal numa tarefa típica responde em 2–15 segundos. Se um e-mail é processado em um minuto e meio — sobretudo em horário comercial em Manila ou Bangalore — é fila.
Dois. E-mail às 3 da manhã de sábado. Tentei uma vez, recebi resposta seis horas depois, quando o turno da manhã chegou. Na resposta tinha pedido de desculpas por "um pequeno atraso em função de manutenção dos sistemas". Manutenção dos sistemas, pelo visto, dorme em horário fixo.
Três. Frases humanas demais. LLMs erram de forma previsível: frases-modelo, excesso de avisos, parágrafos sempre arrumados. Humanos sob estresse e KPI quebram diferente: digitação, ordem de palavras, mudança súbita de caixa. Quando vi uma resposta com "desculpe pelo inconvenience :)" — anglicismo e carinha — já entendi.
Quatro. Mesmo input três vezes — três respostas nitidamente diferentes. LLM em temperature=0 devolve quase idêntico. Humano — sempre um pouco diferente, porque é humano, humor, cansaço e fuso mudam.
Cinco. Sem API. Sem docs. Sem streaming. Produto de IA sem API pública em 2026 é como loja online sem carrinho. Possível. Suspeito. Sem API, sem máquina que dê manutenção.
Seis. Resultado polido demais em tarefa difícil. O sinal mais contraintuitivo. Um relatório financeiro perfeitamente formatado em quatro segundos é, provavelmente, duas horas de analista entregues com atraso e carimbo "gerado por IA". LLM rápido não faz isso. E os que fazem — em modelo caro — respondem por $2, não $0.10. Se você recebe qualidade "cara" ao preço "barato", a qualidade está sendo feita por humano, não pelo modelo.
Quando "humano no porão" é a resposta certa:
— Revisão jurídica complexa em que erro custa caro. — Rotulagem médica exigida por regulador. — Idiomas / formatos raros em que modelos são fracos (basco, filipino em nível de dialeto, códigos setoriais estranhos).
Nesses casos a empresa honesta diz assim: "usamos revisão humana". E o preço reflete — é mais alto, porque hora-humana custa mais que segundo-modelo. Tudo bem.
Ruim — quando dizem "IA" e por dentro tem só a Ana.
Perguntas que eu empurro em negociação antes de assinar:
— Mostra a arquitetura. Não "me conta da sua IA" — me mostra num diagrama onde decide o modelo, onde decidem regras, onde decide humano. Se não desenha, não sabe. Se não sabe, o que tem dentro não é o que vende.
— Me dá SLA de latência. Segundos, não minutos. Se "até 30 minutos" — não é IA.
— Mostra o preço para um milhão de requests. IA real escala previsivelmente: mais requests = um pouco mais de tokens = um pouco mais de $$. Mechanical Turk escala linearmente em pessoas: 10x requests = 10x humanos = 10x custo. Se o preço não cai com volume, tem time dentro.
— Acesso à API. Sem API — não é plataforma, é serviço com etiqueta.
"IA por dentro" não é garantia. Dos oito produtos que abri naquele ano, quatro eram gente do começo ao fim, e outros dois eram gente pela metade.
Verificar custa cinco minutos. Decepção — $18 000 por ano. Meu cliente está agora com esse dinheiro construindo o próprio assistente, honestamente, no Claude, com código visível e latência medível. Vai entrar no ar em três semanas, e custar a ele quinze vezes menos do que a "solução" anterior.
Não tenha vergonha de perguntas desconfortáveis. Fornecedor honesto responde. O resto some.