A IA pode decidir sozinha, mas alguém no varejo tem que assinar embaixo

Minha posição: a régua não é o quanto a IA consegue, é quanto o erro custa

Eu leio todo anúncio de automação pela mesma pergunta: se isso der errado, quem paga e quanto? No varejo, essa conta nunca é abstrata. Um preço errado replicado em 400 lojas, uma devolução negada sem motivo, um agente que promete um reembolso que a política não cobre: tudo isso tem CDC, tem cliente nas redes e tem custo de reputação que nenhum dashboard de eficiência mostra no mesmo dia.

Foi por isso que prestei atenção no painel "IA, dados e humanos na nova arquitetura da decisão", no CONAREC 2026. Executivos do Santander, da B3, da Alpargatas e da Weduka discutiram, na prática, onde a IA já decide sozinha dentro de empresas grandes e onde elas continuam exigindo uma pessoa na ponta. A fala que resume o momento é do Santander.

O próximo passo é sair da economia da atenção para entrar na economia da decisão.

Eduardo Sasaki, diretor de Dados e IA do Santander Brasil

Se o consumidor vai delegar a um agente conversacional a escolha de qual produto comprar ou qual reclamação abrir, a empresa também precisa decidir, internamente, o que delega e o que não delega. É essa segunda decisão que interessa a quem está no conselho ou na cadeira de diretoria, porque é ela que aparece no balanço quando dá certo e no processo quando dá errado.

Onde a IA já decide sozinha, e por que isso funciona

O caso mais concreto do painel veio do próprio Santander: um agente de IA que trata reclamações de fraude em cartão reduziu em 90% o tempo de atendimento e toma cerca de 95% das decisões sem intervenção humana. Funciona porque o problema é fechado: tipo de ocorrência limitado, volume alto, regra clara de quando é fraude e quando não é.

Natália Heimann, da B3, descreveu o mesmo critério em outras palavras: repetição, volume de dados e uma métrica de sucesso bem definida formam a combinação que libera a automação total.

Quando você tem esse cenário, a IA navega bem. Mais uma vez, você confia muito. O risco é baixo, automatiza sem peso na consciência.

Natália Heimann, superintendente de Dados & Analytics para Crédito e Cobrança da B3

Repare no que ela não disse: em nenhum momento o critério foi "a tecnologia é capaz". O critério é o tamanho do dano se a decisão sair errada, multiplicado pela frequência com que ela se repete.

Onde a régua muda: risco maior pede humano na ponta

Quando a consequência para o cliente cresce, o desenho muda de automação total para o que Sasaki chamou de "segundo cérebro": a IA prepara, organiza e recomenda, mas quem assina é uma pessoa. Natália reforça o motivo com uma frase que eu recomendo colar na parede de qualquer comitê de dados.

Se o dado não estiver íntegro, você só vai escalar erro no seu modelo.

Natália Heimann, superintendente de Dados & Analytics para Crédito e Cobrança da B3

Um modelo sofisticado em cima de uma base de cadastro ruim não corrige o problema, ele industrializa o erro. É o argumento mais forte contra dar autonomia total cedo demais: a mesma automação que corta custo quando o dado está certo multiplica prejuízo quando o dado está errado, e os dois cenários usam exatamente a mesma arquitetura.

A Alpargatas ilustrou o meio do caminho. Com cerca de 2 mil produtos e variações no portfólio, a empresa aplicou um agente de IA à escolha de nomes de novos produtos, um processo bem delimitado, mas não entregou a decisão inteira à máquina: o agente automatizou mais de 80% da atividade, e o restante ficou com curadoria humana.

Charles Lorenzi, CEO da Weduka, resume o filtro que deveria vir antes de qualquer decisão de automatizar, independente de quem a aplica:

Olha para a cultura e para o objetivo específico do negócio, tenha certeza de que você está criando solução para um problema e não problema para uma solução.

Charles Lorenzi, CEO da Weduka

O contra-argumento que não dá para ignorar: velocidade também é risco

A objeção mais forte contra tudo isso é a de sempre: se eu travar toda decisão de maior risco numa aprovação humana, perco velocidade, e meu concorrente que automatizou mais rápido não perde. É um argumento real, não um espantalho.

Mas ele inverte a conta do risco. Um erro humano, isolado, afeta um cliente por vez. Um erro automatizado, numa regra aplicada a toda a base, afeta todos os clientes daquele segmento ao mesmo tempo, no mesmo dia, do mesmo jeito. É exatamente o que Natália descreveu como escalar erro: a automação não aumenta o risco por decisão, aumenta o risco por evento.

Por isso a velocidade só compensa quando a base de dados que alimenta a IA já está íntegra e o problema já está delimitado, como no caso de fraude do Santander. Automatizar rápido sobre dado sujo não é vantagem competitiva, é prejuízo em série com aprovação do conselho.

O que isso significa pro chão de loja e pro e-commerce

Traduzindo os critérios do painel para a operação de varejo, eu separaria assim:

• Reposição e estoque: repetitivo, volume alto, métrica clara (ruptura, giro). Dá para automatizar quase inteiro, como o Santander fez com fraude.
• Preço: automatizar ajuste dentro de uma faixa pré-aprovada é seguro; descontos agressivos ou fora da faixa pedem aprovação humana, porque o dano de imagem de um preço errado publicado é maior que o ganho de velocidade.
• Atendimento: aqui a régua não é só de negócio, é de CDC. Toda interação automatizada precisa garantir transferência para humano quando o cliente pedir, prazo de resposta definido e registro completo da conversa, porque é isso que vira prova em caso de reclamação.
• Troca e devolução: estorno automático até um teto de valor é defensável; acima do teto, ou em caso de produto com defeito recorrente, a decisão deveria ter uma pessoa assinando, porque o impacto de negar errado é reputacional, não só financeiro.

Dado do cliente tem dono, e isso trava ou libera a automação

Nenhum desses critérios funciona se a personalização por trás da decisão usar dado do cliente sem base legal clara. Se a IA vai recomendar produto, ajustar preço por perfil ou priorizar atendimento com base em histórico de compra, o gestor precisa saber qual dado está sendo usado e sob qual base da LGPD isso se sustenta, seja consentimento específico, seja execução de contrato. Decisão automatizada sobre dado mal fundamentado tem o mesmo problema que o modelo da B3 sobre base suja: escala o risco em vez de reduzir.

O número que eu olharia antes de aprovar mais autonomia pra IA

Antes de ampliar a autonomia de qualquer agente na próxima campanha, eu mediria três coisas: a taxa de escalonamento para humano (quantas vezes o cliente pediu e não conseguiu falar com uma pessoa), o tempo até a primeira resposta humana quando isso acontece, e a taxa de reclamação pós decisão automática, comparada à mesma taxa quando a decisão era tomada por gente. Se a reclamação sobe quando a IA decide sozinha, o problema não é a tecnologia, é ter dado autonomia num cenário que ainda pedia assinatura humana.

Fonte: Consumidor Moderno — Inteligência Artificial