Imagina uma seguradora brasileira de porte médio. Sinistro residencial. O dia útil padrão antes de IA generativa estourar — digamos, 2022.
Cliente liga, atendente abre formulário no CRM, transcreve a história. Encerrada a ligação, o sinistro entra na fila de análise. Um analista de sinistro abre o caso 2 dias depois, lê a transcrição, abre a apólice, verifica cobertura, classifica em padrão ou complexo. Padrão vai pra fila de aprovação automática (40% do volume). Complexo vai pra investigação, que envolve solicitação de documentos por e-mail, espera, leitura, validação, decisão. Tempo médio total de jornada: 14 dias úteis. Tempo médio que o cliente passa ansioso: o mesmo.
Essa seguradora existe, mas pediu pra não ser nomeada. O que vou descrever a partir daqui é o que ela fez entre 2024 e 2026 — e por que o resultado importa pra qualquer dono de processo que está pensando em IA no back-office.
O primeiro impulso (que quase todo mundo tem)
Em 2023, com ChatGPT ganhando manchete, o diretor de operações teve o impulso natural. Identificou as 3 partes mais tediosas do processo (transcrição de ligação, leitura de documento, geração de carta de comunicação) e contratou um consultor pra implementar IA assistiva em cada uma.
Funcionou — mais ou menos. Transcrição automática reduziu o tempo do atendente em 20%. Leitura assistida de documento reduziu o tempo do analista em 15%. Cartas automatizadas economizaram 30 minutos por caso. Somando, o tempo médio de jornada caiu de 14 para 11 dias. Foi celebrado em comitê. O programa de IA ganhou orçamento pra expandir.
Mas alguma coisa não estava certa. O cliente continuava ansioso quase os mesmos 11 dias. O NPS não mudou. O custo unitário caiu 12%. Aceitável, mas longe do que o board esperava ler como "transformação por IA".
Onde estava o erro
Eles tinham automatizado tarefas dentro do processo antigo. Em nenhum momento alguém perguntou se o processo deveria existir naquela forma. O processo de 2022 foi desenhado em torno de uma premissa implícita: cada caso precisa de um humano fazer triagem manual no início. Essa premissa entrou no desenho porque, em 2010, era a única forma de fazer. Em 2024, era hábito.
O resultado é o que McKinsey, BCG e várias outras consultorias chamaram em 2025 de bolt-on: você adiciona IA a um processo desenhado pra humano. Capacita um processo antigo de jeito incremental. Ganho 5-15%. Cliente nem nota.
A virada
Em meados de 2024, com um novo head de operações, a seguradora fez algo diferente. Em vez de pegar a próxima tarefa pra automatizar, parou tudo, fez process mining em 60 mil sinistros históricos e perguntou: se a gente tivesse desenhado esse processo hoje, com IA disponível, ele teria essa forma?
A resposta foi não. O processo redesenhado ficou assim:
Cliente liga, e a ligação é atendida por agente de voz que coleta os dados estruturados (data, endereço, tipo de evento) enquanto conversa. Em paralelo, durante a própria ligação, o agente já consulta a apólice, classifica complexidade, identifica cobertura. Se for caso padrão, comunica ao cliente o protocolo de aprovação ali mesmo, sem encerrar a ligação. Se for caso complexo, agenda visita de perito automaticamente, e o cliente sabe o próximo passo antes de desligar.
Em 70% dos casos, a decisão preliminar é tomada durante a primeira ligação. Em 25%, decisão final em até 48h. Em 5%, casos complexos que exigem investigação humana, com tempo médio de 7 dias. Tempo médio agregado da jornada: 2 dias úteis. Custo unitário caiu 42%. NPS subiu 18 pontos.
O que mudou, exatamente
As 3 lições
Por que esse caso importa pra qualquer empresa olhando IA em back-office: porque ele expõe três coisas que não aparecem em apresentação de fornecedor.
Lição 1 — Bolt-on é teto baixo, mesmo bem feito
Os 12% de redução de custo da fase bolt-on não foram ruins; foram o teto daquele desenho de processo. Maior empenho, mais ferramentas e mais treinamento dentro do mesmo desenho continuariam dando ganho marginal. Redesenho é o que destrava ordem de grandeza.
Lição 2 — O cliente não sente a IA; sente o desenho
O cliente da fase bolt-on não notou que tinha IA no processo. O cliente da fase redesenhada notou — porque a experiência foi visivelmente diferente. IA invisível na arquitetura do processo é o que vira NPS; IA visível como ferramenta auxiliar é o que vira custo unitário marginalmente menor.
Lição 3 — Dono de processo precisa decidir, não só opinar
A fase 1 falhou em parte porque o head de operações trouxe consultor pra implementar, recebeu output, validou e seguiu adiante. A fase 2 funcionou porque o head decidiu, pessoalmente, refazer a premissa de desenho. Em redesign, dono de processo não é stakeholder — é arquiteto. Outros papéis (TI, fornecedor de IA, consultoria) executam.
Quando esse caso replica e quando não
Antes de pegar essa narrativa e tentar replicar, vale calibrar. Redesenho profundo funciona melhor em processos com 3 características:
- Volume alto e padronizável (sinistro residencial, ticket de tier 1, fechamento mensal). Onde 60-80% dos casos podem ser tipificados, redesign destrava muito.
- Múltiplos handoffs entre humanos. Cada handoff é candidato a colapso quando o agente pode manter contexto entre passos.
- Cliente espera sem informação. Quando a espera é o ponto de dor, redesign é o que move NPS.
Onde não funciona: processos de cauda longa de exceção (cada caso é diferente), decisões com alta tolerância a erro (médica, jurídica em alto valor), áreas com regulação tão restritiva que cada passo precisa de aprovação dedicada.
O que perguntar antes do próximo POC
Se você é dono de processo lendo isso e considerando IA, três perguntas pra fazer antes do próximo investimento:
- Esse processo, se desenhado hoje do zero com IA disponível, teria essa forma? Se não, o investimento certo é redesenho, não automação.
- Qual handoff entre humanos é onde o cliente fica esperando sem saber? Esse é o handoff a colapsar primeiro.
- Eu, como dono, tenho mandato e tempo pra decidir o redesenho? Se não, recusa o projeto até ter.
O diagnóstico Fronteira avalia a profundidade de uso de IA por área. Áreas em nível 1-2 estão fazendo bolt-on; áreas em nível 4-5 fizeram redesign. A distância entre os dois é o que separa empresa que diz que faz IA daquela que de fato transformou.