O que é IA sob medida, sem exagero

IA sob medida é software construído em volta de um processo específico da empresa, em que um modelo de linguagem ou de machine learning é uma das peças, e não o produto inteiro. Em quase todos os projetos, o modelo é contratado por API. O que se desenvolve de verdade é o caminho dos dados até a decisão: de onde vem a informação, que regra vale, quem aprova e onde o resultado aparece.

Esse texto é para quem está diante da pergunta "compramos uma ferramenta ou construímos a nossa?". A gente responde essa pergunta com frequência na GUSTA, e a resposta honesta muitas vezes é "nenhuma das duas, integre o que você já tem".

Diagrama com cinco camadas de um sistema com IA sob medida: dados, regras, modelo, orquestração e pessoas, destacando que só o modelo é comprado por API
As cinco camadas de um sistema com IA. Só o modelo costuma ser comprado pronto. O resto é desenhado para o processo da empresa.

O que sob medida não quer dizer

Não é treinar um modelo do zero. Isso custa caro, exige muito dado rotulado e raramente se paga fora de empresas de tecnologia. Ajuste fino (fine-tuning) aparece de vez em quando, mas a maioria dos problemas se resolve com um bom modelo pronto e contexto bem montado.

Não é só um prompt bem escrito. Prompt é uma parte pequena. O sistema precisa buscar dado atualizado, aplicar regra de negócio, registrar o que aconteceu e deixar uma pessoa corrigir quando necessário.

Não é sempre um chatbot. Muitos dos projetos mais úteis não têm conversa nenhuma. Uma rotina que lê pedidos, classifica exceções e só chama alguém quando algo foge do padrão também é IA sob medida.

Três caminhos: comprar, integrar ou construir

Caminho Quando faz sentido O que pode dar errado
Assinar uma ferramenta pronta O processo é parecido com o de muitas empresas: atendimento básico, transcrição, redação, resumo de reuniões Dados fora de casa, personalização limitada e custo que cresce com o uso
Integrar IA aos sistemas atuais Os dados já estão no ERP, no CRM ou na loja, e falta uma etapa inteligente entre eles Integrações que quebram quando um fornecedor muda a API
Construir um sistema próprio O processo é o diferencial da empresa, ou nenhuma ferramenta faz o que ele exige Custo inicial, dependência de time técnico e manutenção contínua

O caminho do meio é o mais subestimado. Uma empresa que já tem ERP, CRM e loja virtual raramente precisa de um sistema novo. Precisa que esses sistemas conversem, com uma camada de IA nos pontos em que hoje alguém copia, cola e decide na mão. O guia sobre integração entre e-commerce, ERP e marketplaces mostra como essa base costuma ser montada.

Sinais de que vale construir

  • O processo tem regras que só existem na sua empresa. Precificação por contrato, aprovação por alçada, exigência regulatória do setor.
  • Os dados estão espalhados em três ou mais sistemas e nenhuma ferramenta pronta conecta todos.
  • O volume é alto. Quando a cobrança por usuário ou por uso de uma ferramenta passa do custo de manter um sistema, a conta muda. O artigo sobre quanto custa um chatbot com IA mostra como essa cobrança escala.
  • Você precisa de controle. Onde os dados ficam, quem acessou, qual regra gerou cada decisão.
  • A solução resolveria o mesmo problema em outras empresas. Aqui começa a conversa sobre SaaS.

E os sinais de que ainda não é hora: a empresa quer "ter IA" mas não sabe em qual processo; o volume é baixo; ninguém da operação vai usar ou revisar o que o sistema produz.

Quando o sistema vira um SaaS

Um sistema interno atende uma empresa. Um SaaS atende várias ao mesmo tempo, e isso muda a arquitetura desde o primeiro dia. A Nola AI, o assistente de vendas que a GUSTA desenvolve e mantém, é um bom exemplo do que entra nessa lista.

Página da Nola AI, SaaS de assistente de vendas com IA para VTEX, Shopify, WooCommerce e Magento
A Nola AI é um SaaS: cada loja tem catálogo, assistente, equipe e cobrança separados na mesma plataforma.

Isolamento entre clientes. Cada loja tem o próprio catálogo, histórico e configuração, e nenhum dado atravessa de uma para outra. Na Nola, painel, chat e API rodam separados, e toda consulta carrega a identificação da loja.

Limites e cobrança por uso. O custo do modelo de IA entra no preço do plano, então é preciso medir o consumo por cliente, definir limites e decidir o que acontece quando eles acabam. Na Shopify, a cobrança ainda precisa passar pelo sistema de faturamento da própria plataforma.

Permissões. Dono da loja, atendente e agência não veem as mesmas coisas. A Nola tem seis permissões configuráveis por usuário.

Onboarding sem depender de reunião. Tutoriais de instalação por plataforma, templates de fluxo por nicho e e-mails automáticos fazem o cliente chegar sozinho ao primeiro resultado.

Dados que o modelo não pode inventar. Pergunta de preço e estoque não passa por busca de texto parecido. Vira uma consulta de verdade no catálogo. Esse tipo de decisão, que mistura modelo de linguagem com banco de dados tradicional, é o que separa um protótipo de um produto confiável.

Exemplos de IA sob medida além do chatbot

  • Triagem de pedidos e chamados. O sistema lê, classifica, extrai os dados importantes e encaminha no CRM ou no ERP. Uma pessoa só entra nas exceções.
  • Cadastro de catálogo. Planilhas de fornecedor viram descrições, atributos e categorias padronizados, com revisão humana antes de publicar.
  • Leitura de documentos. Notas, contratos e formulários preenchem o sistema sem digitação, com registro de onde veio cada campo.
  • Previsão de demanda. Aqui o modelo nem é de linguagem. Machine learning clássico em cima do histórico de vendas costuma funcionar melhor para prever estoque.
  • Busca interna. A equipe pergunta em português e recebe a resposta com o link do documento de origem.
  • Relatórios em linguagem natural. A pergunta vira consulta no banco, e o número vem do dado real, não de uma estimativa do modelo.

No e-commerce, esses projetos costumam aparecer junto com a decisão de sair de uma plataforma pronta. O artigo sobre e-commerce sob medida com IA trata desse caso específico, e o de automação de e-commerce com IA lista os processos que mais valem a pena automatizar primeiro.

Como começar sem apostar alto

  1. Escolha um processo com dor medida. Horas por semana, erros por mês, pedidos atrasados. Sem número de partida, não dá para saber se o projeto funcionou.
  2. Mapeie dados e regras. De onde vem cada informação, quem decide o quê e o que acontece nas exceções.
  3. Defina o que a IA faz sozinha e o que precisa de aprovação. Começar com aprovação humana em tudo e ir liberando conforme a confiança cresce é mais seguro que o contrário.
  4. Rode um piloto curto com um grupo pequeno de usuários e compare com o processo antigo.
  5. Só então decida o formato: manter como ferramenta interna, expandir para outras áreas ou transformar em produto.

Nos cases da GUSTA, esse desenho aparece de formas diferentes. Na ENE2ESE, o chatbot integrado à loja tem critérios claros de quando transferir para uma pessoa. Na Vixting, site e atendimento conversacional são tratados como partes da mesma operação.

Quanto custa e quanto tempo leva

Não existe preço de tabela para sistema sob medida, mas os fatores que pesam são sempre os mesmos:

  • quantidade de sistemas que precisam ser integrados, e a qualidade da API de cada um;
  • estado dos dados: um cadastro bagunçado custa mais que qualquer modelo;
  • número de telas e de perfis de usuário;
  • exigências de segurança, auditoria e LGPD;
  • se o sistema atende uma empresa ou várias, como um SaaS;
  • volume de uso do modelo de IA, que costuma ser a menor linha do orçamento.

Sobre esse último ponto, o comparativo dos modelos GPT-5.6 mostra quanto a escolha do modelo muda o custo de operação.

Perguntas frequentes

IA sob medida significa treinar um modelo próprio?

Quase nunca. Na maioria dos projetos, o modelo é contratado por API e o desenvolvimento se concentra em dados, regras, integrações e telas. Treinar do zero só faz sentido com muito dado exclusivo e um problema que nenhum modelo pronto resolve.

Os dados da empresa são usados para treinar o modelo da OpenAI?

Pela política da OpenAI, dados enviados pela API não são usados para treinar os modelos por padrão. Mesmo assim, o projeto deve definir quais dados saem da empresa e mascarar informação sensível quando possível.

Dá para começar com uma ferramenta pronta e migrar depois?

Dá, e muitas vezes é o melhor caminho. A ferramenta pronta ajuda a descobrir o que o processo realmente precisa. O cuidado é garantir que os dados possam ser exportados quando chegar a hora de migrar.

Qual a diferença entre IA sob medida e automação?

Automação tradicional segue regras fixas. IA entra quando a entrada é imprevisível, como um texto livre, um documento diferente a cada vez ou uma pergunta de cliente. Na prática, os melhores sistemas combinam as duas coisas.

Quem mantém o sistema depois que ele entra no ar?

Alguém precisa manter. APIs mudam, modelos novos saem e o processo da empresa evolui. Na GUSTA, os projetos seguem com suporte contínuo, como nos cases da ENE2ESE e da Vixting.

CTA

Tem um processo que nenhuma ferramenta pronta resolve bem? Fale com a GUSTA e a gente ajuda a decidir entre comprar, integrar ou construir. Se o desafio é vender mais em uma loja virtual, conheça a Nola AI.