Sou Keith Andes. Fui analista na Gartner e atualmente trabalho na área de marketing de produto. Nos últimos anos tenho acompanhado de perto o impacto da Inteligência Artificial (IA) no ITSM — e há uma tendência que me preocupa.

Muitas organizações estão a colocar a IA no centro da estratégia. Mas isso nem sempre é o ponto de partida certo.

A IA está em todo o lado: na agenda da direção, nas conversas das equipas e nas ferramentas que já se começam a testar. O problema é que, em muitas organizações, ainda não existe uma resposta clara para duas perguntas básicas: por onde começar e como gerar valor.

Na prática, a tecnologia aparece antes de o problema estar bem enquadrado. As equipas experimentam, exploram possibilidades, mas sem uma pergunta clara por detrás. A IA acaba por ser usada porque está disponível — não porque resolve algo concreto. Pode haver ganhos pontuais, sobretudo a nível individual. Mas aquilo que funciona numa experiência isolada dificilmente se transforma numa abordagem estruturada à escala da organização.

O problema não está em usar IA. Está em começar por ela. A prioridade deve ser outra: processos primeiro, IA depois.

(Dito isto, não tenho dúvidas sobre o potencial da IA. Vai transformar a forma como trabalhamos. Mas não vale a pena alimentar a ideia de que essa transformação será automática ou simples.)

1. O erro de começar pela IA

Quando a prioridade é “usar IA”, a iniciativa costuma surgir de cima: “Temos de fazer alguma coisa com IA.” A intenção é compreensível. Nenhum líder quer ficar para trás com a última tecnologia. O problema é que, muitas vezes, falta clareza sobre o objetivo concreto.

As equipas são pressionadas a introduzir IA, em vez de começarem por definir claramente o problema a resolver. O resultado são projetos soltos, trabalho duplicado e recursos investidos sem um retorno.

Dados recentes da EasyVista indicam que 95% das grandes organizações já recorrem à IA no ITSM de alguma forma (nas PMEs, a taxa aproxima-se dos 90%). Sem direção e critérios claros, as iniciativas não passam da fase experimental, e rapidamente surge a ideia de que a IA não era assim tão revolucionária.

O verdadeiro desafio não está em usar IA. Está em aplicá-la onde ela realmente acrescenta valor.

2. Escalar só faz sentido quando os processos já são consistentes

A IA não resolve processos mal estruturados — pelo contrário, tende a amplificá-los. Por isso, antes de integrar IA no seu ecossistema de ITSM, faz sentido começar pelas áreas que já funcionam de forma consistente e que podem beneficiar de maior eficiência.

Se o encaminhamento de incidentes já é inconsistente, a IA apenas vai acelerar o erro. Se o CMDB está desorganizado, a análise gerada refletirá exatamente essa desorganização. No fim, o resultado será sempre proporcional à qualidade dos dados de origem.

Não é necessário ter processos perfeitos para começar. Mas faz sentido começar onde já existe consistência: dados fiáveis, fluxos claros e resultados previsíveis. Em áreas desorganizadas, a IA tende a acrescentar ruído e a tornar ainda mais difícil perceber se o resultado está certo.

Vale a pena encarar a IA como um fator de ampliação daquilo que já funciona — não como uma solução para processos que estão desalinhados. A IA tende a gerar mais impacto nas áreas onde os processos já estão consolidados e funcionam de forma consistente. Comece por aí, confirme que está a trazer resultados e só depois avance para outras áreas.

3. Criar competência através de aprendizagem partilhada

Uma estratégia de IA sólida começa por aprendizagem — mas essa aprendizagem tem de ser partilhada. Faz sentido testar novas ferramentas, mas o que cada um aprende não pode ficar apenas ao nível individual. As equipas podem (e devem) testar ferramentas como o ChatGPT, mas o objetivo não é cada pessoa descobrir “truques” sozinha: é transformar essas experiências em prática comum.

Pode ser útil dedicar uma sessão mensal à partilha de experiências com IA. Se cada encontro se focar numa função específica, torna-se mais fácil identificar o que está a resultar:

Onde é que a IA ajudou a poupar mais tempo? Em que tarefas foi aplicada de forma prática? Houve alguma utilização que possa ser replicada por outras equipas?

Estas partilhas acabam por criar um “manual” interno. Com o tempo, começam a surgir padrões: situações em que a IA poupa tempo de forma consistente, melhora a experiência ou reduz trabalho manual. São esses os casos que vale a pena registar, consolidar e, depois, aplicar de forma mais alargada.

À medida que as equipas ganham confiança e consolidam conhecimento interno, o passo seguinte é ligar essas aprendizagens aos processos reais da organização. É aqui que entra a lógica de “IA por último”: perceber onde a IA faz sentido nos fluxos de trabalho — e onde uma automatização mais simples resolve o problema de forma mais eficaz.

4. Pensar em “IA por último” é fazer as perguntas certas

Depois de consolidar a aprendizagem interna, o passo seguinte é transformar esse conhecimento em melhorias concretas nos processos.

Em vez de começar pela tecnologia, vale a pena começar pela pergunta certa: qual é a solução mais simples para este problema?

Sempre que possível, comece por soluções simples e previsíveis. Por exemplo, use regras para automatizar a categorização de tickets. Quando os casos excecionais começarem a acumular-se — e as regras deixarem de ser suficientes — pode fazer sentido dar o passo seguinte e recorrer a aprendizagem automática. O objetivo não é evitar a IA. É usá-la apenas quando acrescenta valor.

Comece pelos processos. Automatize o que for possível com regras claras. Se uma lógica simples “se… então…” resolve o problema, não é preciso introduzir IA. É uma solução mais simples, mais previsível e mais fácil de manter.

É útil ouvir o que os fornecedores propõem — mas a conversa deve começar pela pergunta certa: Em que situações é que a IA traz algo que a automatização convencional não consegue oferecer?

Essa é a pergunta essencial. Depois, vale a pena aprofundar: “Como usam IA na própria organização?”, “Que resultados reais conseguiram noutras implementações?”, “Onde têm visto o retorno mais rápido?”.

Depois, é fundamental validar essas promessas. Estudos de analistas, como o Gartner AI Use-Case Assessment for IT Service Desk, avaliam aplicações de IA no ITSM com base na sua viabilidade e impacto. É este tipo de informação que deve orientar o plano — não um discurso comercial.

Quando os processos estão mais sólidos e existe uma cultura de aprendizagem, faz sentido olhar para onde a IA já está a trazer valor no ITSM. Com base na experiência com clientes e naquilo que se observa no mercado, algumas áreas destacam-se neste momento:

• Bots no portal ou no Teams para acesso conversacional
• Pesquisa com LLM aplicada a tickets e bases de conhecimento
• Correlação de incidentes e deteção de anomalias (com dados e integrações sólidos)
• Síntese de conhecimento para resumir resoluções, não apenas gerar conteúdo

A questão não é rejeitar a IA. É usá-la com critério e apenas onde faz sentido..

Conclusão

Devemos olhar para o futuro da IA com entusiasmo. Mas criar valor hoje não passa por tentar ser, de forma vaga, “IA em primeiro lugar”.Passa por perceber que problemas justificam o seu uso — especialmente aqueles que não seriam resolvidos apenas com automatização tradicional.

Primeiro os processos. Depois a automatização. A IA entra quando acrescenta algo que as soluções mais simples não conseguem oferecer.

A IA não corrige problemas de base. Mas, com base sólida, pode elevar significativamente a operação.