O humano no circuito é o desenho em que uma pessoa aprova, corrige ou veta decisões da IA em pontos definidos, antes que elas virem ação. A ideia parece um freio ao ganho de escala, porém é o oposto: bem colocada, ela é o que permite confiar a operação a um modelo. Segundo a Gartner, mais de 40% dos projetos de IA agêntica devem ser cancelados até o fim de 2027, muito por controle de risco frágil. Ou seja, tirar a pessoa cedo demais quebra o projeto. Portanto, o ponto não é vigiar tudo. É vigiar o que importa.
O que é humano no circuito?
Humano no circuito: arranjo em que a IA executa a maior parte do trabalho, mas passa por uma validação humana nos momentos de maior risco ou incerteza, como aprovar um reembolso ou publicar uma resposta sensível.
O oposto é a automação total, em que o modelo decide e age sozinho. Entre os dois extremos, no entanto, existe um espectro. Por exemplo, você escolhe onde a pessoa entra: em toda decisão, só nas exceções, ou apenas na auditoria depois do fato. Assim, a escolha certa depende do custo de errar naquele ponto.
Na minha operação, trato o humano no circuito como um investimento com retorno claro. Afinal, cada ponto de checagem tem um custo de tempo, então só coloco onde o erro sairia caro. Por um lado, checar tudo é desperdício. Por outro, checar nada é imprudência. Portanto, o trabalho de arquitetura é achar o meio.
Repare que o humano no circuito não é o mesmo que revisão manual antiga. Antes, a pessoa fazia a tarefa inteira. Agora, a máquina faz e a pessoa julga o resultado nos pontos que importam. Por isso a produtividade cresce mesmo com gente no processo. O segredo está em desenhar poucos pontos de parada, bem escolhidos, em vez de espalhar checagem por toda a esteira.
Por que a IA ainda precisa de gente?
A IA ainda precisa de gente porque erra com confiança e não sabe quando não sabe. Por exemplo, um modelo pode gerar uma resposta perfeita na forma e errada no conteúdo. Assim, sem alguém para pegar isso nos pontos críticos, o erro escala na velocidade da máquina.
Os dados de adoção mostram que a supervisão anda escassa. Segundo a pesquisa State of AI da McKinsey, apenas 27% das organizações que usam IA generativa revisam todo o conteúdo produzido antes do uso. Ou seja, a maioria libera resposta sem olhar, e é aí que o risco mora. Por isso o humano no circuito existe: para fechar essa brecha onde ela dói.
Tem também o lado do projeto. A mesma Gartner que projeta o cancelamento de 40% dos projetos aponta custo e valor incerto entre as causas. Por exemplo, quando a empresa remove a pessoa cedo para ganhar velocidade, os erros geram retrabalho e desconfiança. Como resultado, o projeto morre não por falta de tecnologia, mas por falta de governança.
Onde colocar o humano no circuito
Você coloca a pessoa onde o custo do erro é alto e o modelo é menos confiável. Para isso, mapeie as decisões da operação por dois eixos: impacto e incerteza. Assim, o que é caro de errar e difícil para a IA acertar pede validação humana. Por outro lado, o que é barato e rotineiro pode rodar sozinho.
Veja um guia rápido de onde o humano no circuito costuma fazer sentido.
| Tipo de decisão | Papel da pessoa |
|---|---|
| Alto impacto e rara (crédito, demissão, contrato) | Aprova antes de executar |
| Média e frequente (resposta ao cliente incomum) | Revisa só as exceções |
| Baixa e repetitiva (classificar, resumir, marcar) | Audita por amostra depois |
| Sensível a lei ou marca (jurídico, saúde) | Aprova e assina |
Referências de mercado seguem essa lógica. Por exemplo, a estrutura de gestão de risco de IA do NIST e o artigo 14 do AI Act europeu tratam a supervisão humana como requisito, e não como enfeite. Ambos pedem que exista uma pessoa capaz de entender e reverter a decisão do sistema quando necessário.
Quanto de supervisão é demais?
Supervisão demais mata o ganho que você foi buscar na IA. Por exemplo, se uma pessoa revisa cada linha, você só trocou um gargalo por outro e ainda paga a conta do modelo. Assim, o sinal de excesso é claro: a fila de aprovação vira o novo atraso da operação.
O caminho, portanto, é calibrar. Comece com mais checagem, meça a taxa de acerto do modelo naquele ponto e afrouxe onde ele se mostra confiável. Ferramentas de avaliação de IA ajudam a decidir isso com dado, e não com medo. Ou seja, o humano no circuito deve encolher à medida que a confiança sobe.
Uma pergunta guia a decisão: o que acontece se a IA errar aqui sem ninguém ver? Por exemplo, se a resposta é um cliente irritado, talvez baste auditar por amostra. No entanto, se a resposta é uma multa ou um processo, a pessoa fica no circuito. Assim, o nível de controle acompanha o tamanho do estrago possível.
Existe um caminho do meio que muita PME ignora. Por exemplo, em vez de aprovar caso a caso, a pessoa pode revisar por amostra e ajustar a regra quando encontra um erro. Dessa forma, a IA segue rápida na maioria, enquanto o humano cuida do padrão, e não de cada item. Como resultado, você mantém a escala e ainda aprende com os erros que aparecem na amostra.
Onde o humano no circuito falha
O arranjo falha quando a pessoa vira carimbo. Por exemplo, depois de aprovar mil respostas certas, o revisor começa a clicar em “ok” no automático e deixa passar a milésima primeira, que estava errada. Assim, a supervisão existe no papel, mas não protege de nada.
Repare nos modos de falha mais comuns do humano no circuito:
- Fadiga de aprovação, quando o volume é tão alto que o revisor para de ler.
- Excesso de confiança na máquina, quando a pessoa assume que a IA está certa.
- Falta de contexto, quando o revisor não tem a informação para julgar.
- Ponto de checagem no lugar errado, longe de onde o erro de fato acontece.
A correção passa por desenho, e não por esforço. Por isso, reduza o volume que chega ao humano com guardrails de IA que barram o óbvio antes. Além disso, dê ao revisor a fonte usada pela resposta, apoiada em grounding, para ele julgar rápido. Como resultado, a atenção humana sobra para o caso que realmente exige. O AI Index 2025 da Stanford HAI reforça o ponto: incidentes com IA seguem em alta, então o desenho da checagem importa.
O que isso significa no Brasil
No Brasil, a supervisão humana ganha peso extra por causa da LGPD e do custo em dólar. Por exemplo, decisão automática sobre dado pessoal, como negar crédito, exige base legal e transparência. Assim, ter uma pessoa capaz de explicar e rever a decisão vira proteção jurídica, além de boa prática.
Tem o lado do custo também. Rodar modelo grande em toda tarefa sai caro quando a conta é em dólar. Por isso, muitas PMEs ganham ao usar um modelo para triar o volume e reservar a pessoa para o que sobra. Ou seja, o humano no circuito vira também uma escolha de eficiência, e não só de risco.
Vejo aqui uma vantagem competitiva pouco explorada. Por exemplo, empresa que documenta onde a IA decide e onde a pessoa aprova ganha confiança de cliente corporativo e do jurídico. Portanto, governança clara abre porta comercial, principalmente com contas grandes que auditam fornecedor antes de assinar.
Vale lembrar que o cenário regulatório ainda está em construção no país. Por exemplo, o projeto de lei que cria o marco de IA no Brasil segue em debate no Congresso. Enquanto a regra não fecha, quem já mantém uma pessoa capaz de explicar e reverter a decisão sai na frente. Assim, o humano no circuito deixa de ser custo e vira preparo, porque a exigência de supervisão tende a crescer, e não a diminuir.
Como estruturar a supervisão
Estruturar não exige comitê nem projeto de um ano. Exige mapa e disciplina. Afinal, a meta é ter clareza de quem responde por cada decisão da IA, e um jeito de melhorar isso com o tempo.
Para montar o seu humano no circuito, siga estes passos: primeiro, liste as decisões que a IA vai tocar e ordene por custo do erro. Segundo, defina o papel da pessoa em cada uma, seja aprovar, revisar exceção ou auditar amostra. Terceiro, dê ao revisor a fonte e o contexto para julgar rápido. Quarto, meça a taxa de acerto do modelo e afrouxe o controle onde ele merece. Quinto, registre tudo, porque governança que ninguém escreve não sobrevive à primeira troca de equipe. No fim, a IA faz o trabalho pesado, enquanto a pessoa decide o que não pode dar errado. Comece por uma decisão só, aprenda com ela e expanda o desenho para as próximas. Assim, a supervisão cresce junto com a sua confiança no modelo, e não contra ela.
Perguntas frequentes
Comentários (0)