Integrar IA aos sistemas que a empresa já tem: CRM, ERP e site sem reescrever tudo

Neste artigo6 partes

1. Por que projeto de IA vira projeto de integração
2. As peças de uma integração que a TI vai perguntar
3. E quando a IA errar, o que acontece no sistema?
4. Sem reescrever tudo: integrar ao que já existe
5. Dado, LGPD e onde ele circula
6. Quando não vale a pena
7. Perguntas frequentes

Por que projeto de IA vira projeto de integração

Num projeto de IA dentro de uma empresa, a menor parte do trabalho é o modelo. A maior parte é fazer o modelo conversar com os sistemas que já existem: autenticar, respeitar permissão, entrar na fila, registrar o que aconteceu, controlar o custo e saber o que fazer quando ele falha ou demora.

Em demonstração, nada disso aparece. Um modelo responde bem a uma pergunta bem formulada, numa tela limpa, com dado de exemplo. Em produção, ele recebe dado incompleto, compete com outros processos por recurso, precisa de credencial para ler o CRM e, de vez em quando, devolve algo que não deveria ir para o banco de dados. É aí que o projeto se decide.

Esse é também o ponto em que a regra de divisão de trabalho que adotamos, descrita em o que a IA faz e o que continua humano num projeto de software, deixa de ser princípio e vira arquitetura. A IA gera, classifica, resume. O desenho da integração decide o que ela pode fazer com isso, e quem revisa.

Projeto de IA é, na maior parte, projeto de integração. O modelo é uma peça; o resto decide se a TI aprova.

Compartilhar esta frase

Quem vai aprovar ou vetar o projeto, em geral, é a TI. E a TI não pergunta qual modelo foi escolhido. Pergunta o que acontece com o sistema dela.

As peças de uma integração que a TI vai perguntar

Uma integração de IA bem desenhada responde a cinco perguntas antes que alguém as faça: com que identidade a IA age, como as chamadas são controladas, o que fica registrado, quanto custa cada uso e o que acontece quando o modelo não responde.

Autenticação e permissão: quem a IA representa dentro do sistema

Toda chamada ao CRM, ao ERP ou ao banco do site precisa de uma identidade. A pergunta é qual. Se a IA usa uma credencial de administrador, ela enxerga e altera tudo. Se usa a credencial do usuário que fez o pedido, herda as permissões dele, o que costuma ser o comportamento esperado.

O desenho mais seguro é dar à integração uma identidade própria, com o menor acesso possível, e fazer as ações em nome do usuário apenas quando necessário, sempre dentro do que ele poderia fazer sozinho. Credenciais ficam guardadas fora do código, com rotação prevista.

Fila e limite de chamada

Modelos de linguagem demoram mais para responder do que uma consulta comum ao banco, e os serviços que os oferecem impõem limites de chamadas. Se a integração chama o modelo de forma síncrona, dentro da requisição do usuário, qualquer lentidão vira tela travada.

Por isso as tarefas que não precisam de resposta imediata costumam ir para uma fila: o pedido é registrado, processado em segundo plano e o resultado aparece quando estiver pronto. A fila também absorve picos, reprocessa o que falhou e impede que um volume inesperado derrube o resto do sistema.

Registro do que o modelo recebeu e respondeu

Cada chamada deveria deixar rastro: quem pediu, o que foi enviado ao modelo, o que voltou, o que o sistema fez com a resposta e se uma pessoa alterou o resultado. Esse registro serve para auditoria, para investigar um erro e para medir se a IA está ajudando.

O cuidado é com o próprio registro. Se a entrada tem dado pessoal, o log também tem. Retenção, acesso e mascaramento precisam ser decididos junto com o resto.

Custo por chamada e controle de uso

A maioria dos modelos é cobrada por volume de uso. Isso quer dizer que o custo cresce com o número de chamadas e com o tamanho do que é enviado em cada uma. Um laço mal escrito, um usuário que repete a mesma pergunta ou um documento grande demais mudam a conta.

O controle entra no desenho: limite por usuário e por período, alerta quando o consumo foge do padrão, cache para perguntas repetidas e corte do que não precisa ser enviado. As outras linhas de custo que aparecem depois da entrega estão em o custo de manter IA em produção.

Fallback: o que acontece quando o modelo falha ou demora

O modelo vai ficar indisponível em algum momento, ou vai demorar mais que o aceitável. O sistema precisa saber o que fazer. As opções mais comuns são devolver a tarefa para o fluxo manual, mostrar ao usuário que a sugestão não está disponível agora, tentar de novo mais tarde pela fila ou usar uma regra simples no lugar.

O que não pode acontecer é o processo principal parar porque a IA parou. Ela é uma peça a mais, não o eixo do sistema.

E quando a IA errar, o que acontece no sistema?

A IA vai errar, e o desenho precisa tratar isso como caso normal, não como exceção. O erro só vira incidente quando a integração permite que uma resposta errada seja gravada, enviada ou executada sem que ninguém perceba.

Quatro padrões reduzem esse risco:

• Resposta como sugestão. A IA propõe a classificação, o resumo ou o preenchimento. O usuário aceita, edita ou recusa.
• Revisão antes de gravar. Ações que alteram registros importantes passam por uma pessoa antes de chegar ao banco.
• Reversão fácil. Tudo o que a IA altera pode ser desfeito, com histórico do valor anterior.
• Alerta ao responsável. Quando a resposta foge do padrão esperado, alguém é avisado.

Nenhum desses padrões promete ausência de erro. Eles fazem o erro tender a ser visto, corrigido e aprendido antes de chegar ao cliente.

Sem reescrever tudo: integrar ao que já existe

Na maior parte dos casos, não é preciso trocar o CRM, o ERP ou o site para usar IA. A condição é que o sistema exponha os dados e as ações necessários, por API, por banco de dados acessível ou por algum mecanismo de exportação e importação confiável.

Integração e automação entre sistemas é um dos serviços da Software House da Pocket Lab, e desenvolvemos sites, plataformas e integrações internamente, sem terceirizar. Usamos IA no nosso próprio trabalho de monitorar e corrigir sistemas em produção, com arquitetura e decisão técnica humanas. Essa experiência é que sustenta a leitura abaixo.

CRM

Os usos mais comuns ficam em torno do registro: resumir o histórico de uma conta antes de uma reunião, sugerir a próxima etapa de uma oportunidade, classificar contatos que chegaram pelo site, preencher campos a partir de um e-mail. Quase sempre como sugestão para o vendedor aceitar.

O ponto de atenção é a qualidade do próprio CRM. Se o cadastro tem duplicidade e campos vazios, a IA vai resumir e sugerir a partir disso. Às vezes o primeiro ganho de um projeto de IA no CRM é a limpeza que ele obriga a fazer.

ERP

No ERP o cuidado é maior, porque o dado é financeiro, fiscal ou de estoque. A IA costuma entrar em leitura e conferência: apontar lançamentos fora do padrão, conferir documentos recebidos contra pedidos, extrair dados de arquivos para pré-cadastro. Gravar direto no ERP sem revisão raramente compensa o risco.

Site

No site, a IA pode ajudar a classificar e encaminhar formulários, responder dúvidas com base em conteúdo aprovado e organizar o que chega para o time comercial. O site é a parte mais exposta, então vale o mesmo cuidado do contato direto com o cliente: conteúdo de origem conhecida, passagem para uma pessoa e acompanhamento das respostas.

Dado, LGPD e onde ele circula

O caminho do dado é decisão de arquitetura, não detalhe de implementação. Em cada chamada, parte da informação do sistema é enviada a um modelo. Se esse modelo roda num serviço externo, o dado sai do ambiente da empresa, e havendo dado pessoal, o assunto passa a envolver a LGPD.

As perguntas certas são objetivas: que dado é enviado em cada chamada, se dá para enviar menos, onde o serviço processa e se guarda o que recebe, por quanto tempo os registros ficam e como um dado é excluído quando precisa ser. A resposta sobre base legal é do jurídico da empresa, e o desenho técnico precisa permitir cumprir o que ele decidir.

Quando a integração usa documentos internos como base para as respostas, o cuidado aumenta, e o assunto tem um texto próprio: o que precisa estar pronto antes de um projeto de RAG. Para quem está escolhendo o fornecedor, o roteiro mais amplo está em como contratar uma software house para um projeto com IA. Estas são as perguntas para levar à reunião.

Quando não vale a pena

Integrar IA não compensa quando o sistema legado não tem como expor os dados, quando não há quem revise, quando a integração custa mais que o problema ou quando o dado não pode sair do ambiente da empresa.

• Sistema legado sem API e sem como expor dado. Se a única forma de chegar à informação é a tela do usuário, a integração vira uma solução frágil, que quebra a cada mudança de tela. Antes vem a modernização do acesso ao dado.
• Processo sem revisor. Se ninguém vai conferir o que a IA sugere, a integração só acelera o erro.
• Integração mais cara que o problema. Autenticação, fila, registro e fallback têm custo de construção e de manutenção. Para um processo pequeno, uma automação comum ou um ajuste no sistema costuma resolver.
• Dado que não pode sair do ambiente. Se a regra da empresa ou do contrato impede o envio a serviço externo, o projeto só segue com modelo hospedado num ambiente controlado, e essa é outra conversa de custo e de arquitetura.

Dizer isso na primeira conversa economiza tempo dos dois lados. Se a sua integração passou pelos filtros, conheça como trabalha a Software House da Pocket Lab.

Perguntas frequentes

É preciso reescrever o sistema para usar IA?

Normalmente não. A IA entra por integração com o que já existe, desde que o sistema exponha os dados e as ações necessárias.

O que acontece quando a IA erra dentro do sistema?

O desenho deve prever o erro: resposta tratada como sugestão, revisão antes de gravar, registro e forma de reverter.

O que perguntar ao fornecedor antes de integrar IA?

Onde o dado circula, o que fica registrado, como o custo é controlado, o que acontece na falha e quem mantém depois do lançamento.