Como é a IA num canteiro de obras sujo

Parte II da série "A IA está encurtando o caminho até o pequeno negócio"

O que este artigo aborda

Como a IA pode apoiar as primeiras semanas de um negócio que já está operando.
Uma limpeza pós-obra onde fotos, equipe, produtos químicos e prazo se misturam.
O que já funciona em contratação, compras, programação, qualidade e controle diário.
Onde termina o software empresarial comum e começa a nova camada de IA.
Por que tentativas mais baratas podem criar empresas, compras, contratos e trabalho.

Artigo completo

Na Parte I, escrevi sobre o caminho mais curto entre uma ideia e o primeiro teste sério de um negócio. Agora quero acompanhar o passo seguinte: o primeiro serviço de verdade, quando o plano encontra o piso, a equipe e o cliente.

Imagina um prédio comercial de vários andares no final da construção.

O cliente quer a limpeza final concluída andar por andar para fazer a entrega do prédio. No papel existe um cronograma, uma equipe, equipamentos, produtos químicos, prazo. Aí você entra no local.

Tem massa seca numa superfície, respingo de tinta em outra, cola de construção no piso de cerâmica. Se alguém atacar aquela cola com a espátula errada, o piso fica riscado antes mesmo de o cliente entrar. Ao mesmo tempo você encontra defeitos deixados pelas equipes da obra, avisa o responsável, e essas equipes voltam para as mesmas salas que o pessoal da limpeza está tentando terminar. A limpeza começou. A obra ainda não acabou por completo. Todo mundo está atrasado.

Isso é um trabalho grande normal.

Agora imagine como eu gostaria que a IA ajudasse nessa primeira vistoria. Fotos e vídeos de um celular ou câmera poderiam servir de base para uma ordem de serviço preliminar: o provável tipo de sujeira, a superfície, um possível defeito da construção. Duas pessoas aqui, uma ali; uma máquina para o quarto andar, um produto adequado para a cola, proteção para a parede pronta. Quantidades e tempo também precisariam de uma estimativa.

O supervisor confere, corrige e manda a equipe.

Duas horas depois o plano inicial já está errado. Cinco pessoas ficaram numa área onde duas dariam conta. Em outro andar, a sujeira é mais pesada do que parecia e uma pessoa precisa de reforço. Um sistema que acompanhasse o andamento, as horas trabalhadas, os defeitos abertos e os equipamentos disponíveis poderia sugerir mandar três pessoas para cima. O supervisor verificaria se essa mudança faz sentido no local.

É aqui que a IA fica útil para uma pequena empresa. Não num domingo à tarde quando alguém está largado no sofá e diz: "Ei, IA, acho que quero ter uma empresa. Faz tudo pra mim agora."

Hoje não funciona assim. Embora talvez um dia funcione.

A IA ajuda quando a pessoa na sala entende o trabalho. Ela sabe por que uma espátula estraga a cerâmica e outra não. Sabe que uma foto pode confundir cola com selante. Sabe que cinco pessoas numa sala conseguem parecer ocupadas e mesmo assim perder metade do turno.

É esse tipo de ajuda que eu quero: conseguir aplicar o conhecimento do trabalho à operação inteira, inclusive nos lugares que não consigo acompanhar a cada momento.

O plano começa antes da chegada do primeiro funcionário

Todo pequeno negócio tem a sua versão daquele prédio.

Quem faz ternos precisa de medidas, tecido, provas, tempo de produção, compromisso de entrega. Uma marcenaria precisa de desenhos, aproveitamento do material, tempo de máquina, acabamento, instalação. Uma empresa de materiais de construção precisa de estoque, condições dos fornecedores, transporte, preço, crédito. Uma empresa de limpeza precisa de escopo, equipe, produtos, equipamentos, inspeção, faturamento.

Depois que o dono decide começar, a IA pode ligar trabalhos que antes estavam separados entre cadernos, planilhas, mensagens e a cabeça das pessoas.

A sequência útil é esta:

Capturar a situação real por documentos, fotos, vídeos, ligações, orçamentos e transações.
Transformar isso numa proposta de plano, checklist, comparação ou exceção.
Deixar a pessoa responsável aprovar ou corrigir.
Medir o que aconteceu e usar a correção no próximo plano.

O último passo é o principal. Sem ele, a IA continua produzindo versões bonitas das antigas suposições do dono.

A limpeza mostra o que já amadureceu e o que é novo

É por isso que volto à limpeza. Você pode ir ao local e examinar o resultado. O piso ficou pronto? A pessoa chegou? O produto removeu a cola sem danificar a superfície? Se a estimativa de horas estava errada, dá para investigar qual parte do serviço levou mais tempo.

Grande parte da tecnologia necessária já existe, mesmo sem ter sido chamada de GenAI quando foi criada. Produtos como CleanGuru e Aspire oferecem cálculo de orçamento, programação, registro de ponto com geolocalização, inspeções, custo por trabalho, faturamento, relatórios, controle de consumíveis e otimização de rotas.

Essa é a camada madura.

A camada nova permite que o dono converse com o sistema operacional em linguagem normal e entregue informação menos organizada. Fotos da vistoria. Áudio do supervisor. Reclamação do cliente. Pilha de propostas. Vídeo da inspeção. A IA pode preparar um orçamento a partir da vistoria, explicar por que o trabalho passou das horas previstas, criar instruções no idioma do funcionário, agrupar reclamações repetidas ou mostrar que um prédio consome muito mais produto por metro quadrado do que outros locais parecidos.

Novos produtos do setor já vendem propostas escritas por IA, ajuda com preços, programação e orientação operacional. O que ainda não temos é uma boa evidência independente separando o valor da GenAI do valor da disciplina digital básica.

Essa diferença importa. Se a empresa nunca mediu horas por trabalho, colocar um chatbot não resolve a falta de dados. Se as inspeções eram inconsistentes, um resumo de inspeções inconsistentes continua inconsistente.

Para o sistema explicar por que um andar levou mais tempo, a empresa primeiro precisa de um registro do trabalho naquele andar. Eu começaria por aí.

A contratação já ganhou uma camada de IA

Antes de mandar uma equipe para aquele prédio, alguém precisa contratá-la. O dono escreve a vaga, recebe currículos, marca conversas, toma notas, compara candidatos e depois tenta lembrar quem falou o quê. Isso pode ocupar boa parte das primeiras semanas.

A IA consegue comparar currículos com requisitos claros, preparar perguntas específicas, transcrever a entrevista, resumir as evidências e mostrar o que ainda precisa ser perguntado. O LinkedIn já oferece triagem de áudio e vídeo conduzida por IA, com perguntas, transcrição, resumo e nota.

Eu usaria como primeiro filtro e bloco de notas.

A U.S. Equal Employment Opportunity Commission deixa claro que triagem automática de currículo e avaliação de entrevista em vídeo continuam sendo decisões de emprego. A legislação contra discriminação continua valendo. Adaptações para candidatos continuam valendo. A recomendação ter vindo de um software não tira a responsabilidade do empregador.

Sugestões de perguntas em tempo real durante uma entrevista humana também existem, mas essa categoria ainda está no começo. Quase não há estudos independentes mostrando que um copiloto ao vivo melhora as decisões de contratação numa pequena empresa. Ele pode lembrar uma pergunta importante. Também pode tirar sua atenção da pessoa na sua frente.

Para aquele serviço de limpeza, eu ainda gostaria de ouvir como a pessoa pensa o trabalho. A transcrição me ajuda a voltar a uma resposta; ela não pode ter essa conversa por mim.

Não deixaria uma nota decidir quem recebe o emprego.

Compras e negociação precisam de uma mesa de apoio

Os equipamentos e produtos daquele serviço trazem outro conjunto de decisões. Só comparar fornecedores já leva tempo quando dez deles cotam o mesmo item de dez formas diferentes.

Um inclui entrega. Outro muda o tamanho da embalagem. Um oferece preço unitário menor, mas exige pedido mínimo maior. Outro dá trinta dias de crédito. A linha mais barata da tela pode virar a escolha mais cara depois de frete, desperdício, estoque e condições de pagamento.

A IA consegue normalizar as propostas, comparar especificações, marcar condições ausentes, calcular o custo total e preparar perguntas. Plataformas comerciais já oferecem busca com IA, comparação de produtos, informação sobre fornecedores e leitura de documentos.

Na negociação funciona igual. Antes da ligação, a ferramenta pode organizar sua BATNA, prazos, faixa aceitável, restrições do fornecedor e os pontos que você não deve entregar cedo demais. Depois, consegue analisar a transcrição e comparar o acordo com o que foi prometido.

Essa preparação me dá alguma coisa útil para levar à negociação. Durante a conversa, ainda preciso entender o que o outro lado oferece e quais condições estou aceitando.

Ainda não existe boa evidência de campo mostrando que a IA melhora de forma confiável as condições comerciais de pequenas empresas. Eu usaria para preparar a conversa, calcular e acompanhar as condições, deixando o acordo final com a pessoa responsável pela compra.

A gestão diária vira um ciclo de medição

Depois do lançamento, a pergunta muda. Você não está mais perguntando se a ideia parece boa. Está perguntando o que aconteceu hoje.

Quantos contatos chegaram? Qual orçamento virou contrato? Qual foi o valor médio? Quantas horas o serviço consumiu? Onde houve retrabalho? Qual material acabou? Qual cliente está esperando? O que aconteceu com a margem bruta?

Produtos de contabilidade já analisam demonstração de resultado, balanço, tendências e anomalias por meio de conversa. O dono pode perguntar por que o custo de mão de obra aumentou no mês ou qual grupo de clientes está pagando mais devagar.

A explicação continua dependendo do que foi registrado. Se as horas foram lançadas no serviço errado, o dono precisa perceber isso antes de agir com base na comparação.

A IA deve mostrar uma exceção e sugerir uma pergunta. O dono verifica a causa no local, no galpão, na gravação da ligação, na conta bancária. Esse ciclo diário vale mais que uma apresentação enorme no fim do trimestre.

Mais tentativas não significam mais empresas bem-sucedidas

O mesmo processo tem uma consequência mais ampla que me interessa. Se ficar mais fácil preparar um negócio e organizar os primeiros serviços, mais pessoas poderão chegar ao ponto de tentar.

Como discuti na Parte I, a pesquisa da Gusto com fundadores aponta principalmente para um caminho mais rápido e barato para quem já queria abrir um negócio. Ela não estabelece quantas empresas adicionais passaram a existir por causa da IA.

Mesmo assim, o efeito pode ser grande. Uma pessoa que já tinha vontade consegue chegar a um teste sério mais cedo.

Hoje consigo considerar um negócio de automação com agentes em logística, madeira, venda de materiais de construção, limpeza profissional. Consigo criar um produto infantil interativo que antes exigiria várias funções criativas separadas. Consigo trabalhar num software para limpeza porque entendo o processo e a IA reduz o custo da primeira versão.

Mais tentativas também vão produzir ideias ruins, projetos fechados, bobagem bem apresentada. Tudo bem. A pergunta importante é outra: uma ideia fraca pode ser interrompida cedo, e uma boa pode chegar ao cliente antes de o dono perder tempo, dinheiro ou coragem?

O boletim do Census Bureau de 11 de setembro de 2026 torna essa diferença concreta. Para agosto, informou 531.728 pedidos de identificação empresarial, com ajuste sazonal, e projetou 28.501 novos empregadores daquela coorte dentro de quatro trimestres. O segundo número é uma previsão de futuros negócios com folha de pagamento, não uma contagem de empresas que abriram em agosto. Um pedido não é uma empresa em operação.

O filtro continua duro. Numa coorte americana de estabelecimentos nascidos em março de 2013, 79,6% ainda funcionavam depois de um ano, 50,6% depois de cinco, 34,7% depois de dez.

A IA não remove esse filtro. Ela pode ajudar mais gente a chegar nele com melhor preparação e menos custo perdido.

Mais tentativas criam trabalho ao redor delas

As pessoas têm medo de que a IA elimine empregos. Parte desse medo faz sentido. Trabalho repetitivo vai mudar, algumas tarefas vão exigir menos horas.

Eu acho que estamos subestimando o movimento contrário.

Um novo contrato de limpeza compra produtos, equipamentos, uniformes, transporte, seguro, contabilidade, software de folha. Uma marcenaria compra material, lâminas, acabamento, embalagem, entrega. Um produto de histórias infantis precisa de distribuição, pagamentos, testes, atendimento, talvez novos artistas e editores quando a demanda aparecer. Um negócio solo pode começar com uma pessoa e contratar prestadores.

O efeito econômico não fica limitado à folha dentro da empresa nova. Inclui as compras e o trabalho profissional em torno de cada tentativa séria. Financiamento também. O relatório de 2026 do Federal Reserve sobre a pesquisa de 2025 informa que 60% das empresas empregadoras participantes buscaram financiamento nos 12 meses anteriores à pesquisa. Despesas operacionais e expansão foram os dois principais motivos.

Working papers recentes estão encontrando mais abertura de negócios e equipes iniciais menores em áreas mais expostas à GenAI. A evidência ainda é nova. É um sinal.

Minha aposta é simples: reduzir o custo de uma experiência competente vai criar demanda real ao redor das tentativas que avançarem. Algumas empresas vão contratar. Outras vão continuar pequenas e comprar serviço de alguém. Quero entender quanto dessa demanda pode crescer ao lado das tarefas que passam a ser automatizadas.

Os bancos entram na próxima redução de tempo

O banco digital já encurta alguns pedidos de conta e suas análises, enquanto instituições usam fluxo de caixa e machine learning na concessão de crédito. A GenAI entra na extração de documentos e no atendimento. Espero que essas peças se conectem mais à abertura de empresas e à contabilidade, mas isso é uma previsão minha. Os serviços existentes não demonstram que os bancos redesenharam produtos para fundadores apoiados por IA.

O relatório de 2026 do Federal Reserve também mostra o custo da rapidez. Entre candidatos a empréstimos, linhas de crédito ou adiantamentos sobre vendas, a parcela que procurou fintechs online subiu de 17% em 2020 para 29% em 2025. Entre tomadores, 60% dos que usaram credores online relataram custos acima do esperado, contra 37% nos bancos pequenos e 32% nos grandes. Esperar menos pode ajudar, mas o financiamento ainda precisa caber no trabalho que ele paga.

O dono ainda precisa conhecer o trabalho

Nos meus próprios projetos, volto ao mesmo ponto de partida: um negócio em que eu entenda o trabalho.

Se você faz ternos, precisa entender tecido, caimento, cliente, entrega. Se vende material de construção, precisa saber o que falha na obra e por que o empreiteiro reclama. Se limpa prédios, precisa saber o que remove cola sem destruir a cerâmica.

A IA ajuda com plano financeiro, perguntas tributárias, estrutura contábil, opções de crédito, marketing, contratação, compras, programação. Pode funcionar como especialista universal de primeira análise.

Quando a equipe sai daquele prédio, o cliente recebe um piso real, com o resultado de cada decisão tomada pelo caminho. Quero que o software ajude a pessoa responsável a enxergar essas decisões mais cedo, enquanto ainda dá tempo de mudá-las.

Aplicações práticas

Automatize primeiro o que pode ser medido: escopo, programação, horas, inspeção, custo, faturamento.
Use fotos e vídeos como entrada, depois exija confirmação humana das classificações e ordens de serviço.
Trate a IA de contratação como apoio para triagem e notas, nunca como juiz automático.
Entregue às ferramentas de compras propostas, especificações, condições de entrega e pagamento reais.
Revise exceções todos os dias, sem esperar uma explicação mensal.
Defina antes qual evidência significa seguir, ajustar ou parar.
Mantenha responsabilidade jurídica, promessa ao cliente, segurança e qualidade com uma pessoa identificada.

Em poucas palavras

Depois do lançamento, a IA ganha valor quando conecta dados operacionais reais com decisões responsáveis.
A limpeza já tem software maduro para orçamento, programação, ponto, inspeção e custo por trabalho.
A GenAI adiciona conversa e leitura de informação não estruturada, mas o ROI independente ainda é pouco medido.
Tentativas mais baratas não garantem empresas melhores. Elas permitem testar mais rápido e interromper cedo.
O efeito econômico pode incluir demanda para fornecedores, software, prestadores, financiamento e futuras contratações.
Conhecimento do setor continua sendo a base. A IA ajuda a transformar esse conhecimento num negócio repetível.

Denis Ostapenko · ORCID 0009-0006-2630-7280