Redesenho de processos administrativos com IA: como sair da tarefa avulsa e reprojetar o fluxo inteiro do órgão, com mapeamento, ferramentas e medição de ganho.
Especialista em inteligência artificial e transformação digital. Mais de 10 anos ajudando empresas brasileiras a implementar soluções de analytics e IA.
Segunda-feira, um pedido de acesso à informação entra no setor. Uma servidora abre o assistente de IA e resume o requerimento. Outro colega usa a mesma ferramenta para rascunhar o ofício de encaminhamento. Um terceiro cola a norma aplicável e pede um resumo dos prazos. Cada um resolve a sua tarefa com IA, com competência, e ainda assim o pedido demora quase o mesmo que demorava antes. O gargalo nunca esteve na tarefa isolada. Estava no fluxo que conecta as tarefas, e ninguém olhou para ele. É exatamente aí que entra o redesenho de processos administrativos com IA.
A maior parte dos órgãos que começou a usar IA generativa parou no primeiro degrau: pedir um ofício aqui, um resumo ali, uma resposta acolá. É um ganho real, mas pontual, e ele se esgota rápido. O salto seguinte não é usar a ferramenta em mais tarefas, é subir o olhar da tarefa para o processo, o conjunto recorrente de etapas que o órgão repete toda semana, e perguntar onde a IA encaixa em cada uma delas sem quebrar a cadeia.
Este texto é sobre essa virada. Vou mostrar como enxergar processo em vez de tarefa, como mapear quais fluxos são bons candidatos à IA, como a ferramenta ajuda na análise documental, na elaboração de documentos e apresentações e no atendimento ao cidadão como partes de um mesmo fluxo, e, no fim, como medir o ganho sem se enganar. O fio condutor é o de sempre nesta série: a IA acelera etapas, mas quem redesenha o processo, decide e responde continua sendo o servidor.
Pedido avulso é aquele em que você chega ao assistente com uma tarefa pronta na cabeça e pede o resultado: "me faça um ofício", "resuma esta lei". É útil e é onde todo mundo começa, inclusive porque é o que ensino nos primeiros exercícios da disciplina de Inovação e Inteligência Artificial que ministro num MBA de Gestão Pública. O problema é tratar isso como destino, quando é só a porta de entrada.
Redesenhar o processo é outra pergunta. Em vez de "que tarefa a IA faz para mim agora?", você pergunta "como este fluxo inteiro poderia funcionar melhor com a IA em pontos escolhidos?". Pegue o processo de responder a um pedido da Lei de Acesso à Informação: ele tem etapas encadeadas, como registrar o pedido, classificar o assunto, localizar a informação, checar se há sigilo, redigir a resposta e revisar antes de enviar. A IA não substitui o processo. Ela entra em algumas dessas etapas, a classificação, o rascunho da resposta, a checagem preliminar de linguagem, enquanto outras seguem inteiramente humanas, como a decisão sobre sigilo. O ganho deixa de ser uma tarefa mais rápida e passa a ser um fluxo mais curto de ponta a ponta.
Tarefa avulsa é pedir um ofício pronto. Processo é o fluxo recorrente do órgão, da entrada do pedido ao ato final. Redesenhar é escolher em quais etapas a IA entra e quais seguem humanas, sem quebrar a cadeia de responsabilidade.
A mudança de mentalidade tem um efeito prático imediato: você para de medir sucesso por "quantas coisas a IA escreveu" e passa a medir por quanto tempo o processo leva do início ao fim e com que qualidade. É uma régua de gestor, não de usuário.
Não dá para redesenhar o que você não desenhou. O primeiro trabalho, e ele é analógico, é mapear o processo como ele realmente acontece, não como o manual diz que deveria acontecer. Sente com quem executa e liste as etapas na ordem real, com quem faz cada uma, o que entra, o que sai e quanto tempo costuma levar. Boa parte dos órgãos descobre nessa hora que metade da demora está em esperas e retrabalho, não na parte que a IA aceleraria.
Com o fluxo à vista, três perguntas separam o que vale a pena do que não vale. A etapa é repetitiva e de alto volume? Quanto mais vezes o órgão a repete, maior o retorno de melhorá-la. A etapa é sobre linguagem ou sobre organizar informação? É aí que a IA generativa rende, e não em julgamento discricionário. E o erro dessa etapa é pego facilmente na revisão seguinte? Etapas de baixo risco são o lugar certo para começar, um princípio que vale para qualquer adoção e que detalho na abertura desta série, o guia do gestor para começar com IA generativa.
Mapeie o processo real antes de pensar em IA. Ferramenta jogada num fluxo bagunçado só acelera a bagunça.
Muitos processos administrativos começam com a mesma etapa cansativa: entender um monte de documento. Um edital de dezenas de páginas, um conjunto de normas que se cruzam, várias versões de um regulamento, um processo instruído por partes diferentes. Essa etapa de leitura e cruzamento é candidata natural à IA, desde que com a rédea curta que o tema exige.
Além dos assistentes de conversa, vale conhecer ferramentas pensadas para consultar bases de documentos. O NotebookLM, do Google, por exemplo, permite (na configuração de meados de 2026) carregar seus próprios documentos e fazer perguntas restritas àquele material, com as respostas apontando de qual trecho vieram. Para um servidor que precisa comparar duas versões de um regulamento ou extrair de um edital a lista de obrigações que ele cria, prender o modelo a uma base que você mesmo forneceu reduz o risco de invenção, porque ele trabalha sobre o texto que está ali, não sobre a memória incerta do treino. Recursos de ferramentas assim mudam rápido, então confirme o que ela oferece na data em que for usar.
A ressalva é a mesma da série inteira e não tem exceção aqui: a IA aponta o caminho, a fonte oficial confirma. Todo dispositivo legal, prazo ou obrigação que sair dessa etapa precisa ser conferido no texto vigente antes de virar fundamento de um ato. A ferramenta encurta a leitura; ela não assume a responsabilidade pela citação.
Depois de entender o material, o processo costuma pedir que alguém produza algo: uma nota técnica, um relatório, um parecer, às vezes uma apresentação para uma reunião de colegiado. Aqui a IA generativa já é conhecida para o rascunho de texto, e o pulo do gato do redesenho é encadear as etapas em vez de tratá-las soltas. O resumo que a etapa anterior gerou vira insumo do relatório; a lista de obrigações extraída do edital vira a espinha do parecer. Em vez de recomeçar a cada documento, o servidor conduz o material de uma etapa para a seguinte.
A qualidade desse rascunho depende de saber pedir, e é por isso que a engenharia de prompts para o setor público é o alicerce deste post: sem uma boa instrução, a etapa de redação devolve texto genérico e o ganho evapora. Para apresentações, existem ferramentas como o Gamma que geram um rascunho de slides a partir de um texto ou de um roteiro, o que ajuda quando o fluxo termina numa reunião. Trate a saída como minuta visual: a estrutura vem pronta, mas o conteúdo, os números e a mensagem continuam sob conferência sua, e o que ela oferece pode mudar de uma versão para outra.
Encadear etapas com IA acelera o rascunho de ponta a ponta, mas cada documento que vira ato continua nascendo da revisão do servidor, não da saída da máquina.
Boa parte dos processos do órgão termina, ou começa, num contato com o cidadão, e é aí que dois avanços recentes ampliam o que a IA faz dentro do fluxo. O primeiro é o atendimento em si: rascunhar respostas a dúvidas frequentes, traduzir um despacho cheio de juridiquês para uma linguagem que a pessoa entende, padronizar orientações sem perder a cordialidade. Isso conversa direto com a agenda de linguagem simples e de acesso ao serviço.
O segundo é a multimodalidade, a capacidade dos modelos mais recentes de trabalhar não só com texto, mas com imagem. Um cidadão envia a foto de um documento, um comprovante digitalizado, o print de uma tela com erro. Um modelo multimodal consegue ler esse conteúdo visual, extrair a informação e devolvê-la em texto estruturado, o que ajuda a triar e organizar o que chega pela porta do atendimento. Numa administração que ainda recebe muito papel e muita digitalização de baixa qualidade, essa etapa de leitura de imagem economiza um trabalho manual considerável.
Os mesmos cuidados de sempre valem com força redobrada quando há cidadão do outro lado. Dado pessoal exige base legal e ferramenta adequada, decisão que afeta direito exige supervisão humana, e nada disso vira automático só porque a ferramenta é rápida. Esse é o território do terceiro post da série, sobre IA responsável, LGPD e LAI na administração pública, leitura que recomendo antes de colocar IA em qualquer etapa que toque o cidadão.
Nem todo processo do órgão merece redesenho ao mesmo tempo. A escolha de por onde começar é o que separa um piloto que engrena de um que morre na primeira dificuldade, e é uma das razões pelas quais tantos projetos de IA falham: começam pelo processo mais complexo e mais arriscado, justamente o pior lugar para aprender.
Uma priorização simples resolve. Liste os processos recorrentes do setor e posicione cada um em duas perguntas: qual o volume, ou seja, quantas vezes ele se repete por mês, e qual o risco, ou seja, quanto um erro afeta direito do cidadão ou a legalidade do ato. O primeiro candidato ideal é o processo de alto volume e baixo risco, aquele que consome muitas horas da equipe e no qual um deslize é pego facilmente na revisão. Ele dá o maior retorno com o menor perigo, e ainda gera o aprendizado que você vai levar para os processos mais sensíveis depois. Processos de alto risco entram por último, quando o órgão já tem repertório e governança para conduzi-los com a supervisão que eles exigem.
Comece por um só. Um processo redesenhado de ponta a ponta, medido e ajustado, ensina mais e convence mais do que dez tarefas aceleradas de forma dispersa.
Redesenho sem medição é fé, não gestão. E medir aqui tem duas dimensões que precisam andar juntas, porque uma sem a outra engana.
A primeira é a produtividade, e a forma mais honesta de medi-la é cronometrar o processo antes e depois. Antes de mexer em qualquer coisa, registre quanto tempo o fluxo leva hoje, do início ao fim, numa amostra de casos reais. Redesenhe, rode por algumas semanas e meça de novo, do mesmo jeito. A diferença é o seu ganho real, não uma estimativa de brochura.
Vale abrir a conta num cenário explicitamente hipotético, só para mostrar o raciocínio. Imagine um processo de resposta à Lei de Acesso que hoje leva, em média, 50 minutos por pedido, dos quais 20 são de rascunho da resposta. Se o rascunho assistido por IA cai de 20 para 8 minutos e o resto do fluxo não muda, o processo passa de 50 para 38 minutos, cerca de 24% mais rápido. Num setor que recebe 200 pedidos por mês, são 40 horas devolvidas à equipe. Os números são inventados para ilustrar a conta; o seu ganho real só a sua medição revela, e ele pode ser maior ou menor.
A segunda dimensão é a qualidade, e ela impede a armadilha de comemorar rapidez com resultado pior. Meça retrabalho, erros pegos na revisão, reclamações, pedidos de correção. Um processo que ficou mais rápido mas passou a gerar mais retificação não melhorou, piorou com pressa. Acompanhe as duas curvas juntas: a meta é o fluxo mais curto que mantém ou eleva a qualidade, nunca a velocidade a qualquer custo.
Produtividade pela cronometragem do processo antes e depois, numa amostra real de casos. Qualidade pelo retrabalho, erros e correções. Ganho de verdade é o fluxo que encurta o tempo sem piorar o resultado.
Usar IA numa tarefa é pedir um resultado pronto e pontual, como um ofício ou um resumo. Redesenhar um processo é olhar o fluxo recorrente inteiro, da entrada ao ato final, e escolher em quais etapas a IA entra e quais seguem humanas. O ganho da tarefa é local e se esgota rápido; o ganho do processo é encurtar o caminho de ponta a ponta e se sustenta.
Por um de alto volume e baixo risco, aquele que a equipe repete muitas vezes por mês e no qual um erro é pego facilmente na revisão. Ele dá o maior retorno com o menor perigo e gera o aprendizado que você vai usar depois em processos mais sensíveis. Comece por um só, meça e ajuste antes de escalar.
Cronometrando o processo antes e depois, numa amostra de casos reais, e acompanhando a qualidade em paralelo, por retrabalho e erros pegos na revisão. Se o fluxo ficou mais rápido sem aumentar correção e reclamação, o ganho é real. Rapidez que vem acompanhada de mais retificação não é ganho, é problema adiado.
Os modelos multimodais recentes conseguem ler imagens e documentos digitalizados e extrair a informação em texto, o que ajuda a triar o que chega no atendimento. Os cuidados continuam valendo integralmente: dado pessoal exige base legal e ferramenta adequada, e qualquer resultado que afete direito do cidadão precisa de supervisão humana antes de virar decisão.
Não necessariamente. Boa parte do ganho vem de reorganizar o fluxo e encaixar a IA generativa em etapas certas com as ferramentas que a equipe já pode usar. Sistema dedicado pode vir depois, para processos maduros e de grande escala, mas começar exige mais método de mapeamento e medição do que tecnologia nova.
Acelerar tarefas soltas dá um alívio que engana: cada servidor economiza alguns minutos, e o processo continua levando o mesmo tempo porque o gargalo estava nas junções que ninguém olhou. Subir da tarefa para o processo é o que transforma economia dispersa em resultado que a gestão consegue ver, medir e defender. E é um trabalho de desenho e de julgamento, não de ferramenta: a IA entra nos pontos que você escolher, e o restante do fluxo continua sob a responsabilidade de quem sempre respondeu por ele.
Esse olhar de processo não vem embutido em nenhuma ferramenta. Ele se forma quando a equipe aprende a mapear o próprio fluxo, a escolher onde a IA rende e onde ela atrapalha, e a medir o ganho com honestidade. É uma competência de gestão que se ensina e se pratica em cima dos processos reais do órgão, não em teoria.
Quer capacitar sua equipe de servidores para redesenhar processos com IA, do mapeamento à medição do ganho? Conheça os programas de capacitação da Waxi. Trago para a sala de aula a experiência de ensinar gestores públicos a usar IA na disciplina de Inovação e Inteligência Artificial de um MBA em Gestão Pública e em cursos de IA e inovação.
Por que projetos de IA falham na travessia do piloto para a produção: as cinco causas reais e o método para atravessar o vale da morte.
Engenharia de prompts para o setor público: aprenda a escrever instruções que geram ofícios, pareceres e respostas ao cidadão melhores, com exemplos reais.
IA generativa no setor público: entenda o que a tecnologia faz, onde ela falha e como o gestor pode liderar a adoção com senso crítico e responsabilidade.
