Como empresas reais colocaram IA no dia a dia (e o que dá para copiar)

Por que olhar casos (e não só ferramentas)

Ferramenta de IA não falta. O que falta é saber como ela entra no trabalho de verdade: quem usa, em qual tarefa, com quais dados, quem confere e como se mede. É aí que a maioria das empresas trava.

Os casos abaixo são de empresas grandes, mas foram escolhidos porque cada um ensina uma coisa diferente e que se traduz para uma empresa média. Um mostra o ganho e o tropeço no atendimento. Outro mostra como o dono define a regra do jogo. Outro mostra o custo de comunicar mal. E dois mostram o padrão que mais funciona: IA apoiando quem já faz o trabalho, com os dados da própria casa.

Klarna: eficiência no atendimento, e o preço de exagerar

O que fizeram

A Klarna, empresa sueca de pagamentos, colocou um assistente de IA no chat de atendimento. Em 27 de fevereiro de 2024, a empresa anunciou que, no primeiro mês, ele teve 2,3 milhões de conversas, dois terços dos chats. Segundo a Klarna, fazia o trabalho equivalente a 700 atendentes, resolvia em menos de 2 minutos o que levava 11, tinha satisfação parecida com a dos humanos e reduziu em 25% os contatos repetidos.

O que deu errado

Pouco mais de um ano depois, o próprio CEO, Sebastian Siemiatkowski, admitiu o problema em entrevista à Bloomberg, relatada pela CX Dive em maio de 2025: o custo pesou demais na decisão e o resultado foi atendimento de qualidade mais baixa. A empresa voltou a recrutar pessoas para o atendimento e passou a dizer que o cliente precisa saber que sempre terá um humano se quiser. Em junho, ele chamou o atendimento humano de “VIP”: IA para o simples, gente para o que importa.

A IA não saiu de cena. Em novembro de 2025, na divulgação do terceiro trimestre, a Klarna disse que o assistente já fazia o trabalho de 853 pessoas e tinha economizado US$ 60 milhões. A mesma reportagem lembra que os custos de atendimento e operação ainda subiram no ano, e traz um analista da Forrester dizendo que a empresa “exagerou” na virada.

A lição para a sua empresa

Automatizar o atendimento simples funciona. Medir só custo é armadilha. Antes de ligar um robô no seu WhatsApp, defina duas métricas além do tempo de resposta: satisfação do cliente e quantas vezes ele volta pelo mesmo problema. E deixe sempre visível o caminho para falar com uma pessoa.

Shopify: o dono define a regra do jogo

O que fizeram

Em 7 de abril de 2025, Tobi Lütke, fundador e CEO da Shopify, publicou um memorando interno que tinha começado a vazar. A ideia central: usar IA de forma “reflexiva” virou expectativa básica para todo mundo, inclusive a liderança. E uma regra prática: antes de pedir mais gente ou recursos, o time precisa mostrar por que não consegue fazer aquilo com IA. Ele também propôs uma pergunta para as equipes: como seria esta área se agentes de IA já fizessem parte do time?

O uso de IA também entrou nas avaliações de desempenho e entre colegas.

O que foi criticado

A regra de contratação pegou mal para muita gente, porque soou como “IA no lugar de pessoas”, num momento de preocupação com empregos. A TechCrunch lembrou que a Shopify tinha cerca de 8.100 funcionários em 2024 e havia cortado 20% da equipe no ano anterior.

A lição para a sua empresa

Numa empresa média, quem decide se a IA entra de verdade é o dono. Sem uma regra clara, ela fica no “cada um usa se quiser”. Você não precisa copiar o tom, mas pode copiar a pergunta: antes de contratar para uma tarefa repetitiva, alguém testou se dá para resolver com IA e um processo melhor? Isso é decisão, não ferramenta.

Duolingo: comunicar mal custa caro

O que fizeram

No fim de abril de 2025, o CEO do Duolingo, Luis von Ahn, publicou no LinkedIn um memorando dizendo que a empresa seria “AI-first”. Segundo a Fortune, o texto dizia que a empresa deixaria aos poucos de usar terceirizados em trabalhos que a IA pudesse fazer, avaliaria fluência em IA nas revisões anuais e só contrataria se o time não conseguisse automatizar mais.

O que deu errado

A reação foi forte, dentro e fora da empresa, inclusive nos comentários das redes do app. Semanas depois, von Ahn escreveu que não tinha feito bem o anúncio, disse que não via a IA substituindo funcionários e anunciou oficinas, conselhos consultivos e tempo reservado para experimentar. Em agosto, ao New York Times, admitiu que faltou contexto e afirmou que a empresa nunca demitiu funcionários efetivos.

O negócio seguiu. Na carta aos acionistas do 2º trimestre de 2026 (agosto de 2026), a empresa informa 58,7 milhões de usuários ativos por dia, alta de 23% em um ano, e cita recursos com IA, como a conversa por vídeo, como parte da estratégia. Não dá para atribuir esse crescimento só à IA, e a própria empresa cita outros fatores.

A lição para a sua empresa

Numa empresa de 30 pessoas, a notícia “vamos usar IA” chega no corredor como “vão cortar gente”. Diga o que vai mudar, em quais tarefas, o que acontece com quem faz essas tarefas hoje e como cada pessoa vai aprender. Treinamento e tempo para testar vêm junto com o anúncio, não depois da crise.

Morgan Stanley: IA em cima do conhecimento da casa

O que fizeram

Em março de 2023, a área de gestão de patrimônio do Morgan Stanley anunciou uma parceria com a OpenAI para criar um assistente que encontra e resume o conteúdo interno do banco: pesquisas, relatórios, procedimentos. Ele foi liberado para todos os consultores em setembro de 2023.

Em junho de 2024 veio o Debrief: com autorização do cliente, a IA anota a reunião, lista as próximas ações, rascunha o e-mail de acompanhamento (que o consultor revisa e envia se quiser) e salva o registro no CRM, o sistema de clientes. No mesmo comunicado, o banco diz que 98% das equipes de consultores já tinham adotado o assistente.

O que observar

O depoimento de ganho (“meia hora por reunião”) é de um consultor escolhido pelo próprio banco. E o desenho tem limites claros: a IA prepara, a pessoa decide e envia. O banco repete que o relacionamento com o cliente continua sendo humano.

A lição para a sua empresa

A adoção foi alta porque a ferramenta resolve uma dor diária de quem usa (achar informação, fazer ata) e trabalha em cima do conhecimento da empresa, não da internet. Você pode fazer o mesmo em escala menor: reunir propostas, contratos-modelo, tabela de preços e respostas frequentes num lugar só e deixar a IA consultar ali. É o que chamamos de memória da empresa no Business AIOS.

Descubra quanto da sua empresa ainda depende de você.Fazer o IDD gratuito

iFood: agentes coordenados e IA para o pequeno negócio

O que fizeram

No Bloomberg Línea Summit, em outubro de 2025, o CEO do iFood, Diego Barreto, disse que 90% das interações de atendimento passam por três agentes de IA: um para consumidores, um para restaurantes e um terceiro que coordena os outros, como um “maestro”. Ele estimou que a IA já responde por cerca de 30% do resultado operacional (Ebitda) e afirmou que a satisfação nesse modelo supera a do atendimento humano.

Para os restaurantes, o iFood lançou em agosto de 2025 a agente Cris, que funciona no WhatsApp: o dono do restaurante pergunta e recebe pedidos, cancelamentos, avaliações e ideias de promoção, com dados do próprio negócio e da região. Dentro de casa, em maio de 2026, a empresa contou ter 14 mil agentes de IA apoiando cerca de 8,5 mil funcionários em análises, consultas a dados e relatórios.

O que observar

Os números de Ebitda e de satisfação são falas do CEO, não dados auditados. E a meta de levar a Cris a toda a base até março de 2026 foi uma previsão; não encontrei confirmação pública de que se cumpriu.

A lição para a sua empresa

Dois aprendizados. Primeiro, agentes especializados com um coordenador funcionam melhor do que um robô que tenta fazer tudo; explicamos esse desenho em orquestração de agentes de IA. Segundo, a Cris mostra o que o dono de um negócio pequeno quer: perguntar no WhatsApp “como foi a semana?” e receber a resposta com os números dele. Não é preciso ser o iFood para ter isso.

O que os casos não mostram

Todos os casos acima vêm de comunicados, entrevistas e relatórios das próprias empresas ou da imprensa que as acompanha. Isso importa. Uma empresa tende a divulgar o que deu certo, no formato que lhe convém, e a medir o resultado com o critério que escolheu. Os números são verdadeiros no sentido de que foram publicados, mas não foram auditados por terceiros neste artigo.

• Não vemos os casos que não deram certo. Quem tentou e abandonou raramente escreve sobre isso, e é onde mais se aprende.
• Não vemos o custo completo. Tempo da equipe, retrabalho e ajustes costumam ficar fora do comunicado.
• Não vemos o que já existia. Todas essas empresas tinham dados, processos e equipes técnicas antes de começar.
• Não vemos o que mudou depois. Alguns casos, como o da Klarna, mostram o próprio ajuste de rota, e é por isso que valem mais que os que só celebram.

A leitura útil, então, é a de padrão e não a de promessa: o que se repete entre empresas de setores diferentes, e que você pode testar em pequeno antes de apostar.

O padrão comum: o que os casos têm em comum

Tirando o tamanho e o setor, os casos que deram mais certo seguem a mesma sequência. E os tropeços aparecem quando uma etapa é pulada: a Klarna mediu só custo, o Duolingo pulou a conversa com as pessoas.

Se quiser ver exemplos de onde essa sequência costuma começar em cada área (comercial, financeiro, operação), veja as aplicações. E se a dúvida for qual dor atacar primeiro, o artigo por onde começar com IA na empresa mostra como fazer esse diagnóstico antes de escolher ferramenta.

O que copiar na segunda-feira

Próximo passo

Os casos mostram que a ferramenta é a parte mais fácil. O difícil é escolher a dor certa, organizar os dados da casa e decidir quem aprova o quê. Isso depende de quanto a sua empresa ainda passa por você.

Um bom primeiro passo é medir isso. O Índice de Dependência (IDD) é um questionário gratuito, de poucos minutos, que dá uma nota de 0 a 100 e mostra onde a empresa mais depende de você. Ele está em contato, junto com a opção de pedir um diagnóstico.

Cesar Augusto Carlos

Fundador da NoOne Systems

Empreende em vários negócios com marketing digital desde 2008. Hoje desenha sistemas que juntam dados, processos e IA para o dono enxergar a empresa inteira e decidir o que importa.