AI Canvas: enquadrar antes de construir
Antes de qualquer linha de código ou contrato com fornecedor, um projeto de IA precisa responder 9 perguntas em 3 estágios: Define, Design e Deploy. O AI Canvas é o enquadramento que separa a ideia sedutora do projeto que vale o investimento, e o portão que mata um projeto ruim cedo, antes de ele custar caro.
A diretoria aprova, em quinze minutos de reunião, R$ 200 mil de orçamento pra um "chatbot de atendimento" só porque a demo impressionou geral. Ninguém escreveu a célula 3 do Canvas, o Business Impact, então três meses depois ninguém sabe dizer, em hora ou em real, se aquilo economizou alguma coisa. O projeto trava numa dúvida que devia ter sido resolvida antes de assinar o contrato: isso valia a pena começar?
A CHRO aprova "um agente pra triagem de currículo" numa demo de fornecedor, e já promete ao board reduzir o tempo de contratação pela metade no próximo trimestre. Só quando o time de recrutamento já está no meio da integração é que alguém pergunta qual critério de avaliação vira instrução pro modelo e quem revisa quando o agente descarta um candidato. Sem essas respostas escritas na célula 5 do Canvas, a promessa feita ao board vira uma dívida que ninguém sabe pagar.
O CPO compra a ideia de "IA que prioriza o roadmap sozinha" numa conferência, e já libera orçamento pra seis semanas de integração no Jira. O time descobre, na quarta semana, que o critério de priorização nunca foi escrito em lugar nenhum, mora só na cabeça do PM mais sênior, e sem essa célula 5 preenchida, a IA não tem o que aprender. O orçamento gasto vira retrabalho, não roadmap priorizado.
O diretor comercial autoriza, sem reunião de enquadramento, "IA pra qualificar lead" direto no HubSpot, sem definir o que conta como lead qualificado pro funil da empresa. Dois meses depois o time de vendas reclama que a IA manda contato ruim pra frente, e ninguém sabe se o problema é o modelo ou a célula 1 do Canvas que nunca foi respondida. A meta de conversão do trimestre já está comprometida.
O COO aprova "um agente pra roteirizar entrega" só de olhar o case de outra empresa no LinkedIn, sem checar a célula 4 do Canvas, se o dado de endereço e janela de entrega existe estruturado no sistema. O projeto trava na primeira semana porque a base que sustenta a IA nunca foi verificada, e o orçamento do trimestre inteiro já foi comprometido num contrato de doze meses.
A gerente de compliance aprova "IA pra revisar contrato" sem preencher a célula 9 do Canvas, quem responde quando o modelo erra uma cláusula. O projeto sobe pra produção, um erro passa despercebido, e só aí a área descobre que nunca desenhou nenhuma trilha de auditoria pro que ela mesma aprovou.
O CTO aprova "agente que abre PR sozinho" sem mapear a célula 8, o change readiness do time, nem o critério de teste que o agente precisa passar. O agente entrega código, ninguém do time confia nele, e a engenharia volta a revisar tudo na mão, cancelando o ganho que justificou o orçamento aprovado.
A head de UX aprova "IA que gera variação de fluxo sozinha" pro time inteiro sem ter escrito o guia de voz nem o mapa da jornada em lugar nenhum, a célula 5 do Canvas ficando em branco. O agente entrega tela fora do padrão da marca, e o time gasta mais tempo corrigindo do que gastaria desenhando na mão, o orçamento do trimestre queimado em retrabalho.
Você já viu isso acontecer, ou talvez já tenha feito isso: alguém assiste uma demonstração de IA, fica empolgado, e aprova o projeto ali mesmo, sem escrever uma linha sobre o que aquilo resolve de verdade. Três meses depois, o projeto está travado, ninguém sabe dizer se ele economizou uma hora sequer, e a pergunta que devia ter sido feita no dia zero só aparece agora: isso valia a pena começar? O AI Canvas existe para essa pergunta vir antes, não depois.
A ideia central desta aula. Antes de qualquer projeto de IA virar código ou contrato, ele passa por um enquadramento de 9 perguntas, organizadas em 3 estágios: Define (o problema vale a pena?), Design (como isso funciona de verdade?) e Deploy (como isso entra em produção com segurança?). O AI Canvas não é burocracia, é o que separa a ideia sedutora do projeto que aguenta o escrutínio. E tem um portão no meio do caminho que você não pode pular: sem impacto quantificado na célula 3, o projeto não passa para o Design. Isso é o que mata um projeto ruim cedo, quando ainda custa barato matar.
01Por que enquadrar antes de construir
A maioria dos projetos de IA que travam não trava por causa do modelo. Trava porque uma pergunta que devia ter sido feita no dia zero só aparece meses depois: de onde vem o dado, quem responde pela decisão, quanto isso deveria valer. Nessa hora o projeto já consumiu orçamento, já consumiu a paciência do time, e já queimou um pouco da sua credibilidade como líder que decide o que entra e o que não entra na fila.
Enquadrar antes de construir não é burocracia nem lentidão proposital. É a diferença entre gastar duas horas respondendo 9 perguntas numa sala, e gastar dois meses descobrindo na marra que faltava responder uma delas. O AI Canvas é o formulário que força essa conversa a acontecer cedo, com todo mundo que importa na sala, antes de qualquer linha de código.
02As 9 células, 3 estágios
Olhe o mapa abaixo com calma. Cada iniciativa de IA passa por essas 9 perguntas antes de virar projeto de verdade.
Vamos por estágio. No Define, você responde três perguntas antes de gastar um minuto pensando em solução: qual é o problema de negócio em uma frase, quem sente essa dor e com que frequência (o Job to Be Done, o que a pessoa está tentando de fato realizar, não o que ela pede), e quanto vale resolver isso, em horas, em reais ou em risco evitado. Essa terceira célula, o Business Impact, é o portão. Se ninguém consegue colocar um número ali, nem que seja uma estimativa marcada como tal, o projeto não avança. Guarde isso, porque é a seção 3 desta aula.
No Design, você decide como a coisa funciona de verdade: que dado existe e onde ele mora, que modelo (ou que regra determinística, ou que automação simples) resolve isso de fato, que contexto e que regras tácitas da operação precisam virar instrução escrita para a IA entender o que a sua equipe já sabe de cor, e qual é o mínimo viável que já dá para testar com gente real, sem prometer a versão perfeita antes de aprender com a primeira.
No Deploy, você decide como isso entra em produção com segurança: como testar com baixo risco, rodando em paralelo com o processo manual antes de cortar o manual de vez, quem opera isso na segunda de manhã e quanto treino essa pessoa precisa, e que governança cobre isso: LGPD, compliance do seu setor, segurança da informação, e que tipo de revisão humana continua obrigatória depois que o projeto está no ar.
Saiba mais: quando a resposta certa não é IA generativa
Uma coisa que separa quem enquadra bem de quem enquadra por hype: às vezes, ao preencher a célula 4, você descobre que a dor não pede IA generativa nenhuma. Pede um ETL bem feito, uma regra determinística, uma automação simples de sistema. E tudo bem, isso também é enquadramento que funcionou.
Quando isso acontece, o Canvas continua de pé, só que as células 4, 5 e 6 mudam de nome: em vez de Data & Model, você preenche Tecnologia & Arquitetura (que ferramenta, que integração resolve isso). Em vez de Context & Fine-tuning, você preenche Regras de negócio codificadas (as regras catalogadas de forma explícita, não a IA aprendendo padrão). Em vez de MVP de IA, você preenche MVP de automação, sem nenhum componente generativo.
Marque esse Canvas com uma etiqueta honesta, tipo "iniciativa não é IA generativa", e siga com ele do mesmo jeito pelo Deploy. Saber reconhecer quando a resposta certa é mais simples que IA generativa não é fraqueza de enquadramento, é a parte mais madura dele. O erro caro não é usar automação simples, é vestir automação simples de "projeto de IA" para impressionar alguém e descobrir depois que prometeu mais do que ia entregar.
03O portão: impacto quantificado antes de gastar
Aqui está o ponto mais importante da aula inteira, e é fácil de pular na pressa: a célula 3, Business Impact, não é decoração. É um portão de verdade. Se você não consegue escrever ali um número, mesmo que estimado e marcado como estimativa, o projeto não passa para o Design. Ponto final.
A diferença entre um Canvas que serve e um Canvas que só existe no papel está no nível de detalhe de cada célula. Cada uma precisa ser uma frase substantiva, com número ou exemplo, nunca um placeholder. "Vai economizar tempo" não é impacto, é intenção. "24 horas por ciclo de fechamento reduzidas para 6, em um ciclo mensal" é impacto. Se você não sabe o número exato ainda, estime junto com quem vive o processo, e marque como estimativa: "cerca de 20h por mês (estim.)" é honesto e serve. "Vai ficar mais ágil" não serve para nada, porque ninguém consegue provar depois se aconteceu ou não.
É esse portão que mata um projeto ruim cedo, quando ele ainda custa uma tarde de conversa, e não três meses de time. E é esse mesmo número que, na próxima aula, você vai usar para decidir por onde começar entre várias iniciativas que já passaram pelo Canvas.
Saiba mais: como preencher o Canvas sem enrolação
Três hábitos separam um Canvas que serve de um Canvas de gaveta.
Primeiro, uma Canvas por iniciativa, nunca uma Canvas por área. "IA no financeiro" não é uma iniciativa, é uma ambição vaga. "Automatizar a conciliação bancária do fechamento mensal" é uma iniciativa, com Business Problem específico e Business Impact mensurável. Se a sua área tem sete dores mapeadas, você preenche sete Canvas, não um.
Segundo, comece sempre pelas três células de Define, nunca pule para o Design com a desculpa de "já sabemos o problema". Sem Business Impact quantificado, qualquer decisão de Design vira palpite caro.
Terceiro, se duas iniciativas nascerem exatamente da mesma fonte de dado, da mesma solução técnica e das mesmas pessoas envolvidas, considere fundir num único Canvas que menciona as duas dores na célula 1. Isso reduz o número de projetos sem perder rigor. Mas não funda por afinidade vaga, tipo "são da mesma área": funda só quando a solução técnica é literalmente a mesma.
04Uma Canvas por iniciativa, e o que vem depois
Se você tem mais de uma dor mapeada, você vai sair desta aula com mais de um Canvas na mão, cada um com o seu próprio Business Impact quantificado. E aí chega a pergunta natural: por qual eu começo? O AI Canvas não responde isso sozinho, ele te dá o material bruto (o quanto cada iniciativa vale e o quanto ela exige) para responder essa pergunta com critério, não com a que fez mais barulho na última reunião. É exatamente disso que trata a próxima aula desta trilha: o Portfolio Matrix, a matriz que cruza esforço e impacto e te diz por onde começar de verdade.
Faça agora
Enquadre uma iniciativa de IA real do seu time no AI Canvas, agora, com número, não com intenção.
- Pegue uma dor real (sua, do seu time, ou algo que já querem "resolver com IA" na sua empresa) e escreva as 3 células de Define: Business Problem (o problema em uma frase, quem sente e com que frequência), Jobs to Be Done (o que a pessoa está tentando realizar de verdade) e Business Impact (o número: horas, reais ou risco evitado; estime e marque como estimativa se precisar).
- Se o Business Impact não tiver número nenhum, pare aqui. Volte para quem vive o processo e pergunte: "se cortássemos isso pela metade, o que mudaria?" até sair um número, ainda que aproximado.
- Só depois de ter o número, avance para o Design: que dado existe, que modelo ou automação resolve isso de fato, e qual seria o MVP mais simples que já testaria a ideia com gente real, sem prometer a versão perfeita.
- Escreva em uma frase o Deploy: quem vai operar isso na segunda de manhã, e que tipo de checagem humana continua obrigatória mesmo depois de funcionar.
Se em algum momento você perceber que a resposta não é IA generativa, e sim uma regra ou uma automação simples, não abandone o exercício. Troque as células de Design pelo modo "iniciativa não é IA generativa" e siga até o fim. Um Canvas honesto vale mais que um Canvas inflado.
Pratique
1. Qual é a função central do AI Canvas, segundo esta aula?
2. Um time preenche a célula 3 (Business Impact) do Canvas com a frase: 'vai deixar o processo mais ágil'. O que fazer?
3. Um Canvas mostra, na célula 4, que a dor não precisa de IA generativa, e sim de uma regra determinística bem escrita. O que a aula recomenda?
Para o quadro
Sobre o enquadramentoo AI Canvas é 9 perguntas em 3 estágios (Define, Design, Deploy) que uma iniciativa de IA responde antes de virar código ou contrato. Enquadrar cedo custa uma tarde de conversa; descobrir a lacuna depois custa meses de projeto travado.
Sobre o portãoa célula 3, Business Impact, é o portão do Canvas. Sem número (horas, reais ou risco evitado, estimado e marcado como tal quando preciso), o projeto não passa para o Design. É esse portão que mata cedo um projeto que não vale o investimento.
Sobre a honestidadequando a dor não pede IA generativa, o Canvas continua servindo, só muda de modo (Tecnologia & Arquitetura, Regras codificadas, MVP de automação). Reconhecer isso é enquadramento maduro, não fraqueza.
Sobre vocêuma Canvas por iniciativa, nunca uma Canvas por área. Ao final desta aula você deve ter, na mão, um ou mais Canvas com impacto quantificado. É esse material que alimenta a próxima aula, o Portfolio Matrix, onde você decide por onde começar. Beleza?
Valeu pelo feedback. Isso ajuda a afiar a próxima aula.