O diretor de operações de uma metalúrgica em Joinville estava empolgado. Depois de 8 meses avaliando propostas, finalmente havia contratado uma consultoria de IA para automatizar o controle de qualidade na linha de produção.
A proposta era impressionante: portfólio com clientes internacionais, certificações da AWS e Google Cloud, cases documentados em PDF de 40 páginas. O valor? R$ 280 mil por um sistema completo de visão computacional que identificaria defeitos em tempo real.
Seis meses e R$ 340 mil depois (valores adicionais por “ajustes de escopo”), o sistema estava “pronto”. Em ambiente de testes, funcionava. Na linha de produção real? Taxa de erro de 34%, alertas falsos que paralisavam a linha 12 vezes por dia, e tempo de resposta de 4,2 segundos — lento demais para a velocidade da esteira.
O projeto foi descontinuado. R$ 340 mil perdidos.
Quando analisamos o caso 9 meses depois, o problema não era técnico. Era de escolha. A consultoria nunca havia trabalhado com metalurgia, não tinha desenvolvedor no Brasil (time terceirizado na Índia), e vendeu solução genérica sem diagnosticar as particularidades da operação.
O diretor me disse: “Escolhemos pela apresentação bonita e pelo preço. Não fizemos as perguntas certas.”
O custo real de escolher errado
Contratar a consultoria errada não custa apenas o valor do contrato. Custa:
Dinheiro direto: valor pago por solução que não funciona ou não é adotada (média de R$ 120-400 mil por projeto médio no Brasil).
Tempo perdido: 6-12 meses de projeto que não entrega valor, enquanto concorrentes avançam.
Custo de oportunidade: recursos (time interno, orçamento, atenção da liderança) que poderiam estar em projetos que geram ROI.
Desgaste interno: equipe técnica frustrada, perda de credibilidade de quem patrocinou o projeto, resistência futura a novas iniciativas de tecnologia.
Refatoração: se você decidir tentar novamente, frequentemente precisa jogar fora o código legado e recomeçar do zero.
Um levantamento que fizemos com 47 empresas brasileiras que implementaram IA nos últimos 3 anos mostrou:
- 68% tiveram pelo menos um projeto de IA que não entregou valor esperado
- 41% mudaram de consultoria no meio do projeto
- 23% desistiram completamente de projetos de automação por 12+ meses após experiência ruim
- Custo médio de projeto fracassado: R$ 187 mil (soma de investimento direto + horas internas alocadas)
A ironia? Na maioria dos casos, os sinais de alerta estavam presentes desde a fase de proposta. Mas foram ignorados porque a apresentação era bonita, o prazo era agressivo, ou o preço parecia competitivo.
Por que escolher consultoria de IA é diferente
Quando você contrata alguém para trocar pneus ou instalar ar-condicionado, a solução é conhecida. O fornecedor só precisa executar bem um processo padronizado.
Desenvolvimento com IA não funciona assim.
O problema raramente está claro no início. Você sabe que quer “automatizar atendimento” ou “reduzir tempo de análise de documentos”, mas a solução técnica certa depende de:
- Que dados você realmente tem (volume, qualidade, formato, acessibilidade)
- Como seus sistemas legados estão estruturados
- Qual nível de precisão é aceitável para o negócio
- Como o time interno vai operar e manter a solução
A solução técnica precisa ser adaptada. GPT-4 é excelente para alguns problemas, terrível para outros. RAG funciona bem em certos contextos, fine-tuning em outros. Não existe “solução de IA genérica”.
Integração com sistemas legados é complexa. Seu ERP tem 15 anos, APIs não documentadas, lógica de negócio escondida em stored procedures. A consultoria precisa entender isso — ou o sistema de IA fica isolado e ninguém usa.
Adoção é tão importante quanto tecnologia. Sistema perfeito que ninguém usa não vale nada. A consultoria precisa pensar em UX, treinamento, change management.
Por isso, avaliar consultoria de IA como você avalia fornecedor de commodity é erro estratégico.
Consultoria boa começa perguntando. Consultoria ruim começa vendendo.
Anatomia de um fracasso: caso real documentado
Vou detalhar um caso real (empresa autorizada a compartilhar, dados reais, nome omitido por NDA).
Contexto: Indústria química de médio porte no interior de São Paulo. 450 funcionários, faturamento anual de R$ 180 milhões. Problema: processo de entrada de pedidos era manual — vendedores enviavam pedidos por WhatsApp, email ou planilha, e equipe de 6 pessoas digitava tudo no ERP.
Tempo médio de processamento: 35 minutos por pedido. Erros de digitação em 8-12% dos pedidos. Retrabalho constante.
Objetivo: Automatizar entrada de pedidos com IA. Extrair dados de mensagens/PDFs e popular ERP automaticamente.
Processo de seleção: Avaliaram 4 consultorias. Escolheram a Consultoria X porque:
- Portfólio extenso (35 clientes, incluindo multinacionais)
- Proposta mais rápida (entrega em 12 semanas vs 16-20 das outras)
- Preço competitivo (R$ 165 mil vs R$ 190-240 mil das outras)
- Apresentação profissional com demos interativos
Red flags ignorados:
- Consultoria X não pediu acesso ao ERP antes da proposta (“vamos avaliar na fase de implementação”)
- Não tinham case documentado em indústria química (cases eram de varejo e telecom)
- Time de desenvolvimento ficava “em um de nossos hubs na América Latina” (depois descobriram: Argentina, com timezone parcialmente alinhado mas comunicação em espanhol/inglês)
- Proposta era genérica: mesmo escopo poderia servir para qualquer indústria
Cronograma do projeto:
| Fase | Prazo previsto | Prazo real | Status | Observações |
|---|---|---|---|---|
| Kickoff e diagnóstico | 1 semana | 3 semanas | Concluído | Consultoria precisou entender ERP que não conhecia |
| Prototipação | 3 semanas | 7 semanas | Concluído | Múltiplas iterações porque não entendiam processo de negócio |
| Desenvolvimento | 6 semanas | 14 semanas | Concluído | Retrabalho constante por falta de contexto da operação |
| Integração com ERP | 2 semanas | 9 semanas | Parcial | ERP tinha lógica customizada não documentada. Dev em Buenos Aires não conseguia debugar em tempo real |
| Testes e ajustes | 2 semanas | 5 semanas | Concluído | Taxa de erro inicial: 41%. Depois de ajustes: 18% |
| Treinamento | 1 semana | 2 semanas | Concluído | Interface em inglês, equipe teve dificuldade |
| Go-live | - | - | Abortado | Empresa decidiu não colocar em produção |
Resultado final:
- Prazo: 15 semanas previstas, 40 semanas decorridas até decisão de abortar
- Custo: R$ 165 mil contratados, R$ 287 mil pagos (aditivos de escopo, horas extras de integração, consultoria adicional para tentar salvar)
- Status: projeto descontinuado, código não utilizado
- Taxa de precisão alcançada: 82% (insuficiente — cada erro exigia retrabalho manual que anulava ganho de produtividade)
- ROI: negativo (investimento total perdido)
O que deu errado:
- Falta de diagnóstico real: Consultoria não investigou complexidade do ERP antes de propor solução e prazo
- Time remoto sem contexto: Desenvolvedores em outro país, sem vivência em indústria química brasileira, demoravam dias para entender feedbacks
- Solução genérica: Venderam “sistema de IA para entrada de pedidos” sem adaptar para particularidades da operação (códigos de produto complexos, regras de pricing dinâmico, múltiplos pontos de entrega)
- Comunicação ineficiente: Reuniões semanais em espanhol/português com traduções imprecisas, decisões técnicas atrasavam
- Falta de ownership: Quando surgiam problemas, consultoria culpava “particularidades do sistema legado” e cobrava horas extras
E se tivessem escolhido diferente?
12 meses depois, a empresa tentou novamente. Contrataram consultoria menor, especializada em automação industrial, com sede em Curitiba.
Processo diferente:
- 1 semana de diagnóstico pago (R$ 8 mil): consultoria visitou operação, analisou ERP, mapeou complexidades
- Proposta realista: 20 semanas, R$ 140 mil, com fases claras e critérios de go/no-go
- MVP em 6 semanas: versão simples que processava 60% dos pedidos (os mais padronizados), com taxa de precisão de 94%
- Evolução incremental: depois do MVP validado, expandiram para casos mais complexos
Resultado:
- Prazo: 22 semanas (2 semanas de atraso, mas entrega funcional)
- Custo: R$ 148 mil (R$ 8 mil abaixo do orçado)
- Taxa de precisão: 96% em produção
- ROI: 11 semanas (economia de 4,2 horas/dia de trabalho manual)
- Taxa de adoção: 100%
Diferença entre as duas consultorias? Não foi tecnologia (ambas usaram visão computacional + LLM). Foi abordagem: diagnóstico antes de proposta, MVP antes de solução completa, time local com contexto da indústria.
Framework de avaliação: como escolher consultoria de IA
Depois de analisar dezenas de projetos (bem-sucedidos e fracassados), identificamos um framework de 4 dimensões para avaliar consultorias de IA antes de contratar.
Dimensão 1: Capacidade técnica real (não apenas certificações)
O que avaliar:
- Consultoria tem desenvolvedores sênior em IA no time permanente, ou subcontrata/terceiriza?
- Conseguem explicar trade-offs técnicos (por que escolher RAG vs fine-tuning, quando usar Claude vs GPT-4)?
- Têm repositórios públicos, artigos técnicos, ou contribuições open-source que demonstrem expertise?
Como testar: Pergunte em reunião: “Como vocês lidariam com integração de IA em um sistema legado sem API REST documentada?”
Resposta boa: explicação técnica específica (web scraping controlado, reverse engineering de banco, criação de camada de abstração).
Resposta ruim: vaga ou buzzwords (“usamos as melhores práticas de integração”, “nossa metodologia ágil resolve isso”).
Red flag: Consultoria que só mostra certificações mas não consegue discutir detalhes técnicos provavelmente não desenvolve — revende.
Dimensão 2: Contexto de negócio e setor
O que avaliar:
- Consultoria já trabalhou com empresas do seu setor ou similares?
- Demonstra entender particularidades do seu modelo de negócio?
- Faz perguntas sobre processos, não só sobre tecnologia?
Como testar: Descreva seu problema sem mencionar tecnologia. Consultoria boa vai:
- Fazer perguntas sobre impacto no negócio
- Questionar como você mede sucesso hoje
- Entender restrições (orçamento, prazo, compliance)
- Só depois sugerir abordagens técnicas
Consultoria ruim vai direto para “podemos fazer com GPT-4 + RAG”.
Red flag: Proposta genérica que poderia servir para qualquer empresa. Sinal de que não entenderam suas particularidades.
Dimensão 3: Metodologia de trabalho e execução
O que avaliar:
- Propõem MVP/piloto antes de solução completa?
- Incluem fases de validação com critérios claros de go/no-go?
- Documentam e transferem conhecimento ou criam dependência?
- Processo de comunicação: quão frequente, com quem do time técnico você interage?
Como testar: Pergunte: “O que acontece se após 6 semanas o piloto não mostrar resultado esperado?”
Resposta boa: critério claro de sucesso definido antes, possibilidade de pivotar ou encerrar sem penalidade pesada.
Resposta ruim: “Não se preocupe, sempre funciona” ou contrato que não prevê saída antecipada.
Red flag: Contrato inflexível com escopo fechado, sem fases intermediárias de validação.
Dimensão 4: Transparência e alinhamento de incentivos
O que avaliar:
- Precificação é transparente (horas x custo/hora) ou “caixa fechada”?
- Consultoria documenta premissas e riscos, ou só vende benefícios?
- Como lidam com mudanças de escopo inevitáveis?
Como testar: Pergunte: “Quais são os principais riscos que vocês veem neste projeto?”
Consultoria boa: lista 3-5 riscos específicos (qualidade dos dados, complexidade de integração, resistência interna) e como mitigá-los.
Consultoria ruim: “Não vemos riscos significativos” ou resposta genérica.
Red flag: Proposta que promete ROI específico (ex: “você vai economizar 60%”) sem ter analisado seus dados e processos.
Os 7 critérios reais para escolher consultoria de IA
1. Eles fazem perguntas antes de fazer proposta?
Consultoria séria não envia proposta após uma reunião de 30 minutos. Ela investiga:
- Qual problema você quer resolver?
- Como você mede sucesso?
- Que sistemas já existem?
- Que dados você tem?
- Qual o orçamento realista?
Se a proposta chega em 48 horas com escopo fechado e preço exato, desconfie. Eles não entenderam o problema — estão vendendo solução genérica.
Sinal verde: consultoria que faz diagnóstico gratuito ou cobra por fase de descoberta antes de propor solução.
2. Cases são documentados com números reais ou só com “cases de sucesso”?
Todo mundo tem case bonito no portfólio. A questão é: tem número?
Case bom documenta:
- Qual era o problema específico
- Quanto custava antes
- O que foi implementado
- Quanto economizou ou ganhou depois
- Em quanto tempo o ROI apareceu
Case ruim é marketing: “Implementamos IA para grande varejista, resultados excelentes, cliente muito satisfeito.”
Sinal verde: consultoria que publica cases com métrica real — mesmo que não revele nome do cliente por NDA.
3. Eles desenvolvem no Brasil ou terceirizam para fora?
Projeto de IA exige iteração rápida. Se o dev está em fuso horário diferente ou não fala português fluente, comunicação fica lenta e cara.
Pior: se a consultoria só vende e terceiriza desenvolvimento para outro país, você perde controle sobre qualidade e prazo.
Sinal verde: time de desenvolvimento no Brasil, comunicação direta com quem vai escrever o código.
4. Eles têm experiência técnica real ou só gerenciam projetos?
IA exige domínio técnico profundo. Não dá para “gerenciar” sem entender como LLM funciona, onde embeddings fazem sentido, como integração com API legada pode falhar.
Pergunte na reunião:
- Quais modelos de LLM vocês já usaram em produção?
- Como vocês lidam com integração de sistema legado sem API?
- Que estratégia de fine-tuning ou RAG usam?
Se a resposta for vaga ou só buzzwords, eles não desenvolvem — revendem.
Sinal verde: consultoria onde você fala direto com engenheiro sênior, não só com comercial.
5. Eles propõem piloto pequeno ou já vendem solução completa?
Consultoria boa não vende projeto de R$ 200 mil logo de cara. Ela propõe MVP: versão mínima que resolve o problema core e valida se a abordagem funciona.
Depois de 4-6 semanas de piloto, você sabe se faz sentido escalar. Se não fizer, perdeu R$ 20-30 mil — não R$ 200 mil.
Sinal verde: proposta com fase de MVP definida, métrica de sucesso clara e decisão de continuar ou não baseada em resultado.
6. Eles documentam e transferem conhecimento ou guardam tudo para si?
Projeto de IA não termina no deploy. Precisa de manutenção, ajustes, evolução. Se só a consultoria sabe como funciona, você fica refém.
Consultoria boa documenta código, explica arquitetura, treina seu time. Se ela sair, você continua.
Consultoria ruim cria dependência. Código sem documentação, lógica de negócio escondida, só eles sabem mexer.
Sinal verde: documentação técnica incluída na proposta, sessões de transferência de conhecimento previstas.
7. Preço é coerente com escopo ou é muito barato/caro demais?
Desenvolvimento sênior de IA custa entre R$ 150-250/hora no Brasil. Projeto pequeno (4-6 semanas) sai entre R$ 20-40 mil. Projeto médio (8-12 semanas) entre R$ 50-120 mil.
Se proposta está muito abaixo: ou estão subestimando complexidade, ou vão usar dev júnior, ou vão terceirizar barato.
Se está muito acima: ou estão incluindo horas de overhead desnecessário, ou o escopo está inflado.
Sinal verde: proposta com breakdown de horas por fase, custo/hora transparente, justificativa de escopo.
Perguntas que você DEVE fazer antes de contratar
1. “Vocês já desenvolveram projeto similar ao nosso?” Se sim: peça case documentado. Se não: entenda por que acreditam que conseguem.
2. “Quem vai escrever o código? Posso falar com ele antes de fechar?” Se negam acesso ao dev antes de assinar contrato, problema.
3. “Como vocês medem sucesso do projeto?” Se resposta for vaga (“satisfação do cliente”, “entrega no prazo”), eles não têm cultura de resultado.
4. “O que acontece se o projeto não funcionar?” Consultoria boa tem plano B e critério claro de “não funcionou”. Consultoria ruim diz que sempre funciona.
5. “Quanto tempo leva até ver resultado mensurável?” Se a resposta for “6 meses”, é projeto grande demais. Boa implementação mostra valor em 4-8 semanas.
Red flags: quando recusar
🚩 Proposta sem diagnóstico: Enviaram proposta sem entender seu problema.
🚩 Promessa de ROI sem base: “Você vai economizar 80%” sem calcular nada.
🚩 Não têm cases no Brasil: Só trabalham fora, não entendem contexto nacional.
🚩 Vendem solução pronta para qualquer problema: “Temos uma plataforma que resolve tudo.”
🚩 Contrato inflexível: Escopo fechado, mudança gera multa, sem fase de validação.
🚩 Falam só de tecnologia, não de resultado: Ficam empolgados com GPT-4, Claude, embeddings — mas não perguntam sobre o problema de negócio.
Caso real: consultoria certa vs consultoria errada
Empresa A: distribuidora de alimentos (escolha errada)
Contrataram consultoria grande com portfólio internacional. Proposta linda: R$ 180 mil, 16 semanas, sistema completo de IA para otimizar estoque.
Resultado:
- 22 semanas de atraso
- Sistema não integrava com ERP legado
- Interface que ninguém entendia
- Taxa de adoção: 12%
- Custo real: R$ 240 mil
Desistiram. Dinheiro perdido.
Empresa B: transportadora (escolha certa)
Contrataram consultoria menor, especializada em logística. Começaram com diagnóstico de 1 semana (pago). Proposta: MVP de automação de entrada de pedidos, R$ 28 mil, 5 semanas.
Resultado:
- Entrega em 6 semanas (1 semana de ajuste)
- Integração completa com TMS existente
- Taxa de adoção: 100%
- ROI: 8 semanas
Depois expandiram para outros processos.
A diferença não foi preço ou tecnologia. Foi começar com diagnóstico e MVP.
Checklist: sua consultoria de IA está aprovada?
Antes de assinar contrato, valide:
- Fizeram perguntas detalhadas sobre o problema antes de propor solução
- Têm cases documentados com números reais (não só marketing)
- Time técnico sênior no Brasil, comunicação em português
- Propõem MVP ou piloto antes de solução completa
- Preço está coerente com mercado (R$ 150-250/hora)
- Incluem documentação e transferência de conhecimento
- Definem métrica clara de sucesso
- Você falou com quem vai desenvolver, não só com comercial
Se marcou 6 ou mais: pode avançar com confiança. Se marcou menos de 6: reavalie ou busque outra opção.
Consultoria boa começa dizendo “não”
Já recusei 6 projetos nos últimos 12 meses. Empresas que queriam contratar mas:
- O problema não estava claro
- O orçamento era 30% do necessário
- Queriam resultado em 3 semanas
- Não tinham dados mínimos
Recusar projeto ruim é melhor para todo mundo. Cliente economiza dinheiro. Consultoria economiza tempo. E ninguém gera case de fracasso.
A OrientMe só aceita projeto quando ROI esperado está documentado após 1 semana de diagnóstico. Se não fechar, indicamos outro caminho ou outra consultoria. Porque software que ninguém usa não vale os R$ 80 mil gastos — e mancha reputação dos dois lados.
Precisa de ajuda para avaliar propostas de IA?
Se você recebeu propostas e não sabe qual escolher, ou se quer uma segunda opinião técnica antes de assinar contrato de R$ 100 mil+, agende 30 minutos sem compromisso.
Vamos revisar:
- Se a proposta faz sentido técnico
- Se o escopo está coerente com o problema
- Se o preço está justo
- Se há red flags
Mesmo que você não contrate a OrientMe, você sai com clareza sobre o que questionar.