Refinar e escalar
Ativar e escalar a IA
De aconselhar a assistir a agir — por caso de uso e com números, não por palpite. É assim que a IA se mantém útil e confiável.
Atualizado em 18/05/2026
Refinar · 6.3
Porque é importante agora
A IA não é um interruptor que se carrega. É uma capacidade que cresce por caso de uso à medida da qualidade dos dados, da confiança dos utilizadores e da maturidade de governação. Um caso de uso no nível 1 que funciona = valor. O mesmo caso prematuramente no nível 3 = uma quebra de confiança que demora meses a reparar.
O que entrega?
Relatório de estado da IA
Por caso de uso: nível atual, exatidão, correções, confiança dos utilizadores.
Critérios de promoção/despromoção
Que números desencadeiam subir ou descer.
Ciclo de feedback
Como as correções dos responsáveis voltam para o modelo, com trilho de auditoria.
Atualização de governação
Evidências de conformidade e comunicação de transparência aos utilizadores finais.
Ciclo de promoção e despromoção
Promoção ao próximo nível
Quando
Exatidão > 85% em 4-6 semanas, confiança dos utilizadores > 70%, sem incidente P1 relacionado.
Estabilizar no nível atual
Quando
Exatidão 60-85%, correções a baixar mas não suficientemente depressa. Ficar no nível atual e trabalhar a qualidade dos dados.
Despromoção a nível inferior
Quando
Exatidão < 60%, P1 causado, ou queixas de utilizadores em escalada. Recuar imediatamente — repor confiança demora.
Perguntas-chave
- 1Que casos de uso estão a correr hoje e a que nível? Bate certo com a matriz de ambição de 4.12?
- 2Como mede a exatidão? Responsável confirma → conta como "correto". Responsável sobrepõe → conta como "correção".
- 3Confiança dos utilizadores — inquérito ou implícita (com que frequência ignoram a sugestão da IA)? Ambas valem.
- 4Decisão de promoção — quem assina que um caso passa ao nível 2 ou 3? Comité de direção ou service owner?
- 5Ações de qualidade de dados — se a exatidão estagna, que trabalho ataca (refinar classificação, alargar KB, limpar tickets antigos)?
- 6Ciclo de feedback — como volta uma correção para o modelo? Diário, semanal, revisão manual?
- 7Transparência — diz aos utilizadores finais o que a IA faz e quando podem fazer "opt-out"?
- 8Evidências de conformidade — para o AI Act ou auditoria interna: que logs guarda, quem os vê, qual o prazo de retenção?
- 9Procedimento de roll-back — na despromoção: como volta atrás, como comunica, como reconstrói a confiança?
- 10Novos casos de uso — que candidatos estão à espera? Que pré-condições (dados, treino, governação) ainda faltam?
Modelo — Relatório de estado da IA (trimestral)
| Caso de uso | Nível atual | Exatidão | Correções | Confiança | Proposta | Dono |
|---|---|---|---|---|---|---|
| Classificação de tickets | 1 — Aconselhar | 87% | 12% responsáveis | 81% | ↑ Promover a 2 (assistir) | Service mgr |
| Resposta KB | 2 — Assistir | 72% | 22% sobrepostas | 65% | → Estabilizar, alargar KB | Service mgr |
| Deteção de no-show | 1 — Aconselhar | 91% | 3% falsos positivos | 88% | ↑ Promover a 3 (agir, excl. boardroom) | FM lead |
| Auto-routing P3 | 2 — Assistir | 54% | 42% sobrepostas | 38% | ↓ Despromover a 1, rever skills do grupo | Service mgr |
| … | … | … | … | … | … | … |