IA é um multiplicador. Mas multiplicador de zero ainda é zero.
Nas últimas duas décadas o PDCA (Plan, Do, Check, Act) se consolidou como o método padrão de melhoria contínua, formalizado pela ISO 9001 desde a versão 2000 e associado ao ciclo de Deming: planejar uma atividade, executá-la, avaliar os resultados e agir para ajustar o próximo ciclo. É simples no papel e difícil na prática, porque exige disciplina de processo, não apenas boa vontade. A entrada da inteligência artificial generativa nesse método não substitui essa disciplina: ela acelera cada etapa, desde que exista um processo real por trás do prompt.
Figura 1 — Onde a IA se encaixa em cada etapa do PDCA.
Plan: Planejar com mais dados e menos viés
Modelos generativos ajudam a mapear processos, gerar hipóteses e descrever cenários alternativos antes de qualquer execução, um uso já discutido na literatura de Business Process Management, em que a IA generativa apoia a descoberta e a descrição de processos como etapa inicial do ciclo de melhoria. Na prática, isso significa usar a IA para levantar variáveis que a equipe não pensaria sozinha, não para decidir por ela.
Do: Executar tarefas repetitivas em escala
É na etapa "Do" que o prompt engineering aparece com mais força: automação de rascunhos, respostas padrão, análises preliminares e tarefas repetitivas. Estudos sobre IA generativa em gestão de processos apontam justamente esse ganho, automatizar o trabalho rotineiro para liberar tempo de decisão humana. O risco é tratar essa etapa como o processo inteiro: sem um Plan claro, a IA apenas produz volume, não resultado.
Check: Verificar resultados mais rápido
Aplicações de IA na síntese e triagem de evidências mostram um caminho concreto para o "Check": reduzir o esforço manual de comparar resultados, organizar dados e sinalizar desvios em relação ao que foi planejado. O mesmo princípio vale para qualquer equipe, usar IA para revisar o que foi feito contra o que foi combinado, e não apenas para gerar relatórios bonitos.
Act: Ajustar o prompt e o processo
Casos de PDCA aplicados à melhoria de processos hospitalares mostram um padrão que também vale para IA: o ciclo só gera resultado quando o "Act" retroalimenta o "Plan" seguinte, ajustando metas, instruções e prompts com base no que o "Check" revelou. Sem esse fechamento, cada rodada de IA recomeça do zero e a curva de aprendizado do processo nunca acontece.
O ponto central
Prompt engineering é, na melhor das hipóteses, a etapa "Do" do PDCA turbinada. Pesquisas de mercado indicam ganhos reais de produtividade individual com o uso qualificado de prompts, mas esse ganho só vira resultado organizacional quando existe um Plan, um Check e um Act ao redor dele. IA sem processo é apenas um multiplicador aplicado a uma base fraca — e multiplicador de zero ainda é zero.
Fontes
- Duque, G.P.N.; Almeida, R.T.; Ichinose, R.M. Aplicação da Inteligência Artificial no Processo de Síntese de Evidências. 2025. NCBI PMC12806722.
- Generative AI e Business Process Management: Beverungen et al. (2021); Kecht et al. (2023); van Dun et al. (2023); Vidgof et al. (2023), citados em "Generative AI", arXiv:2309.07930.
- ISO 9001:2015 e o ciclo PDCA ("roda de Deming"), conforme descrito em Integrating an ISO30401-compliant Knowledge Management System..., arXiv:2507.18197.
- Improvement of hand hygiene compliance in a private hospital using the PDCA method. NCBI PMC6572982, 2019.
- Trilion. Prompt Engineering para negócios: guia para gestores, 2026 (referência a dados da MIT Sloan Management Review sobre produtividade).