Boa parte das empresas que dizem ter automatizado seus processos apenas ensinou um software a repetir cliques de uma pessoa. Rolando Bonaccorsi, diretor de operações, observa que a diferença entre repetir tarefas e coordenar processos inteiros costuma ficar escondida atrás de siglas parecidas, e é dela que dependem o investimento e o resultado de qualquer projeto de automação.
A confusão tem explicação simples. Quem vende tecnologia gosta de nomes novos, e quem compra tecnologia raramente tem tempo de checar o que mudou por baixo do rótulo. O resultado é um mercado em que RPA, hiperautomação, automação inteligente e outros termos circulam como se fossem sinônimos, quando cada um descreve um grau diferente de ambição. Separar um do outro evita comprar uma solução gigante para um problema pequeno, ou uma ferramenta pequena para um problema que exige redesenho de processo.
Mito 1: RPA é inteligência artificial
RPA vem de robotic process automation, ou automação robótica de processos. Apesar da palavra robótica no nome, não há máquina física nem raciocínio: trata-se de um programa que imita ações humanas numa tela, como abrir um sistema, copiar um número de uma planilha, colar em outro campo e clicar em confirmar. Ele segue um roteiro fixo, escrito de antemão, e executa esse roteiro com disciplina e sem cansaço. Quando o roteiro encontra algo que não previu, como um botão que mudou de lugar ou um campo com formato diferente, o programa para ou, pior, segue em frente e erra em silêncio.
Segundo Rolando Bonaccorsi, o ponto central para quem avalia essa tecnologia é entender que ela ganha valor onde o trabalho é repetitivo, estável e baseado em regras claras. Em operações de back office, as áreas internas que processam tarefas sem contato direto com o consumidor, o RPA costuma dar bom retorno ao conferir cadastros, mover dados entre sistemas que não conversam entre si e gerar relatórios padronizados. A palavra inteligência, aí, é um enfeite no nome da ferramenta, e não muda o que ela faz. Um bom estagiário que nunca erra a digitação ainda não é um analista, e o RPA também não é.
Mito 2: hiperautomação é só RPA em escala maior
Aqui o equívoco é o inverso. Quem acredita que hiperautomação significa colocar mais robôs de RPA trabalhando ao mesmo tempo está contando cabeças, não entendendo a ideia. O termo descreve uma abordagem em que a empresa identifica quais processos merecem ser automatizados e combina várias tecnologias para isso: o próprio RPA, mas também mapeamento de processos, leitura automática de documentos, modelos de aprendizado de máquina para classificar e prever, fluxos de trabalho que passam tarefas entre sistemas e pessoas, e painéis que mostram onde o processo trava.
A diferença, portanto, é de método antes de ser de ferramenta. Na interpretação de Rolando Bonaccorsi, a hiperautomação começa por uma pergunta que o RPA isolado não faz: este processo deveria existir do jeito que está? Automatizar uma etapa desnecessária só entrega o desperdício mais rápido. Em empresas com dezenas de áreas e sistemas legados, que são programas antigos ainda em uso, a abordagem pede inventário do que é feito hoje, escolha de prioridades e acompanhamento contínuo, e isso exige gente de operações, de dados e de negócio na mesma conversa. Quem pula essa etapa e sai comprando licenças acaba, como diz o ditado, trocando seis por meia dúzia.
O que muda na prática e como escolher?
Na prática, a decisão entre uma e outra depende do tipo de problema. Em operações de atendimento ou financeiro, onde o processo é estável e as regras cabem numa folha, o RPA sozinho costuma bastar. Em cadeias mais longas, com documentos variados, exceções frequentes e decisões que dependem de contexto, o RPA vira uma peça entre várias, e sem a camada que lê, classifica e encaminha, ele fica esperando dados que ninguém organizou. Por isso a qualidade dos dados pesa tanto: robô nenhum compensa informação mal cadastrada.
Na avaliação de Rolando Bonaccorsi, um critério saudável é perguntar o que acontece quando o processo foge do padrão. Se a resposta for que alguém percebe e corrige, há supervisão humana funcionando, e a automação pode crescer com segurança. Se a resposta for que ninguém sabe, o risco está montado. Vale ainda medir o resultado por indicadores de processo, como tempo de ciclo, taxa de erro e retrabalho, e não pelo número de robôs implantados, que impressiona em apresentação e diz pouco sobre ganho real.
Há também um cuidado de calendário. Projetos de hiperautomação costumam ser vendidos como transformação rápida, mas amadurecem aos poucos: começa-se por um processo bem delimitado, aprende-se com ele e só então se amplia. Para Rolando Bonaccorsi, essa progressão protege a empresa de dois extremos igualmente caros, o de não automatizar nada por medo e o de automatizar tudo sem entender o que se está fazendo. Entre um e outro existe um caminho de pilotos, medição honesta e revisão frequente, menos vistoso que uma grande promessa, mas que sobrevive ao primeiro ano.