Como Escolher uma Empresa de IA (Checklist Técnico + Negócios)
Serve para qualquer projeto de software ou IA.
Escolher a empresa certa para seu projeto de IA pode poupar meses de retrabalho e muito orçamento, e este checklist te ajuda a filtrar fornecedores com perguntas objetivas já na primeira conversa.
Quando essas perguntas são bem feitas, o projeto anda rápido; quando são puladas, vira poço de tempo e dinheiro.
Este é o checklist que usamos para avaliar fornecedores.
Por que escolher errado custa caro
Um projeto mal conduzido consome tempo e orçamento antes de mostrar que não ia funcionar. Imagine dois cenários:
Uma empresa contratou um fornecedor que propôs fine-tuning antes de entender o problema. Foram 4 meses até descobrir que o cliente precisava de um pipeline de dados, não de um modelo treinado.
Em outro caso, o fornecedor trancou tudo numa plataforma proprietária. Quando o cliente quis migrar, descobriu que não tinha acesso ao código, aos prompts nem aos dados processados.
O custo de sair é maior que o custo de entrar. Quanto antes você identificar os sinais, melhor.
Critérios de avaliação
Use estes critérios para filtrar fornecedores durante conversas, propostas e checagens de referência.
Profundidade técnica
Pergunte como o fornecedor abordaria o seu problema específico. Não "como vocês usam IA". Isso todo mundo sabe responder. Pergunte sobre arquitetura.
Se o fornecedor sugere LLM para tudo, sem avaliar se o problema é de classificação, previsão ou busca, está aplicando a ferramenta errada.
Se a resposta para "qual modelo e por quê" é só "GPT-5" ou "Claude", sem mencionar trade-offs de custo, latência ou janela de contexto, faltou critério.
Pergunte onde os dados ficam, quem tem acesso e o que acontece com eles depois do projeto. Se a resposta for vaga, é red flag.
Se o fornecedor só conhece o básico de arquiteturas de RAG, vai ter problemas com bases maiores e mais bagunçadas. Pergunte sobre busca híbrida, re-ranking e contextual retrieval.
Prova de trabalho
Peça exemplos de projetos parecidos com o seu. Não depoimentos genéricos. Casos com desafio, arquitetura, resultado e tempo de entrega. Se o portfólio é só "chatbot" e "automação" sem detalhes, eles provavelmente não vão muito fundo.
Peça também um conjunto de avaliação. Um fornecedor sério consegue montar, nas primeiras semanas, um conjunto de 50-100 perguntas com respostas corretas conhecidas para medir qualidade. Se ninguém menciona avaliação, o projeto vai ser guiado por opinião.
Transparência de processo
Um fornecedor que diz "a gente entrega o resultado" sem mostrar o processo está escondendo algo. Pergunte:
- Como é a primeira semana?
- Quando você consegue ver a primeira solução funcionando?
- Quanto tempo até ela rodar em dados reais?
- O que acontece se as coisas não funcionam?
O processo deveria ser: um diagnóstico, a solução nos dados reais, e um plano para manter. Quando o trabalho acaba, o fornecedor sai, e o código fica com você.
Red flags
"Usamos IA" sem especificar que tipo, que modelo ou que abordagem é o equivalente a dizer "usamos tecnologia". Não quer dizer nada.
Se a proposta inclui "nossa plataforma proprietária" e não menciona exportação, isso é vendor lock-in explícito. Você vai ficar preso.
Se ninguém montou um conjunto de teste para medir a qualidade, "funciona" é opinião, não fato.
Se o fornecedor já sabe o que vai entregar antes de entender seus dados e processos, está vendendo, não diagnosticando.
Assinatura mensal por usuário sem escopo claro significa que você sabe o preço por usuário, mas não o que está incluído. O custo real tende a ser maior.
Perguntas de arquitetura para fazer na primeira call
- Vocês começam por diagnóstico ou já entram propondo solução?
- Qual modelo vocês usariam para o meu caso e por quê?
- Como vocês medem qualidade? Tem conjunto de avaliação?
- Os dados ficam onde? Quem tem acesso?
- O que eu levo se a gente encerra o contrato? Código, prompts, pipeline, dados?
- Vocês propõem fine-tuning ou RAG ou API? Quando cada um faz sentido?
- Qual é o prazo para uma solução funcionando nos meus dados?
Se o fornecedor responde a tudo isso com clareza, você está em bom lugar. Se enrola, é porque não sabe ou porque a resposta não é favorável.
Armadilhas de pricing
O modelo de pricing muda tudo sobre o que acontece depois do projeto.
Por assinatura por usuário funciona para SaaS genérico. Para IA, incentiva o fornecedor a manter você dependente. E o custo escala com adoção, que é o oposto do que você quer.
Por token ou chamada é transparente, mas difícil de prever. Pergunte a estimativa mensal para o volume esperado.
Por projeto com escopo fixo significa escopo claro, preço fixo, e a solução rodando nos seus dados. Quando o trabalho acaba, o diagnóstico e o código ficam com você. Sem segunda fase, e sem surpresa.
O que importa é saber o que está incluído e o que não está. Hosting, manutenção, ajustes de prompt, treinamento. Tudo isso tem custo e precisa estar claro.
Como é um processo sério
Dá para perceber cedo quando o processo é sério. Normalmente funciona assim:
O fornecedor começa entendendo o problema antes de propor solução. Parece óbvio, mas muita gente pula essa parte. O diagnóstico precisa cobrir o fluxo atual, os dados disponíveis e as restrições. Se o fornecedor já chega com a resposta pronta, está vendendo, não diagnosticando.
Depois vem a solução. Não um documento de requisitos, e não um protótipo para jogar fora. Software nos dados reais, revisado enquanto é construído, rodando nos sistemas que o time já usa. Um fluxo que parece simples no papel mostra se roda. Se for grande demais para o problema, isso aparece no trabalho, e o escopo é cortado ali.
Com a solução em mãos, o problema está resolvido. Você tem o resultado, o custo de infraestrutura, o código, e um plano para manter. Não fica uma conversa seguinte sobre o projeto sério.
Fornecedor que vende protótipo, ou piloto que precisa de um segundo contrato, deixa o problema aberto.
Na A1 Lab, este é o nosso processo: diagnóstico em 3 a 5 dias, a solução em 1 a 3 semanas, e o plano técnico nos últimos dias, com o trabalho já feito. No calendário são 2 a 5 semanas quando o dono e os arquivos estão na primeira semana. Você recebe um relato do trabalho, a solução nos seus dados, custos reais e um plano para manter. Aí a gente sai. O código é seu.
Perguntas frequentes
Como sei se preciso de IA ou de automação comum? Se o problema é regrado, repetitivo e bem definido (mover dados de A para B, disparar email quando X acontece), você precisa de automação, não de IA. Se o problema exige interpretação de texto, decisão com ambiguidade ou resposta em linguagem natural, IA faz sentido.
Qual é o prazo mínimo para ver resultado? Diagnóstico em 3 a 5 dias, depois uma solução funcionando em 1 a 3 semanas, 2 a 5 semanas no calendário quando os arquivos já estão na mão. Duas semanas é o caso pequeno. Se alguém promete menos que isso, pergunte como.
Preciso ter os dados organizados antes de contratar? Não necessariamente, mas ajuda. Um bom fornecedor vai ajudar a avaliar a qualidade dos dados como parte do diagnóstico. Se os dados estão uma bagunça, isso deveria aparecer no diagnóstico, não depois de três meses de projeto.
O que eu levo comigo se o projeto não der certo? Código, prompts, pipeline de processamento e dados. Se o fornecedor não entrega isso, pergunte por quê antes de assinar.
Veja também: