# Sistema interno feito com IA: o que muda na decisão > A IA barateou escrever código, não as decisões que sustentam um sistema interno. Veja o que muda na escolha entre construir em casa e contratar. - Autor: Marlon Trettin - Publicado: 2026-10-11 · Atualizado: 2026-10-11 - Idioma: pt-BR - Canonical: https://yowpi.com/blog/sistema-interno-feito-com-ia --- Quando o time monta sozinho uma tela que funciona, a conclusão parece óbvia: não precisa contratar ninguém. Faz sentido, mas a pergunta mudou de lugar. A IA reduziu o custo de escrever código, não o das decisões que mantêm um sistema de pé: quem pode alterar o quê e quem responde quando o número sai errado. Isso é arquitetura. ## TL;DR - Produzir uma tela ficou barato. As decisões que definem se ela ainda serve daqui a um ano custam o mesmo de antes. - Na pesquisa do Stack Overflow de 2025, 46% dos desenvolvedores desconfiam da precisão do que a IA devolve e 33% confiam. A maior frustração, citada por 66%, é a resposta quase certa. - O relatório DORA de 2025 descreve a IA como amplificador: ela aumenta o que a empresa já faz bem e também o que ela já faz mal. - A escolha entre construir em casa e contratar deixou de ser sobre quem escreve o código. É sobre quem responde pela arquitetura depois que o sistema entra na rotina. ## Por que essa pergunta voltou para a mesa? Porque agora a demonstração funciona. Um analista de operações abre uma ferramenta de IA na terça e mostra na quinta uma tela de pedidos que salva, lista e filtra. Não é maquete. Roda. O contexto ajuda a explicar a velocidade. O [levantamento do Sebrae com a FGV IBRE e o Google](https://agenciasebrae.com.br/dados/pequenos-negocios-abracam-a-inteligencia-artificial-para-otimizar-o-tempo-e-inovar/), que ouviu cerca de 5.000 empresas em setembro de 2025, mostra 96% das micro e pequenas empresas familiarizadas com plataformas de IA generativa, embora só 15% usem com frequência e a finalidade principal seja marketing e divulgação (59%). Familiaridade alta e uso operacional baixo é a distância que este artigo trata. A [pesquisa do Stack Overflow de 2025](https://survey.stackoverflow.co/2025/ai) registra 84% dos respondentes usando ou pretendendo usar IA no trabalho, e 51% dos desenvolvedores profissionais usando todo dia. Depois da demonstração vem sempre a mesma pergunta: se a tela já existe, por que pagar por um projeto? ## O que ficou barato e o que não ficou Ficou barato produzir código. Tela, formulário, relatório, rotina de importação. Essa parte do trabalho encolheu de semanas para dias. Não ficou barato decidir. Um sistema que a empresa usa todo dia depende de respostas que nenhuma ferramenta escreve no lugar de ninguém: qual é a fonte da verdade de cada dado, quem pode ver e alterar o quê, o que acontece com o histórico quando a regra muda, quem atende quando o processo trava às 18h de uma sexta. O [relatório DORA de 2025](https://dora.dev/research/2025/dora-report/) resume o efeito em uma palavra: amplificador. A IA aumenta o que a organização já faz bem e o que ela já faz mal. Onde o processo está definido, o ganho aparece. Onde ele nunca foi definido, a empresa passa a produzir indefinição em volume maior e em menos tempo. Quem publica o relatório é o Google Cloud, que vende IA, e ainda assim o achado contraria a promessa de ganho automático. ## Por que "quase certo" é pior que errado numa operação Na pesquisa do Stack Overflow, 66% dos desenvolvedores apontam como maior frustração as respostas de IA que estão quase certas, e 45% dizem que depurar código gerado por IA consome mais tempo. A confiança na precisão fica em 33%, contra 46% que desconfiam. Apenas 3,1% dizem confiar muito. O que está errado é pego. A tela não abre, o cálculo devolve valor absurdo, alguém reclama no mesmo dia. O que está quase certo passa. Num texto de marketing isso custa uma revisão. Num sistema que emite documento, calcula comissão ou libera crédito, o erro entra no banco de dados, se espalha pelos relatórios e reaparece meses depois, quando alguém nota que [o número do painel nunca bateu com o do financeiro](/blog/dashboard-gerencial-por-que-os-numeros-nao-batem). A régua de qualidade de um sistema em produção é diferente da régua de um protótipo. Um protótipo precisa convencer. Um sistema precisa estar certo mesmo quando ninguém está olhando. ## A sensação de velocidade não serve para aprovar um projeto A METR, uma organização de pesquisa sem fins lucrativos, fez o experimento que faltava. Dezesseis desenvolvedores experientes, 246 tarefas reais nos próprios repositórios, sorteio entre usar e não usar IA em cada tarefa. Antes de começar, eles previram ganho de 24%. Depois de trabalhar, disseram que tinham ganhado 20%. [A medição mostrou o contrário: com IA, levaram 19% mais tempo](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/). O dado é do começo de 2025 e a própria METR o considera vencido. Em fevereiro de 2026 ela [publicou a continuação](https://metr.org/blog/2026-02-24-uplift-update/), com 57 desenvolvedores e mais de 800 tarefas, que aponta para ganho de velocidade, e explicou por que confia pouco no próprio número: muita gente se recusou a participar para não trabalhar sem IA, e entre 30% e 50% dos participantes deixaram de submeter justamente as tarefas em que a IA ajudaria mais. A conclusão útil não é que a IA atrapalha. É que percepção de velocidade não é evidência, nem quando vem de profissionais experientes medindo a si mesmos. Se a decisão de construir em casa se apoia na impressão de que agora ficou rápido, ela se apoia em nada. ## Um exemplo, e ele é uma hipótese Uma distribuidora com faturamento de R$ 400 mil por mês e trinta pessoas. O analista de operações monta com IA uma tela de pedidos em uma semana. Funciona. O time adota, a planilha some, todo mundo comemora. No terceiro mês, três coisas acontecem juntas. A tabela de preços passa a ser editada em dois lugares, porque ninguém decidiu qual dos dois manda. Um cliente reclama de um pedido aprovado fora da alçada e não existe registro de quem aprovou. A integração com o ERP é uma exportação manual que o analista faz toda sexta, e ele entrou de férias. Nada quebrou. A operação apenas voltou a depender de uma pessoa, que era o problema que o sistema deveria ter resolvido. O cenário e os números acima são hipótese de trabalho, não medição de um cliente. ## O que muda na decisão de construir ou contratar O critério de comprar ou construir continua o de sempre: commodity se compra, o que diferencia a operação se constrói. O que mudou é o que a empresa está contratando quando contrata. Antes, contratava capacidade de produzir software. Hoje a produção é a parte mais acessível do pacote. O que se contrata é responsabilidade pelas decisões que precisam sobreviver ao entusiasmo do primeiro mês, e por quem atende quando elas falham. Antes de decidir, responda por escrito: 1. Qual é a fonte da verdade de cada dado que esse sistema toca, e quem tem autoridade para mudá-la? 2. Quem pode ver e alterar o quê, e o que fica registrado quando alguém altera? 3. Quando a regra de negócio mudar, e ela vai mudar, quem altera, em quanto tempo e com qual teste? 4. Se a pessoa que construiu sair na semana que vem, o que fica na empresa além do que está rodando? Se o time responde as quatro, construir em casa com apoio de IA é caminho razoável. Se não responde, a IA está acelerando a parte que nunca foi o gargalo. Vale lembrar que [a conta não termina na entrega](/blog/custo-de-manter-um-sistema-depois-de-pronto) e que [a escolha entre time próprio e fornecedor](/blog/contratar-dev-ou-terceirizar-pme) tem outros pesos, de rotatividade a risco jurídico. ## Perguntas frequentes **Sem equipe técnica, dá para manter um sistema construído com IA?** Dá, se as regras estiverem fora da cabeça de quem construiu. Isso significa modelo de dados documentado, permissões definidas, ambiente de teste e um procedimento escrito para mudanças. Sem isso, a empresa tem um sistema em produção com um único fornecedor interno, e esse fornecedor tira férias. **O sistema que a equipe montou com IA é seguro?** Segurança não é propriedade da ferramenta, é resultado de decisões: [quem entra, o que cada perfil enxerga](/blog/controle-de-acessos-quem-ve-o-que), o que fica registrado e o que acontece no desligamento de um funcionário. Uma tela gerada em dois dias raramente tem essas decisões tomadas, porque elas não aparecem enquanto tudo funciona. Vale auditar antes de colocar dado de cliente ali dentro. **Vale pagar por arquitetura se a IA já entrega a tela pronta?** A tela é a parte visível e a mais barata de refazer. O que custa caro é migrar dado mal modelado, reconstruir histórico que ninguém guardou e destravar integração que ninguém desenhou. No [resgate da plataforma da Colo Saúde](/cases/colo-saude), que herdamos rodando, o primeiro projeto foi auditoria de segurança e ajuste de performance, antes de qualquer funcionalidade nova; hoje a mesma plataforma migra para outra base tecnológica. Arquitetura é o que decide se daqui a dois anos você evolui o sistema ou recomeça. ## O próximo passo Se a sua equipe já construiu alguma coisa com IA e a dúvida é o que dali merece virar sistema, o [Diagnóstico de Arquitetura Operacional](/contato) é uma conversa de 30 minutos sobre a operação, antes de qualquer proposta técnica.