Processo, dados e IA respondem a perguntas diferentes.

Imagine uma equipe que quer reduzir atrasos em ordens de serviço. Ela pode desenhar o processo, analisar eventos, prever quais atendimentos vão atrasar, testar uma nova regra, organizar a agenda e usar IA para ler relatórios técnicos. Todas essas ações parecem próximas, mas respondem a perguntas diferentes.

O erro comum é começar pelo nome da tecnologia. A conversa fica mais útil quando começa pela decisão que a operação ainda não consegue tomar.

Onde o trabalho realmente está travando?

Entrevistas e modelagem revelam intenção, regras, exceções e atividades que nem sempre deixam registro. Mineração de processos confronta esse entendimento com os eventos gravados por sistemas: o que aconteceu, quando e com qual ordem, atividade, ativo, equipe ou atendimento.

Uma única sequência raramente basta. A mesma ordem pode envolver atividades, ativos, profissionais, visitas e registros diferentes. Relacionar esses objetos evita achatar o processo só para caber em uma planilha.

A Avni reúne esse trabalho na solução de Mineração de Processos, conectando a leitura dos eventos ao contexto de quem opera.

O que pode acontecer depois?

Estatística e aprendizado de máquina podem estimar prazo, demanda, risco ou comportamento fora do padrão. Uma previsão é probabilística: precisa ser comparada com uma referência simples, testada em períodos posteriores e monitorada quando os dados mudam.

Prever atraso não explica automaticamente como evitá-lo. Para perguntar se uma mudança de regra ou política produz efeito, é preciso raciocínio causal, hipóteses explícitas e — quando possível — comparação ou experimento adequado.

Qual alternativa faz mais sentido sob restrições reais?

Previsão estima um resultado; otimização procura uma escolha viável. Em uma operação de campo, isso pode significar distribuir capacidade entre equipes, prazos, deslocamentos e prioridades conflitantes.

O modelo não elimina a decisão. Ele torna os conflitos visíveis. Se um objetivo importante ficou de fora ou uma restrição foi descrita de forma errada, a resposta pode ser matematicamente correta e operacionalmente ruim.

O que a IA pode organizar — e quem continua decidindo?

IA ajuda quando o trabalho exige interpretar linguagem ou documentos: extrair campos, comparar textos, reunir fontes e preparar uma justificativa. Regras fechadas continuam melhores para cálculos e validações determinísticas.

Uma boa demonstração não basta. Casos de teste, fontes próximas da saída, limites de acesso, registro de versões e revisão humana precisam acompanhar a tarefa. Se a consequência é relevante, a pessoa autorizada deve conseguir corrigir, rejeitar e interromper.

A combinação só funciona quando cada técnica responde a uma pergunta clara e chega ao sistema usado pela operação.

Software é o que fecha o ciclo

Uma análise só muda a rotina quando chega às ferramentas que as pessoas usam. Isso pode exigir software sob medida, adaptação de plataformas, APIs, integrações ou tecnologias de código aberto. Também precisa devolver sinais: uso, erros, qualidade dos dados e resultado posterior.

É assim que as disciplinas se conectam sem virar uma lista de promessas. A pergunta escolhe a técnica; a operação mostra se a resposta funcionou.

Fontes e padrões técnicos

• Process Mining Manifesto — descoberta, conformidade e aprimoramento por eventos.
• OCEL 2.0 — registros de eventos relacionados a múltiplos objetos.
• BPMN 2.0.2 — modelagem de processos e colaborações.
• NEOS Guide — referência para otimização matemática.
• DoWhy — hipóteses, identificação e refutação em inferência causal.
• NIST AI RMF — governança, avaliação e monitoramento de IA.