Como mudar um modelo de decisão sem abrir um ticket

“Mudar um modelo de decisão sem abrir um ticket” parece, a princípio, um pedido para contornar a governança. Uma leitura mais produtiva encara isso como uma questão de design: por que o ticket existe, e os controles que ele representa devem continuar sendo administrados por um processo de gestão de mudanças que fica fora do ambiente de tomada de decisão?

Na tomada de decisão corporativa, a governança cumpre um conjunto definido de objetivos. As mudanças precisam ser atribuíveis a um autor identificável, revisáveis antes de entrarem em vigor e testáveis em relação aos resultados esperados. As organizações precisam controlar quem pode realizá-las, entender seu impacto posterior e manter um caminho para intervir quando o comportamento se desvia da intenção. Esses requisitos são mais críticos onde a decisão determina a elegibilidade de crédito, o preço, a intervenção em casos de fraude e o tratamento do cliente, e onde uma mudança mal governada pode afetar grandes populações antes de ser percebida. Tradicionalmente, esses objetivos foram perseguidos por meio do volume: aprovações sequenciais e uma revisão uniforme aplicada a toda mudança, independentemente do seu risco. No entanto, o rigor vem do que realmente é examinado, não de quantas pessoas o aprovam. Um modelo otimizado mantém os mesmos requisitos — documentação, testes, rastreabilidade e responsabilização — mas os aplica em níveis baseados em risco, de modo que as salvaguardas permanecem enquanto a fricção diminui e a velocidade deixa de ser sacrificada em nome da segurança. O ticket, sob essa ótica, é apenas um instrumento administrativo, separado dos objetivos de controle que ele foi criado para atender.

Essa distinção se torna mais relevante à medida que a inteligência de decisões evolui. A Pesquisa Agenda do CDAO (Chief Data and Analytics Officer) de 2024, realizada pela Gartner, constatou que um terço das organizações já implementou a inteligência de decisões — a prática de combinar dados, análise e IA em fluxos de decisão que apoiam ou automatizam julgamentos complexos. Desde então, a Gartner previu que, até 2027, metade das decisões empresariais serão potencializadas ou automatizadas por agentes de IA dedicados à inteligência de decisões. À medida que uma inteligência maior passa a atuar na própria decisão, os mecanismos que regem as mudanças na lógica de decisão merecem um escrutínio equivalente.

A Provenir mostra o quanto desse controle pode residir dentro do próprio ambiente de tomada de decisão, em vez de ao redor dele. As equipes de negócio configuram, testam e implantam a lógica de decisão diretamente, enquanto o fluxo de trabalho permanece auditável e com controle de versão. As capacidades de campeão/desafiante permitem avaliar estratégias concorrentes, inclusive com dados reais de produção, antes de entrar em operação. Regras configuráveis determinam quando uma mudança deve ser interrompida para revisão manual. Cada capacidade reconstitui algo que o ticket existia para garantir: um registro do que mudou, um meio de comparar resultados e um ponto definido em que o julgamento humano é necessário.

Quando enquadrada estrategicamente, a eliminação do ticket representa menos uma organização operacional do que uma mudança no modelo de negócios e em onde está a vantagem competitiva. Um modelo de decisão raramente é, por si só, uma vantagem duradoura, já que as técnicas são publicadas e capacidades comparáveis podem ser adquiridas; o que resiste à imitação é a capacidade organizacional de mudar a lógica de decisão de forma rápida e segura em grande escala — uma capacidade dinâmica pela qual uma empresa reconfigura continuamente suas regras de decisão à medida que as condições mudam. Como essa capacidade surge de muitos elementos que interagem entre si, entre eles a configuração da plataforma, a disciplina de controle de versão, as rotinas de campeão/desafiante e as permissões calibradas, os concorrentes não conseguem identificar facilmente o que produz essa taxa superior de mudança segura. Essa ambiguidade causal é, em si, uma barreira à imitação, e transforma um processo de mudança mais rápido e mais seguro, de um ganho operacional passageiro, em uma posição defensável: a função de decisão passa de emitir decisões individuais a acumular diversas mudanças governadas e validadas por evidências, até formar uma vantagem que novos entrantes dificilmente conseguem alcançar.

Isso reformula a própria supervisão. A interpretabilidade e a explicabilidade têm deslocado cada vez mais a governança da auditoria posterior para uma responsabilização contínua e incorporada. Onde a supervisão antes se apoiava em testar resultados e confiar que um modelo funcionava, hoje ela tende a exigir evidências de por que funciona: a importância documentada das variáveis (feature importance), a lógica de decisão e o raciocínio rastreável por trás de cada pontuação ou alerta. Os frameworks de governança exigem cada vez mais artefatos de explicabilidade além das métricas de desempenho, entre eles fichas de modelo (model cards), registros de decisão e justificativas em linguagem simples que as áreas jurídica, de compliance e de auditoria consigam entender, não apenas os estatísticos. Isso amplia o grupo de participantes, trazendo as equipes de risco, compliance e jurídico para as mudanças de modelo em uma etapa mais inicial, porque elas conseguem entender o que está sendo alterado, e faz de cada atualização algo que a organização pode defender, e não apenas implantar. A lógica econômica aponta na mesma direção: a pesquisa State of AI da McKinsey, de março de 2025, constatou que a supervisão da governança de IA pelo CEO está entre os fatores mais correlacionados a um maior impacto autodeclarado nos resultados financeiros gerado pela IA generativa, posicionando a governança menos como uma restrição ao valor e mais como uma condição para gerar esse valor.