IA no ERP: por que permissão de escrita é a decisão cara

A conversa sobre IA corporativa mudou de assunto. Já não se discute se o chatbot responde bem; discute-se se o agente pode consultar o estoque, atualizar a oportunidade no CRM, disparar a cobrança e registrar tudo de volta no ERP. É a transição do copiloto que sugere para o agente que executa. E ela esconde uma decisão que quase ninguém está tratando com a seriedade devida: a permissão de escrita.

Deixar a IA ler seus sistemas é relativamente barato e relativamente seguro. Deixar a IA escrever neles (criar pedido, aplicar desconto, alterar cadastro, iniciar cobrança) é onde mora o valor de verdade. E também o raio de erro. A tese deste artigo: a maioria das empresas vai errar essa decisão não por conceder autonomia demais de propósito, mas por nunca ter desenhado a fronteira entre consulta, recomendação e execução.

O loop fechado é o que separa IA útil de IA decorativa

A arquitetura que faz um agente de IA valer o investimento em contexto de ERP já é conhecida: um evento acontece no sistema (atraso de fornecedor, mudança de estoque), a IA consulta os dados relevantes via API, analisa, recomenda ou executa uma ação, e o resultado é gravado de volta no ERP. Um ciclo fechado, conectado a um processo mensurável.

A diferença é brutal. Uma IA que responde "qual o status do pedido?" é um FAQ caro. Uma IA que detecta o atraso, identifica os pedidos afetados, sugere alternativas e inicia o fluxo de comunicação é operação. O caminho sensato é começar por processos com eventos claros e resultados mensuráveis, e não tentar automatizar o ERP inteiro de uma vez.

Note o que não aparece nessa arquitetura: substituir o CRM ou o ERP. O caminho é uma camada de orquestração, conectores e controles de autorização em cima do que já existe. Quem vende "troque seu sistema por IA" está vendendo outra coisa.

O WhatsApp prova o ponto, com denominadores que você precisa cobrar

No Brasil, o canal onde o loop fecha mais rápido é o WhatsApp. Segundo material apresentado no WhatsApp Business Summit 2025, a Nespresso concentra 50% dos contatos de clientes na plataforma, resolve cerca de 30% dos casos integralmente via chatbot e reporta taxa de conversão de até 70% no fluxo de vendas. O caso da Magalu publicado pelo próprio WhatsApp Business registra conversão três vezes maior no canal do que no app e no e-commerce, com NPS de 85, em resultados informados pela empresa.

São números informados pelas empresas e divulgados pela plataforma e em palco de evento, não auditoria independente, e não devem ser tratados como benchmark setorial. Mas eles revelam algo estrutural, não conjuntural: o ganho não vem do modelo de linguagem. Vem de o cliente iniciar no WhatsApp enquanto a empresa consulta estoque no ERP, recupera histórico no CRM, apresenta catálogo e fecha pagamento sem trocar de canal. A IA reduz etapas entre intenção e compra. Quem conecta catálogo, preço, estoque, pagamento e logística captura isso. Quem coloca um chatbot genérico na frente do mesmo call center de sempre captura quase nada.

E quando for comparar casos, cobre o denominador: 70% de conversão sobre o quê? Contatos totais, conversas qualificadas, carrinhos iniciados? Sem denominador, todo case é marketing.

Atendimento não é transação, e o LLM não assina sozinho

O mesmo evento apresentou Itaú e PicPay oferecendo transações pelo WhatsApp com texto, voz e imagem, e o Jota operando como banco digital inteiramente dentro do aplicativo de mensagens. Aqui a régua sobe. Nesses modelos, a conversa é a interface, mas autenticação, regras de negócio, processamento e registro continuam nos sistemas internos. O modelo de linguagem interpreta a intenção; não é a autoridade final para mover dinheiro. Essa separação não é detalhe de arquitetura. É a diferença entre um banco conversacional e um incidente de segurança com interface simpática.

A mesma lógica vale para qualquer empresa: automação de atendimento (classificar, resumir, consultar status) e automação transacional (desconto, crédito, cancelamento, pagamento) são produtos diferentes, com riscos diferentes e controles diferentes. Tratá-las como um projeto só é dar a mesma chave para o estagiário e para o CFO.

Integração amplia o raio de erro e pode automatizar a bagunça

Uma IA isolada que erra produz uma mensagem errada. Uma IA integrada que erra consulta o cliente errado, aplica desconto indevido, cancela uma ordem, expõe dados de terceiros ou grava informação incorreta no CRM, contaminando todas as decisões futuras que dependem daquele registro. Três fatores agravam o problema: permissões maiores do que o necessário, versões divergentes da mesma informação entre CRM, ERP e planilhas, e ausência de mecanismo simples de reversão.

Por isso a arquitetura de aplicações de maior risco precisa separar explicitamente leitura de dados, recomendação, aprovação, execução e auditoria. Cinco camadas, não uma.

Há um engano ainda mais silencioso: achar que integrar resolve a fragmentação de dados. Um agente conectado ao CRM enxerga o histórico de vendas, mas não a negociação informal por e-mail, a exceção contratual em PDF, a planilha local atualizada à mão. A integração não conserta a bagunça; ela pode apenas automatizar a fragmentação em maior velocidade. Antes de dar autonomia, pergunte qual versão da verdade o agente vai enxergar.

Tudo isso ainda roda dentro da LGPD. A ANPD incluiu o tratamento de dados pessoais em IA na sua agenda regulatória e publicou nota técnica sobre o compartilhamento de dados entre o WhatsApp e empresas do Grupo Meta: um lembrete de que integrar o canal da Meta ao seu CRM não é só decisão técnica, é decisão de governança de dados, com base legal, minimização e trilha de registro.

O que isso significa para empresas brasileiras

O lançamento do Business AI da Meta para pequenas e médias empresas brasileiras em 2026 derrubou a barreira de entrada: dá para ter um agente respondendo clientes e transbordando para humanos sem construir nada. Isso vai criar duas categorias de empresa: as que usam um chatbot genérico e as que conectam o canal a estoque, CRM, pagamento e logística. A segunda captura mais valor e assume mais responsabilidade. Não existe atalho entre as duas.

Para quem vai fazer essa travessia, a ordem importa:

Comece pela leitura. Consulta de status, classificação, resumo e atualização de campos de baixo risco entregam valor rápido com raio de erro pequeno.
Trate escrita como privilégio, não como feature. Cada permissão de escrita do agente deve ter escopo mínimo, aprovação definida e mecanismo de reversão testado antes do go-live, não depois do primeiro incidente.
Transação exige arquitetura própria. Se a ação envolve dinheiro, crédito, cancelamento ou dados sensíveis, o LLM interpreta; o sistema de regras decide; um humano ou um controle formal aprova.
Arrume a fonte da verdade primeiro. Se CRM, ERP e planilha discordam, o agente vai escolher uma versão e escalar o erro.

A pergunta estratégica dos próximos anos não é "usar ou não usar IA", nem "qual modelo". É quanta autonomia conceder, em quais processos, com quais freios. Quem responder isso no desenho da arquitetura vai colher o loop fechado. Quem responder depois do primeiro desconto indevido vai colher auditoria.

Sua IA pode ler o ERP. Dar a ela permissão de escrita é a decisão mais cara do projeto