Por que o erro que a IA corrige antes do protocolo nunca vira estatística de retrabalho

Quando a inteligência artificial identifica um erro num documento antes do protocolo — um recuo abaixo do mínimo exigido, uma área que não bate com o memorial, uma matrícula fora do prazo de validade — e o requerente corrige antes de enviar, esse erro nunca chega a existir para o órgão público. Ele não gera devolução, não entra em nenhuma planilha de pendência, não aparece em relatório de retrabalho. A prefeitura mede o que sobrevive até a análise; o que a IA resolve antes disso simplesmente não deixa rastro nenhum para medir.

O indicador de retrabalho só enxerga o que chegou até a mesa do analista

Toda métrica de eficiência processual — tempo médio de análise, taxa de devolução, número de exigências por protocolo — parte do mesmo ponto de partida: o momento em que o processo já está aberto e tramitando. Isso faz sentido para comparar analistas, secretarias ou tipos de processo entre si, mas cria um ponto cego estrutural quando parte da correção de erro passa a acontecer antes desse ponto de partida.

Um projeto arquitetônico que teria voltado três vezes por causa de uma taxa de permeabilidade abaixo do exigido, mas que a IA sinalizou ainda na tela do requerente, entra no sistema já corrigido. Para qualquer indicador que a secretaria acompanha, esse processo simplesmente nunca teve erro. O ganho é real — três idas e vindas a menos, dias de fila que não aconteceram — mas ele não é uma redução visível de um número que já existia. É a ausência de um evento que, no fluxo anterior, teria virado dado.

O requerente também não percebe o que evitou

A assimetria não é só do lado do órgão público. No fluxo tradicional, uma devolução gera atrito visível: o engenheiro recebe a exigência, reclama do prazo, muitas vezes atribui a demora à prefeitura mesmo quando o erro era dele. Esse atrito é desconfortável, mas produz um sinal — reclamação, ligação, avaliação negativa — que alguém na gestão eventualmente nota.

Quando a IA aponta o mesmo erro antes do envio, o requerente corrige na hora, sem perceber que evitou um ciclo inteiro de retrabalho. Não há reclamação porque não há motivo para reclamar; não há elogio porque ele não sabe que algo foi evitado. O município entrega um serviço mais eficiente exatamente no ponto em que fica mais difícil provar, para quem não olha os bastidores, que a eficiência aumentou.

Medir o que não aconteceu exige outro tipo de registro

Se a métrica tradicional só capta o que chegou tramitando, a saída não é abandonar essa métrica — é acrescentar uma camada anterior a ela. Isso significa registrar, mesmo sem gerar processo formal, quantas vezes a validação por IA sinalizou uma inconsistência ainda na etapa de preenchimento, e quantas dessas sinalizações foram corrigidas antes do envio final. Esse número é o comparável direto do que antes só aparecia como devolução — só que capturado uma etapa mais cedo.

Sem esse registro, a gestão corre o risco de olhar para uma taxa de devolução baixa e não conseguir separar duas explicações muito diferentes: um processo genuinamente mais simples de analisar, ou um volume de erro que continua existindo, só que agora é resolvido num momento que ninguém mede. A eficiência entra silenciosamente pelo lado que a estatística tradicional não observa — e o princípio da eficiência que a própria administração pública é obrigada a perseguir, previsto no art. 2º da Lei nº 9.784/1999, não distingue entre o erro visível corrigido depois e o erro invisível corrigido antes. Só quem mede os dois sabe, de fato, quanto retrabalho deixou de existir.

Conclusão

O maior efeito da validação de documentos por IA antes do protocolo não é reduzir um número que a prefeitura já acompanhava — é apagar um evento antes que ele produzisse qualquer número. Isso é uma boa notícia para quem tramita o processo dentro de um processo eletrônico e uma armadilha para quem avalia resultado só pelo que aparece na tela do relatório. Gestores que querem enxergar o ganho real da automação documental precisam parar de perguntar apenas “quantas devoluções tivemos este mês” e passar a perguntar também “quantos erros a IA impediu de virar devolução” — porque só a segunda pergunta captura o retrabalho que deixou de existir antes de nascer.