As 7 coisas que eu audito primeiro quando uma empresa me chama pra ver a IA deles

Toda empresa que me chama pra ver a IA deles começa igual: "o problema é técnico, a gente precisa de alguém que entenda de modelo".

Quase nunca é técnico. Em 5 anos fazendo isso, o problema real tá em processo, risco e método. Não em código.

Quando eu entro, olho 7 pontos antes de tocar em uma linha. Seis deles não são código. Este é o checklist que uso, aberto pra você rodar sozinho antes de gastar dinheiro com qualquer consultor (inclusive eu).

1. Quem tem acesso a quê

Primeira pergunta, sempre: quem na empresa pode usar quais ferramentas de IA, com qual conta, com qual permissão?

O que eu costumo achar:

• Conta de ChatGPT compartilhada entre 10 pessoas (ninguém sabe quem fez o quê).
• Chave de API de produção na mão de estagiário.
• Ninguém com visão de quem acessa o quê.

Pergunta pra você: se um funcionário sair amanhã, você sabe exatamente quais acessos de IA revogar? Se a resposta é "não sei", você tem risco.

2. Onde estão os segredos

Chave de API, senha, token. Onde estão?

O que eu costumo achar:

• Chave commitada no GitHub (às vezes em repo público).
• Chave em arquivo .env que foi pro Git sem querer.
• Chave hardcoded no código do front-end (visível pra qualquer um que abra o navegador).

Esse é o achado mais comum e o mais perigoso. Já escrevi sobre isso em nunca vaze uma senha e o risco não é o código que você escreve.

Pergunta pra você: suas chaves de API estão em variável de ambiente no servidor, nunca no código? Tem certeza?

3. Qual dado vai pro prompt

Quando alguém da empresa usa IA, o que ela digita?

O que eu costumo achar:

• Dado de cliente (nome, CPF, e-mail) colado em prompt do ChatGPT público.
• Contrato inteiro jogado numa IA sem saber onde aquilo é armazenado.
• Código proprietário passando por ferramenta que treina em cima do input.

Isso é bomba de LGPD. Dado pessoal em prompt de ferramenta pública pode ser violação. E ninguém percebe até virar processo.

Pergunta pra você: existe regra clara na empresa sobre o que pode e o que não pode ir pra um prompt de IA? Alguém treinou o time nisso?

4. O que os agentes podem fazer

Se a empresa usa agente de IA (automação que age sozinha), qual o poder dele?

O que eu costumo achar:

• Agente com acesso de escrita ao banco de produção.
• Agente que manda e-mail em nome da empresa sem revisão.
• Agente que executa código sem sandbox.

Agente é poderoso e perigoso na mesma medida. Já falei disso em você soltou um agente de IA sem revisar o que ele pode.

Pergunta pra você: cada agente da sua empresa tem o mínimo de permissão necessário, ou você deu acesso amplo "pra facilitar"?

5. Quem revisa o que a IA gera

A IA gerou código, texto, decisão. Quem olha antes de ir pra produção ou pro cliente?

O que eu costumo achar:

• Código da IA indo direto pra produção sem review.
• Texto gerado por IA publicado sem alguém ler.
• Decisão baseada em análise de IA sem ninguém questionar.

Isso é o vibecoding às cegas em escala corporativa. Sem revisão, você multiplica erro na velocidade da máquina.

Pergunta pra você: existe uma etapa humana obrigatória de revisão entre "a IA gerou" e "foi pro mundo"? Ou a IA tem passe livre?

6. Custo real vs percebido

Quanto a empresa acha que gasta com IA, e quanto gasta de verdade?

O que eu costumo achar:

• Empresa pagando 3x mais do que precisa por usar modelo caro pra tarefa simples.
• Assinatura de ferramenta que ninguém usa mais.
• Custo de API disparando sem ninguém acompanhar dashboard.

Método corta custo sem cortar qualidade. Falei sobre isso em custo real de API de IA.

Pergunta pra você: você sabe, com número, quanto sua empresa gastou com IA no último mês? Se não sabe, provavelmente tá gastando demais.

7. O que acontece se o fornecedor mudar

A empresa depende de qual ferramenta? E se ela mudar preço, política ou sumir?

O que eu costumo achar:

• Produto inteiro amarrado numa API que pode mudar amanhã.
• Zero plano B se a ferramenta principal cair.
• Código acoplado a um fornecedor específico, impossível de trocar rápido.

Vimos Sora sumir standalone e Alibaba banir o Claude Code. Muda o tempo todo.

Pergunta pra você: se sua ferramenta de IA principal mudasse as regras amanhã, quanto tempo você levaria pra migrar? Se a resposta é "meses" ou "não sei", você tá refém.

O padrão que aparece sempre

Reparou? Só 1 dos 7 pontos é sobre código de verdade (a revisão do que a IA gera toca nisso). Os outros 6 são acesso, segredo, dado, permissão, custo e dependência.

Por isso eu digo: empresa quase nunca tem problema técnico de IA. Tem problema de método.

O CTO acha que precisa de alguém que entenda de modelo. Precisa de alguém que organize o processo. São coisas diferentes.

Como usar esse checklist

Roda os 7 pontos na sua empresa hoje. Marca cada um:

• Verde: você tem controle e sabe a resposta.
• Amarelo: você tem alguma coisa mas não tem certeza.
• Vermelho: você respondeu "não sei" ou "ninguém".

Conta os vermelhos:

• 0-1 vermelho: você tá bem. Método já existe.
• 2-3 vermelhos: risco ativo. Resolve antes de escalar.
• 4+ vermelhos: para de adicionar IA nova e organiza o que já tem. Você tá sentado num barril.

Vale o ponto

"Isso não é só o consultor querendo vender medo?"

Vale o ponto. Por isso o checklist tá aberto de graça. Roda sozinho. Se der tudo verde, ótimo, você não precisa de mim.

Consultor que vende medo esconde o método. Consultor que entrega valor abre o método e deixa você decidir se precisa de ajuda pra executar. A diferença é essa.

Conclusão

Quando me chamam pra auditar a IA de uma empresa, eu não começo pelo código. Começo por quem acessa o quê, onde estão os segredos, qual dado vaza, o que os agentes podem fazer, quem revisa, quanto custa e o que quebra se o fornecedor mudar.

Seis dos sete não são código. São método. E método é o que separa empresa que usa IA com segurança de empresa que tá esperando o próximo incidente.

Rodou o checklist e achou vermelho demais? Me chama no LinkedIn com o contexto. Se achou tudo verde, parabéns, continua fazendo o que faz.

A decisão é sua.