Quando uma pessoa clica o dia inteiro

A cena era assim. Uma pessoa, sentada na frente de uma plataforma de cartão de crédito, fazendo login com a credencial de um parceiro. Selecionando filtros. Escolhendo a data no calendário. Esperando o link de download aparecer. Clicando. Esperando o arquivo baixar. E começando tudo de novo — para o próximo parceiro, próximo período, próximo arquivo.

Não era um trabalho difícil. Era um trabalho impossível de escalar.

O backlog crescia mais rápido do que dava pra processar. Multiplique credenciais por meses de histórico e você chega em milhares de arquivos esperando — todos com a mesma cara, todos atrás do mesmo gesto repetido.

A primeira pergunta não é “como automatizar”

A primeira pergunta é: vale a pena automatizar isso?

Três sinais que indicam “sim”:

• O processo é repetitivo e previsível (mesma sequência de cliques toda vez)
• O custo manual cresce linearmente com o volume (dobrou a base, dobrou o trabalho)
• O erro humano tem consequência real (arquivo errado, recibo perdido, prazo estourado)

Esse caso marcava as três caixas. Decisão tomada.

O que automatizei — e o que deixei de fora

Tem uma armadilha aqui. É tentador automatizar tudo: do login até o pós-processamento. Mas cada nova superfície automatizada é uma nova superfície que pode quebrar.

O escopo foi propositalmente apertado:

1. Login com credenciais de parceiro
2. Navegação até a tela de recibos
3. Detecção do padrão de download (esse foi o pulo do gato — explicar abaixo)
4. Download em paralelo com fila controlada
5. Verificação de integridade de cada arquivo recebido

Tudo fora desse escopo — análise dos recibos, conciliação, decisão de negócio — continuou humano. Por escolha.

Por que detectar o padrão, em vez de hardcodar?

A tentação inicial era: “vou escrever um seletor CSS pro botão de download de cada tela e pronto.”

Não funciona. A UI da plataforma mudava. Pequenas mudanças visuais quebravam seletores fixos. A automação virava manutenção: a cada semana, um seletor novo pra ajustar.

A solução foi diferente: o robô aprendeu o padrão de onde o link de download aparece. Olhava pra estrutura semântica da página, não pra div#download-btn-v2-final-revised. Quando a UI mudava, o robô continuava funcionando — porque ele entendia o que era um link de download, não onde ele estava localizado naquela versão da tela.

Esse é o ponto onde IA deixa de ser hype e vira engenharia útil: reconhecer padrões variáveis sem precisar de regra fixa.

Retry, monitoramento, recuperação

Automação ingênua falha no primeiro 503 e morre. Automação séria sabe que a Internet falha o tempo todo e se planeja pra isso.

• Retry com backoff exponencial em cada operação de rede
• Idempotência em cada passo (rodar de novo não duplica)
• Estado persistente (se cair na metade, retoma de onde parou)
• Métricas em tempo real (quantos arquivos faltam, quantos erros, qual a taxa)

Você não descobre que algo quebrou pelo telefonema do cliente. Você descobre olhando o painel, antes do cliente perceber.

O resultado

O que era trabalho contínuo de uma pessoa virou rotina automática. Centenas de credenciais por hora, em paralelo, com visibilidade total. Zero arquivos perdidos. O backlog que crescia toda semana virou histórico.

Mas o resultado interessante não é o número. É o que se faz com o tempo liberado: a pessoa que clicava o dia inteiro passou a investigar inconsistências, conversar com parceiros, decidir o que importa. Trabalho de gente.

Quando esse tipo de automação faz sentido pra sua empresa

Se você reconheceu a cena no início desse texto — alguém clicando, esperando, clicando, esperando — provavelmente faz. E o cálculo é mais simples do que parece: somar as horas-pessoa gastas no processo e comparar com o custo de automatizar uma vez. A automação paga em meses, não em anos.

Se quiser conversar sobre um caso parecido na sua operação, vamos trocar uma ideia. Sem custo, ~30 minutos.