O Que Ainda Não Consegui Delegar

Passei seis meses a automatizar as operações de três alojamentos de curta duração. A automação funcionou. Essa não é a parte interessante.

A parte interessante é o que ela continuava a devolver-me — e porque é que essas coisas acabaram por partilhar uma única característica que eu não tinha reparado antes.

O consenso é que o resíduo é pequeno

A indústria chegou a um número. O relatório de operadores de 2026 da Hostaway coloca a adopção de IA acima dos 60%. [1] E a afirmação operacional subjacente é agora padrão: os sistemas automatizados tratam 80–90% das mensagens de hóspedes por conta própria, com revisão humana necessária "apenas para casos extremos ou escalonamentos." [2]

Lida da forma como a indústria a lê, esta frase soa a volta de vitória. Noventa por cento tratados. Os dez restantes são um erro de arredondamento — uma fila de casos incómodos que ainda não tivemos tempo de automatizar.

Esse enquadramento está errado, e foram precisos seis meses a construir para perceber porquê.

A lacuna: o resíduo não é uma fila

A maior parte do que se escreve sobre automação trata aquilo que não se consegue delegar como uma lista de tarefas pendentes. Tarefas complexas a que eventualmente se chegará. Casos extremos que o modelo virá a cobrir na próxima versão. A promessa implícita é que a linha continua a avançar até o humano se tornar opcional.

Mas as coisas que o meu sistema não conseguia absorver não eram complicadas. Eram anómalas. E anómalo é uma categoria diferente de complexo — não fica numa fila à espera de um modelo melhor, porque a característica que define uma anomalia é precisamente não a termos modelado à partida.

O que construí

A stack é React, Supabase e Lovable Cloud, a gerir três propriedades entre o Algarve e a Andaluzia. Ao longo de seis meses absorveu a maior parte do que costumava ser manual.

As mensagens aos hóspedes seguem uma sequência orientada por calendário — check-in, meio de estadia, véspera de check-out, follow-up — redigidas a partir dos dados da propriedade e enviadas via WhatsApp, disparando às 08:30 sem eu tocar em nada. O registo de hóspedes e as comunicações legais que se seguem (SIBA em Portugal, SES.Hospedajes em Espanha) passam por um portal de self-service. O acompanhamento financeiro reconcilia dois livros — regime de acréscimo na base de dados, caixa num fluxo separado — e os alertas de limpeza e rotação disparam sozinhos. Até o pipeline editorial está automatizado: um artigo passa de rascunho a cinco versões traduzidas até uma linha publicada na base de dados sem um único passo manual.

Esta é cobertura real. Numa semana normal, a operação corre e eu limito-me a observar. Os 90% são genuínos.

A parte que não se pesquisa no Google

Eis o aspecto que o resíduo realmente tinha.

Uma limpeza agendada podia ser eliminada com um único clique — o indicador de "agendada" era o mesmo controlo que a cancelava, sem confirmação, quatro colunas da base de dados apagadas num toque. O sistema fez exactamente o que lhe foi pedido. O que faltava era o discernimento que diz esta acção é destrutiva, obriga o humano a confirmar.

Um hóspede abriu o portal às 07:51 à procura dos passos de check-out e só viu instruções de check-in. A regra que decidia que passos mostrar estava correcta — para o hóspede médio, numa manhã média. Este hóspede estava acordado cedo e ansioso, algo que a regra não modelava. A lógica não estava avariada. O contexto simplesmente não era aquele para o qual tinha sido construída.

Um lembrete de check-out falhou o envio e ninguém deu por isso, porque a única prova de que a mensagem tinha saído era um evento de calendário — e eventos de calendário desaparecem quando são eliminados. Os dados eram internamente consistentes e externamente cegos. Só encontrei a falha depois de duas mensagens não terem acontecido, silenciosamente.

E uma nota automatizada chegou a saudar uma equipa de limpeza cujo contrato já tinha terminado — calorosa, simpática, dirigida às pessoas erradas — porque o registo continuava tecnicamente correcto num sistema sem forma de saber que uma relação tinha mudado no mundo real.

Nenhuma destas situações foi uma falha de execução. Todas foram uma falha em ler um contexto que nunca foi dado ao sistema. Não surgiram apesar da automação, mas por causa dela: uma vez tratada a rotina, os únicos eventos que chegam até nós são os que não encaixam.

A automação não reduz a parte difícil. Concentra-a.

Foi isto que os seis meses me ensinaram e que eu não esperava.

Assumi que automatizar a rotina me deixaria com menos trabalho do mesmo tipo. Deixou-me com um tipo diferente. Os 10% que chegam a um humano não são a tarefa média menos a eficiência — são o conjunto destilado de casos que exigem discernimento, despojados de tudo o resto. Cada um pesa mais, por caso, do que o trabalho que substituiu, porque cada um é, por definição, a situação que ninguém tinha pré-modelado.

A fronteira da delegação, afinal, não é simples versus complexo. É contexto estável versus contexto que muda de formas que não se anteciparam. A automação domina completamente o primeiro. O segundo nunca foi a lado nenhum.

Por isso, quanto melhor o sistema ficava, mais o trabalho restante se tornava, de forma pura, discernimento — barreiras de protecção contra acções destrutivas, o hóspede ansioso, a falha silenciosa, a relação que a base de dados não conseguia ver. Não menos trabalho. O trabalho que sempre foi meu.

Qual é a coisa nas operações de cada um que parecia claramente automatizável — até ao único caso que não foi?

Fontes

1. Hostaway, 2026 Short-Term Rental Report: 61% of Operators Are Using AI — hostaway.com, 2026. https://www.hostaway.com/blog/2026-short-term-rental-report/
2. Jurny, What Can (and Can't) Be Automated in Your Short-Term Rental Business in 2026 — blog.jurny.com, 2026. https://blog.jurny.com/what-can-and-cant-be-automated-in-your-short-term-rental-business-in-2026
3. Personal incident log — LusiberiaStays operations platform (React + Supabase + Lovable Cloud), 2026.