A Inteligência Artificial (IA) tem sido a palavra de ordem no mundo corporativo, prometendo revolucionar negócios e processos. No entanto, a realidade da implementação em larga escala mostra que a jornada não é tão linear quanto parece. Paulo Simon, Vice President of Business Development da Keyrus, compartilha sua visão sobre os desafios, as melhores práticas e o caminho para a criação de valor real com a IA.
O Maior Equívoco em 2024-2025: A Lacuna entre Experimentação e Produção
Paulo Simon destaca que, apesar do entusiasmo e dos investimentos em IA, o maior equívoco e desafio enfrentado pelas empresas em 2024-2025 foi a enorme lacuna entre a experimentação inicial e a produção em larga escala. Estimativas alarmantes mostram que mais de 80% dos projetos de IA falham, uma taxa o dobro da de projetos de TI não relacionados à IA. Apenas 48% dos projetos de IA chegam à produção, e a transição do protótipo para a produção leva, em média, oito meses. Preocupantemente, prevê-se que 30% dos projetos de IA generativa (GenAI) sejam abandonados após a prova de conceito até o final de 2025. Muitas organizações implementaram menos de um terço de seus pilotos em produção, e poucas alcançaram a escala necessária para cumprir os objetivos da missão. No setor de vendas, apenas 13% das organizações avançaram além dos pilotos, indicando uma "lacuna de execução massiva". Essa estagnação não se deve a limitações do modelo de IA, mas sim à falta de prontidão das organizações. Os desafios de integração, precisão e privacidade decorrem mais da má gestão de dados e da governança de acesso do que da própria GenAI. O rápido avanço tecnológico da IA, que viu uma redução de 142 vezes no tamanho do modelo para desempenho semelhante em pouco mais de dois anos, contrasta fortemente com as organizações legadas presas em ciclos de adoção desatualizados. A McKinsey salienta que o valor da IA provém da "reorganização do funcionamento das empresas", com a reformulação dos fluxos de trabalho sendo o fator de maior impacto no EBIT.
Metodologia para Alinhamento com a Criação de Valor Tangível
Diante do cenário onde muitas iniciativas de IA ficam em pilotos, Paulo Simon explica que a Keyrus adota uma visão integradora das tecnologias de IA, promovendo uma estreita cooperação entre humanos e IA em todos os níveis organizacionais para gerar performance aumentada. Para endereçar o desafio da lacuna entre pilotos e produção, a Keyrus desenvolveu um framework abrangente para adoção de IA. Este framework aborda aspectos fundamentais da jornada de forma multidimensional, não apenas do ponto de vista tecnológico, mas principalmente da mudança cultural. A Keyrus acredita que não é possível criar valor significativo sem uma visão ampla das possibilidades e riscos trazidos por estas tecnologias, começando pelas lideranças de maior nível.
A Jornada de IA com Alto Potencial de Criação de Valor
Paulo Simon delineia uma jornada de IA com alto potencial de criação de valor, baseada em três pilares fundamentais:
Cultivar o Alinhamento Estratégico: A IA deve ser vista como uma ferramenta para a transformação em toda a empresa e uma estratégia de crescimento, não apenas para a produtividade pessoal. A implementação eficaz da IA começa com um C-Level totalmente comprometido e um conselho engajado. Líderes C-suite devem redefinir seus papéis em torno da GenAI e garantir o alinhamento entre executivos técnicos e de negócios. A lição fundamental é que a IA é um catalisador para uma profunda transformação de negócios, exigindo uma mudança de mentalidade tática para uma abordagem estratégica e holística, onde a IA remodela fluxos de trabalho, processos e até modelos de negócios. Essa mudança, impulsionada por uma liderança alinhada, é essencial para ir além dos pilotos isolados e alcançar um valor escalável e impactante da IA.
Investir na Transformação e Habilitação da Força de Trabalho: A narrativa simplista de que a IA substitui empregos é incompleta e prejudicial. A IA é uma ferramenta de aumento que amplifica a experiência humana e democratiza o conhecimento. A falha em habilitar e capacitar a força de trabalho para colaborar com a IA é uma barreira crítica. A adoção bem-sucedida da IA depende de uma estratégia proativa de transformação da força de trabalho que prioriza a requalificação, fornece acesso generalizado a ferramentas e aborda de forma transparente os impactos humanos da IA. É fundamental requalificar funcionários em habilidades técnicas e de pensamento crítico, focando no desenvolvimento de capacidades não técnicas e agilidade de aprendizagem. É crucial fornecer amplo acesso a ferramentas de IA com salvaguardas, ajudando a construir a fluência em IA em toda a organização. A resistência cultural deve ser abordada priorizando a habilitação da linha de frente, treinando gerentes primeiro e demonstrando valor claro para construir confiança. Reconhecer e abordar os "impactos silenciosos" da IA na experiência do trabalhador é essencial para promover uma relação positiva entre humanos e tecnologia. Dada a escassez de talentos, as organizações devem focar na contratação de generalistas com base em IA, na requalificação de funcionários existentes e no aproveitamento de estruturas de equipe híbridas.
Construir uma Fundação Robusta de Dados "Prontos para IA": Os dados não são apenas um subproduto operacional; tornam-se um ativo estratégico cuja preparação e governança determinam diretamente o sucesso ou o fracasso das iniciativas de IA. A prioridade deve ser dada à qualidade, consistência e representatividade dos dados. Isso significa que os dados devem ser adequados ao propósito, representativos (incluindo outliers para treinamento), abertos, dinâmicos e capazes de lidar com novos padrões de governança e privacidade. É imperativo implementar uma gestão dinâmica de dados, metadados e governança, que garanta clareza, rastreabilidade, consistência, precisão e conformidade. O investimento em fundações de dados é tão crítico, se não mais, quanto o investimento nos próprios modelos de IA. As organizações devem elevar a gestão de dados a um imperativo estratégico, garantindo que seja dinâmica e em constante evolução para atender às demandas iterativas da IA.
Evitando o "Efeito Bala de Prata" em um Cenário de Rápidas Inovações em IA
Paulo Simon ressalta que o desafio em justificar financeiramente a IA decorre de encará-la como uma despesa de TI tradicional com um ROI imediato, em vez de um investimento estratégico em futuras capacidades organizacionais e diferenciação competitiva. O verdadeiro valor da IA manifesta-se em mudanças transformadoras na produtividade, novos modelos de negócios e experiências aprimoradas para clientes/cidadãos, que são mais difíceis de medir com métricas convencionais.
A IA deve ser tratada como uma estratégia para crescimento, não apenas para eficiência. O foco deve ser no valor a longo prazo e no reinvestimento estratégico, mudando das economias de curto prazo para um crescimento sustentável. É necessário desenvolver métricas claras para os resultados da missão e a transformação dos negócios, mesmo que sejam difíceis de quantificar tradicionalmente (ex: satisfação do cidadão, prevenção de fraudes, serviço mais rápido).
Governança de Dados e IA: Ética, Segurança e Aceleração do Valor
Paulo Simon enfatiza que a governança de dados e da própria IA são fundamentais, e que equilibrar a inovação com práticas de IA responsável é crucial. Ele propõe a implementação de governança em camadas baseada em risco, com diferentes níveis de supervisão para aplicações de IA de baixo, moderado e alto risco.
Os controles de risco devem ser incorporados diretamente nas plataformas e ferramentas de desenvolvimento de IA, incluindo recursos como acesso a dados baseado em funções, detecção automatizada de vulnerabilidades, visibilidade do Large Language Model (LLM) e monitoramento de toxicidade, viés e respostas inadequadas. Isso vai além da "burocracia extra" para uma verdadeira governança. É fundamental reconhecer que promover a inovação e gerir o risco não são mutuamente exclusivos, e que práticas de IA responsável (privacidade de dados, mitigação de vieses, transparência) são cruciais para a confiança e o ROI.
Conselho Prático e Acionável para 2026
Para empresas que estão começando sua jornada com IA ou que buscam escalar a criação de valor com essa tecnologia, o conselho mais prático e acionável de Paulo Simon para 2026 é: "Começar pelo começo, com as lideranças se perguntando porque queremos adotar IA em nossos negócios".
Ele sugere que as lideranças reflitam sobre "Que desafios esperamos resolver para nossa empresa, nossas pessoas e para a sociedade de maneira geral, a curto, médio e longo prazo". A Keyrus, inclusive, propõe pequenos workshops para essas finalidades em seu framework, sendo um bom ponto de partida.