Pesquisa do MIT Sloan Management Review Brasil em parceria com a Verity aponta governança, sistemas antigos, times híbridos e geração de valor como pontos críticos para avançar com a inteligência artificial da experimentação à escala
Depois de uma primeira fase marcada pela experimentação, a inteligência artificial começa a entrar em uma etapa mais complexa dentro das empresas, de integração da tecnologia aos processos, decisões e estratégias de negócio. Um estudo do MIT Sloan Management Review Brasil em parceria com a Verity, distribuído pelo CNEX, identificou quatro desafios centrais para essa transição: governança e orquestração da IA, modernização dos sistemas legados, formação de times híbridos e capacidade de transformar a tecnologia em valor para o negócio.
A análise reuniu lideranças de diferentes segmentos da economia, com executivos de companhias como Grupo Casas Bahia, Porto Bank, Grupo HDI, Dasa, Cogna Educação e Banco Carrefour. Os casos mostram que, à medida que a IA deixa de ocupar apenas projetos pontuais, sua adoção passa a exigir mudanças mais amplas na estrutura das organizações, envolvendo controle sobre o uso das ferramentas, organização dos dados, integração com sistemas antigos e preparação das equipes.
Esse movimento ocorre em um cenário no qual o uso da tecnologia já avançou significativamente. Dados da McKinsey analisados no estudo mostram que 80% das companhias relatam utilizar IA. Quando o recorte são os agentes de inteligência artificial, 33% das empresas já implementaram a tecnologia, enquanto privacidade (69%), qualidade dos dados (56%) e regulamentação (55%) aparecem como barreiras para o avanço.
“A discussão sobre inteligência artificial está mudando de patamar. À medida que a tecnologia passa a fazer parte dos processos e das decisões das empresas, não basta ampliar o número de ferramentas disponíveis. A liderança precisa definir onde a IA pode gerar valor, preparar as equipes para trabalhar com ela e criar uma estrutura que permita avançar com segurança. O desafio agora é transformar experimentação em uma capacidade real da organização”, afirma Douglas Souza, CEO do CNEX.
Governança e sistemas legados
Um dos desafios identificados está em organizar a expansão da IA dentro das companhias. A disseminação de ferramentas pelas diferentes áreas tem ampliado a chamada shadow AI, caracterizada pelo uso de soluções de forma isolada, sem avaliação de risco ou visibilidade das áreas responsáveis pela tecnologia. Além das questões de segurança, esse cenário pode gerar redundância de soluções, custos não monitorados e iniciativas desconectadas da estratégia da organização.
Nos casos analisados, uma das respostas encontradas é combinar autonomia para que diferentes áreas experimentem aplicações com estruturas centralizadas responsáveis por políticas de acesso, segurança, integração e uso dos dados. O estudo mostra que essa mudança amplia a discussão da governança para a orquestração, com a necessidade de coordenar diferentes agentes, plataformas e fluxos de trabalho dentro de uma mesma arquitetura.
Outro obstáculo está na infraestrutura tecnológica existente. Avançar com inteligência artificial não significa simplesmente substituir sistemas antigos, mas conseguir acessar e compreender informações e regras de negócio armazenadas em estruturas construídas ao longo de anos ou décadas. Integrar sistemas, consolidar bases e garantir qualidade e rastreabilidade dos dados são etapas fundamentais antes de levar aplicações mais sofisticadas para o centro da operação.
“Estamos entrando em uma fase em que experimentar IA já não é suficiente. O desafio das empresas agora é incorporá-la de forma estruturada à operação e transformar tecnologia em resultado de negócio. E isso passa necessariamente por dados, sistemas legados, governança e arquitetura. Não existe IA em escala desconectada desse contexto. As empresas que conseguirem integrar esses elementos e orquestrar pessoas, sistemas e agentes de IA terão uma capacidade muito maior de capturar valor e transformar produtividade em vantagem competitiva”, diz Alexandro Barsi, fundador e CEO da Verity.
IA também começa a mudar a composição das equipes
A terceira transformação identificada pelo estudo ocorre na organização do trabalho. Os chamados times híbridos combinam profissionais e agentes inteligentes nos mesmos fluxos, com a tecnologia assumindo parte da execução operacional e do processamento de dados enquanto as pessoas concentram esforços em coordenação, qualidade, tomada de decisão e visão estratégica.
O Porto Bank tem como meta integrar ao menos um colaborador virtual por time de desenvolvimento de sistemas até o fim do ano, apoiando atividades como design, especificação e testes de qualidade. Na Cogna Educação, três núcleos especializados nas áreas acadêmica, de experiência e de tecnologia dão suporte aos 26 mil funcionários na incorporação da IA aos processos.
A última frente está na capacidade de transformar essa estrutura em resultado para o negócio. Em vez de partir da ferramenta disponível, as organizações começam a olhar primeiro para o problema que precisa ser resolvido, o processo que pode ser redesenhado e a capacidade de escalar a aplicação. No Banco Carrefour, a IA já é utilizada na engenharia de software para transformar ideias em modelos padronizados e realizar uma primeira avaliação técnica de códigos, com expectativa de incremento de 15% na performance ainda neste ano.
A leitura conjunta dos casos mostra que a próxima etapa da IA nas organizações passa menos pela quantidade de ferramentas disponíveis e mais pela capacidade de incorporá-las à operação de forma coordenada.
