Empresas que ainda tratam inteligência artificial como experimento isolado tendem a perder produtividade e competitividade. A partir de conversas do programa Conexão Segura, da BM&C, com executivos de tecnologia experientes, esta reportagem organiza em três frentes práticas o que separa negócios preparados dos que ainda estão só no hype da IA.
As entrevistas conduzidas por Renato no programa Conexão Segura, da BM&C, com os executivos José Manuel Silva, Alessandro Almeida e Rafael Tobara, mostram um ponto comum: IA já está no centro das decisões de negócio, mas só gera valor onde há dados organizados, governança clara e cultura preparada para mudar.
Como saber se a sua empresa realmente está pronta para IA?
Pelas falas dos entrevistados, o primeiro filtro é simples: se a casa de dados não está arrumada, a IA não se paga.
José Manuel usa a metáfora do iceberg. A parte visível, no topo, são os agentes e modelos de IA que viram demonstrações impressionantes. A parte invisível é o conjunto de dados, integrações e governança que sustenta tudo. Sem essa base, a IA esbarra em limitações técnicas e de negócio.
Alguns sinais que surgem nas entrevistas indicam se a empresa está ou não pronta:
| Sinal dentro da empresa | O que isso indica sobre a prontidão para IA |
|---|---|
| Múltiplos ERPs e data lakes que “não conversam” | Base fragmentada; IA tende a gerar respostas inconsistentes e pouco confiáveis |
| Dificuldade política para investir em dados porque “não dá retorno imediato” | Risco de ficar preso ao curto prazo e não capturar valor estrutural de IA |
| Projetos de IA isolados em TI, sem dono de negócio claro | Probabilidade alta de pilotos que não escalam nem mudam o resultado financeiro |
| Decisões ainda baseadas mais em opinião do que em fatos e dados | Uso subótimo de IA; tecnologia vira enfeite, não parte do processo decisório |
A experiência relatada pelos executivos indica que empresas “greenfield”, desenhadas desde o início em torno de dados, conseguem capturar valor de IA mais rápido do que organizações grandes, cheias de legados. José Manuel cita, por exemplo, a criação de uma operação de pagamentos separada da estrutura principal de uma grande companhia, desenhada já “a partir dos dados”.
Por que governança de dados e de IA não podem virar burocracia?
Os entrevistados diferenciam dois tipos de risco:
– Reversíveis: testes de jornada de cliente, experimentos de UX, provas de conceito.
– Irreversíveis: identidade da empresa, privacidade de dados, crédito, dinheiro e segurança.
Na visão de José Manuel, os riscos irreversíveis precisam nascer by design com “guarda‑corpos” claros. Ao mesmo tempo, ele alerta para o perigo da “miopia de governança”: quando o acúmulo de comitês, documentos e aprovações dá sensação de controle, mas na prática cria lentidão, inconsistência e até mais risco.
Alessandro complementa com um ponto técnico: sistemas tradicionais seguem regras determinísticas (se acontece A, então faça B). Já sistemas de IA generativa são não determinísticos. Sem limites claros, podem produzir respostas ou ações que a empresa não deseja.
Na prática, isso exige uma governança diferente:
1. Definir o escopo de decisão da IA (onde ela sugere, onde ela decide e onde um humano sempre revisa).
2. Monitorar continuamente o que entra e o que sai dos modelos, inclusive para detectar vieses e erros.
3. Conectar riscos à estratégia: segurança e privacidade são tratados como parte do modelo de negócios, não só como compliance.
Sem isso, a IA pode gerar desde prejuízos financeiros até danos de imagem, como mostram casos de mercado relatados por Alessandro no programa.
IA é só hype ou é obrigação estratégica em 2026?
Nas conversas, Renato traz uma dúvida recorrente entre executivos: depois do “hype” de transformação digital na pandemia, IA seria apenas mais uma moda?
Alessandro reconhece que existe hype, mas diferencia IA de ondas anteriores, como metaverso e algumas aplicações de blockchain. Para ele, essas tecnologias ainda não comprovaram impacto amplo e recorrente em negócios, enquanto IA já mostra efeitos concretos em:
– Produtividade em desenvolvimento de software, com geração e teste de código mais rápidos.
– Atendimento automatizado, com agentes capazes de resolver demandas simples sem fila de call center.
Ele observa, porém, que ainda há poucos casos realmente robustos em que IA muda a proposta de valor ao cliente e o resultado financeiro de forma clara. Por isso, sugere dividir a agenda:
– Em produtividade interna e processos repetitivos, quem não adotar IA tende a perder competitividade.
– Em iniciativas voltadas diretamente ao cliente, o conselho é mais cauteloso: testar, aprender e acompanhar a maturidade do mercado.
Quais são as mudanças culturais que ninguém te conta?
Um dos pontos menos visíveis nas apresentações sobre IA é a pressão sobre pessoas e cultura.
José Manuel destaca que hoje cinco ou seis gerações convivem no mesmo ambiente de trabalho. Isso amplifica choques de linguagem, prioridades e relação com tecnologia. Para ele, as capacidades necessárias deixam de ser apenas técnicas e passam a ser “humanas”: colaboração entre gerações, comunicação e entendimento dos impactos sociais da tecnologia.
Renato acrescenta um diagnóstico sobre o Brasil: o país não consolidou um letramento digital na base da educação, o que faz muitos profissionais chegarem ao mercado dominando ferramentas, mas com fundamentos frágeis em governança, exposição e risco digital.
O modelo de mudança cultural descrito nas entrevistas segue um “efeito sanduíche”:
– De cima para baixo: conselho e C‑level se alfabetizam em IA, definem prioridades e dão exemplo de uso responsável.
– De baixo para cima: times mais jovens funcionam como catalisadores, experimentando e mostrando na prática como IA pode alavancar atividades individuais e coletivas.
Sem esse duplo movimento, projetos de IA tendem a ficar isolados em TI ou inovação, longe dos centros de decisão.
Como aplicar IA sem perder o que há de melhor na criatividade humana?
Uma preocupação recorrente nas falas de José Manuel é o risco de atrofia da cognição humana. A facilidade de usar GPS, assistentes de e‑mail e modelos de IA para qualquer tarefa pode reduzir o exercício de pensar, argumentar e criar.
Ele usa a arte como metáfora: um modelo pode recombinar obras de um grande pintor em algo novo, mas não cria o próprio artista. O valor central continua na criatividade humana, que não pode ser terceirizada.
Na prática, isso leva a duas recomendações que atravessam o programa:
1. IA como aceleradora, não substituta. Alessandro reforça que, se o profissional apenas “terceiriza” a tarefa, o resultado tende a ser genérico. A responsabilidade pelo trabalho final continua sendo humana.
2. Tempo liberado precisa ter destino. A comparação com a Revolução Industrial aparece para lembrar que tecnologia historicamente devolve tempo às pessoas. A questão é se esse tempo será reinvestido em melhor decisão, melhor criação e melhor relacionamento com clientes.
No setor de saúde, tema da conversa com Rafael Tobara, isso fica ainda mais evidente. Ele destaca que IA já é usada desde projetos de genoma humano até robôs cirúrgicos, com o objetivo de reduzir dores, evitar doenças e prolongar vidas. O desafio é garantir que essa tecnologia chegue a todos de forma consistente, especialmente em países de dimensão continental como o Brasil.
Que passos práticos sua empresa pode começar a dar agora?
1. Mapear a base de dados e legados
– Levante quantos ERPs, CRMs, data lakes e integrações existem.
– Identifique onde estão os dados críticos para casos de IA que façam sentido para o negócio.
2. Escolher um problema real de produtividade
– Foque em tarefas repetitivas ou processos internos mal estruturados.
– Defina como medirá ganho de tempo, custo ou qualidade.
3. Desenhar governança simples e efetiva
– Estabeleça quem responde por risco, segurança e privacidade no projeto.
– Delimite o espaço de decisão da IA e onde sempre haverá revisão humana.
4. Criar o “efeito sanduíche” cultural
– Envolva conselho e C‑level no patrocínio explícito da agenda de IA.
– Monte uma rede de multiplicadores em áreas‑chave do negócio.
5. Iterar rápido, com aprendizado documentado
– Teste em ciclos curtos, registre erros e acertos e ajuste as regras de uso.
A partir daí, a orientação prática é clara: não esperar pela solução perfeita. Começar pequeno, com problemas concretos e governança pensada desde o início, aumenta a chance de que IA deixe de ser buzzword e passe a ser parte estável da operação e da estratégia da empresa.
Assista ao vídeo abaixo:
