A adoção de inteligência artificial avançou entre as empresas brasileiras, mas transformar experimentos em projetos de maior escala ainda é um desafio. Dados do Cetic.br mostram que o uso da tecnologia passou de 13% das empresas em 2024 para 17% em 2025. Ao mesmo tempo, levantamento da Deloitte aponta que apenas cerca de um quarto das organizações brasileiras leva 40% ou mais de seus pilotos de IA para escala e que 27% apresentam governança madura para IA agêntica.
O cenário expõe uma diferença entre incorporar a tecnologia à agenda corporativa e conseguir utilizá-la de forma estruturada. Em meio à disseminação da IA generativa, empresas passaram a buscar aplicações para a tecnologia antes mesmo de estabelecer com clareza quais problemas pretendem resolver.
“Boa parte das empresas ainda chega perguntando ‘onde posso aplicar IA?’. Antes de falar sobre tecnologia, é preciso entender o desafio real, o projeto e os objetivos do negócio”, afirma Anna Gomez, CEO da OpenCircle.
A inversão dessa sequência pode resultar em investimentos cuja contribuição para o negócio seja difícil de mensurar. Na avaliação de Gomez, o principal risco está em selecionar uma ferramenta primeiro e tentar, posteriormente, encontrar uma aplicação para ela.
A análise de um projeto de tecnologia passa por fatores como impacto financeiro, eficiência operacional, escala e recorrência do problema. A partir desse diagnóstico, torna-se possível avaliar se a solução exige inteligência artificial ou se pode ser atendida por automação, integração de sistemas ou reorganização de processos.
Entre as demandas recorrentes estão sistemas que não se comunicam, processos fragmentados de busca e acesso à informação, regras de negócio mal estruturadas, infraestruturas que não suportam picos de demanda e oportunidades de receita não exploradas.
“O erro comum não é necessariamente técnico. É de sequência: escolher a ferramenta antes de nomear o problema”, diz a CEO.
Nem todo problema exige inteligência artificial
A IA tende a fazer mais sentido quando há volume relevante de dados, padrões recorrentes que podem ser identificados ou previstos e decisões que precisam ser tomadas em escala. Outra característica é a existência de situações em que a resposta depende de probabilidades, e não apenas da execução de regras fixas.
Nem todo problema com possibilidade de automação, entretanto, exige inteligência artificial. Quando uma decisão segue uma lógica determinística, como uma regra do tipo “se X ocorrer, faça Y”, tecnologias mais simples podem ser suficientes.
O mesmo vale para situações em que a origem da ineficiência está na baixa qualidade dos dados ou em um processo mal estruturado. Nesses casos, a adoção de IA não elimina necessariamente a causa do problema.
“Quando a causa raiz está na qualidade dos dados ou em um processo mal estruturado, adicionar IA, por si só, não resolve o problema. Uma automação simples ou a reorganização do processo pode chegar ao mesmo resultado”, explica Celso Oliveira, Founder e CTO da OpenCircle.
A avaliação econômica também tende a ganhar peso antes da aprovação de novos projetos. Entre as questões consideradas estão qual problema será resolvido, qual é o custo de não agir, se a hipótese pode ser validada em menor escala e se a utilização de inteligência artificial é de fato necessária.
Projetos desenvolvidos pela empresa ilustram essa lógica. Em uma iniciativa relacionada à expiração de pontos, a reorganização das regras de negócio evitou um passivo estimado em R$ 40 milhões. Em outro projeto, voltado à unificação do acesso digital a cartórios, a solução passou a atender cerca de 3 milhões de usuários por mês. Segundo a OpenCircle, nos dois casos a definição da tecnologia ocorreu depois da análise do problema.
O avanço da adoção de IA, combinado às dificuldades para ampliar projetos, também tende a aumentar a pressão por resultados mensuráveis. A expectativa é que a fase de experimentação seja acompanhada por maior cobrança de retorno sobre investimento, governança e capacidade de levar iniciativas para escala.
Para empresas que colocarem a inteligência artificial entre as prioridades estratégicas para 2027, a recomendação é evitar que a adoção da tecnologia se transforme em um objetivo por si só.
“A pergunta não deveria ser simplesmente ‘onde usar IA?’, mas qual é o problema mais relevante para o negócio e o que pode resolvê-lo. O problema vem primeiro; a ferramenta, depois”, finaliza Anna Gomez.
