A adoção de inteligência artificial nas empresas costuma falhar mais por decisões ruins de implantação do que por falta de interesse na tecnologia. Foi o que apontaram Teodora Barone, fundadora da Asimi Investments, e Dionisio Chiuratto Agourakis, CEO da JAI, no painel Do que falha na implantação de IA, no AI Summit EXAME em São Paulo, no dia 2 de junho. O evento contou com parceria entre EXAME e Saint Paul, reunindo especialistas por mais de oito horas de conteúdo.
Segundo os especialistas, o erro começa na escolha do que automatizar. Muitas companhias optam por projetos periféricos e equipes juniores, longe do core business. O resultado costuma ser pouco impactante, como um chatbot premiado que não altera a linha de receita após o investimento.
O problema vai além da TI
A dupla destaca que a IA precisa ser tratada como algo que se integra ao negócio, não como um pacote pronto de TI. Dados, adoção e cultura ganham peso para o sucesso. Prestadores de soluções muitas vezes acrescentam funções para vender pacotes adicionais, em uma prática descrita como incentivo a modelos com mais opções pagas.
O CEO da JAI aponta ainda a diferença entre demonstração rápida e entrada em produção. Provas de conceito podem levar a soluções que demoram anos para operar efetivamente, especialmente em ambientes complexos. Modelos ainda apresentam alucinações por padrão, o que gera retrabalho e pode levar ao remoção da IA da operação.
Barone exemplifica com casos de falha: quando a IA não entrega resultados de negócio mensuráveis, a direção tende a desativar a tecnologia. Agourakis completa que esse tipo de episódio diminui a disposição da diretoria para futuras iniciativas de IA.
Como evitar o abismo entre demonstração e produção
Os especialistas rejeitam quatro justificativas comuns para falhas: dados ruins, ausência de cientistas de dados, custo elevado e ERP desatualizado. Eles ressaltam que nenhum deles impede o progresso, desde que haja abordagem adequada.
A recomendação é o AI retrofit, que moderniza a estrutura existente sem demolir o que já funciona. O objetivo é acoplar IA aos sistemas atuais, preservando o DNA da empresa. O processo envolve mapear o fluxo certo, manter a operação durante a implementação, medir resultados com métricas de negócio e escalar gradualmente.
Os quatro passos propostos incluem mapear o fluxo de alto impacto sem interromper operações, validar com dados reais e obter ganhos em semanas. Projetos de menor dificuldade, como automação de notas fiscais e validação de dados, costumam entregar resultados rápidos, enquanto iniciativas mais ousadas trazem maior incerteza de prazo e custo.
Sets regulados, como seguros e hospitais, aparecem como ambientes favoráveis para IA, já que regras claras reduzem interpretações abertas do sistema. A adoção é vista como vantagem para workflows críticos, desde que haja regras bem definidas.
Perspectiva brasileira e futuro da IA
Sobre o cenário no Brasil, Barone afirma que o país não está atrasado, mas tem potencial expressivo para elevar produtividade. A vantagem de chegar depois, segundo ela, é evitar erros já enfrentados em mercados mais maduros. A conversa no AI Summit reforçou a necessidade de alinhar tecnologia, estratégia e governança.
Entre na conversa da comunidade