A maioria das iniciativas de IA falha não porque a tecnologia não funciona, mas porque as organizações não sabem qual problema estão, de fato, tentando resolver.
De acordo com o estudo do MIT State of AI in Business 20251 a maioria das organizações implementou pelo menos alguns pilotos de IA, mas muitas ainda mencionam baixo impacto e nenhum retorno mensurável nas iniciativas de IA.
Com todas as promessas da revolução da IA, ainda precisamos de uma boa e velha abordagem baseada em valor para garantir que o que fazemos gere resultados para as partes interessadas.
Um olhar de estrategistas sobre iniciativas de IA
Como geralmente acontece quando surge uma nova tecnologia brilhante, especialistas nascem simplesmente ao mudar o slogan no perfil do LinkedIn. A IA não é exceção. Com tantos especialistas e tanto conteúdo genérico gerado por IA, por que você deveria considerar minha perspectiva?
Comecei a experimentar IA em 2000, durante meus anos pré-universitários, ao tentar resolver o problema de reconhecimento de escrita manual usando redes neurais. Vencer alguma competição júnior foi muito bom, mas o desenvolvimento de redes neurais naquela época era limitado pela capacidade de computação. Mais tarde, minha área de interesse migrou para ciência de TI, matemática aplicada, física e, depois, para disciplinas mais orientadas a negócios, como medição de desempenho e planejamento estratégico. A IA nunca foi minha principal especialidade (ainda assim, gosto de traçar alguns paralelos entre funções em cadeia, gradientes, retropropagação em IA e a capacidade das organizações de aprender).
Hoje, vejo a IA do ponto de vista de um estrategista, com certa base em matemática aplicada. Os LLMs são impressionantes como tecnologia, mas, do ponto de vista do planejamento estratégico, eu os considero mais como um projeto complexo de transformação digital do que como uma iniciativa milagrosa.
Eu ajudo organizações com suas iniciativas de IA, mas faço isso com uma abordagem que prioriza a estratégia, e não a tecnologia. Normalmente, falamos bastante sobre as partes interessadas, suas necessidades, sua intenção estratégica, como a visão da organização é traduzida em objetivos de longo prazo, como esses objetivos são decompostos em metas específicas e como os tornamos ainda mais específicos e inequívocos com KPIs.
A IA é apenas uma parte do quebra-cabeça que pode ou não se encaixar em como essa estratégia será executada.
De alguma forma, o que faço se alinha à demanda geral por trazer clareza ao domínio da IA, então também compartilho minha perspectiva por meio de palestras em conferências. Em 2026, será “Estratégia de implementação de IA” em Munique e, mais tarde, em maio, “Medição da confiança na IA” em Viena.
Antes de implementar IA – Faça primeiro o seu dever de casa de estratégia
O relatório do MIT mencionado acima confirma uma verdade simples:
Implementar IA é fácil – criar valor com IA é difícil.
A perspetiva dos estrategas sobre isto é direta: antes de considerar qualquer iniciativa de mudança, assegure-se de que a sua estratégia está devidamente cascaded e monitorizada. Sem estes fundamentos, não considero viável avançar com qualquer iniciativa de transformação.
A implementação de IA é um bom motivo para voltar ao básico (as necessidades das partes interessadas) e refletir sobre as possibilidades que a IA poderia oferecer.
Pense em termos de condições-limite: como seria a sua organização se todas as possíveis barreiras à implementação de IA (tecnologia, arquitetura, conformidade, aspetos legais, pessoas, etc.) estivessem resolvidas?!
Uma definição de execução da estratégia é validar hipóteses na prática. Como parte do dever de casa de IA, é uma boa ideia formular essas hipóteses. Experimente um pouco a tecnologia, faça alguns protótipos para ter uma ideia de onde poderão estar as armadilhas em termos de implementação, lacunas de capacidade e expectativas dos utilizadores.
Vamos discutir certos princípios para tornar a implementação de IA mais bem-sucedida em termos de criação de valor tangível para as partes interessadas.
Princípio 1. Aborde o desafio real – conheça as necessidades das suas partes interessadas
Qual é a diferença entre uma implementação orientada pela tecnologia e uma implementação orientada pela estratégia? Numa implementação orientada pela estratégia, você começa sempre pelo contexto do negócio. Você conhece as suas partes interessadas, as suas necessidades, os seus objetivos de alto nível e metas específicas, e procura compreender como a nova tecnologia ajudará você a executar essas metas de forma mais eficaz — especificamente, como ela impactará as métricas que você está acompanhando.
Isso cria um foco no que importa, em vez de simplesmente brincar com a tecnologia.
Bons candidatos-alvo para a implementação de IA são:
- Métricas de custo
- Métricas de tempo
- Métricas de complexidade como derivadas de custo, tempo e complexidade ciclomática
- Métricas de qualidade (taxa de erro, percentual de problemas recorrentes)
- Métricas de talento (áreas com alta taxa de rotatividade)
Para reiterar a importância da decomposição inicial da estratégia: não deve ser “vamos nos transformar em uma organização orientada por IA.” Devem existir desafios específicos que você deseja abordar, com as respectivas partes interessadas por trás deles e uma responsabilidade clara em termos de execução. Essa abordagem se alinha fortemente aos princípios ágeis que usamos no desenvolvimento de software.
Se você insistir em reinventar a sua organização e ser orientado por IA, certifique-se de começar pela estratégia, pelas partes interessadas e pelas necessidades delas!
Princípio 2. Prepare-se para o longo prazo – Pense na arquitetura desde o início
Mencionei que vejo a IA como mais uma transformação digital, uma iniciativa de mudança. Mas essa iniciativa de mudança é, obviamente, mais complexa do que, por exemplo, implementar um CRM.
Nesse sentido, planejar a arquitetura para IA é crucial. Leve em consideração:
- Como o contexto e os prompts serão mantidos;
- Como você conectará a IA ao ambiente de negócios existente;
- Prepare-se para orquestrar múltiplas ferramentas de IA;
- Prepare-se para redesenhar certos fluxos de trabalho do zero.
Imagine, por exemplo, que você use IA para responder às perguntas dos usuários por meio de um chatbot. A arquitetura que você escolher será definida por questões como:
- Qual será o ciclo de aprendizagem?
- Haverá supervisão humana? Como ela será implementada?
- Como as ações corretivas serão introduzidas?
- A IA terá acesso a diálogos anteriores com o mesmo usuário?
- A IA conseguirá buscar dados diretamente no CRM?
- Quais mecanismos de segurança serão implementados?
A capacidade da IA de aprender, reter o contexto e melhorar será um fator determinante da taxa de adoção ao longo do tempo. Certifique-se de que a arquitetura que você escolher para a implementação de IA ofereça suporte a essas necessidades de aprendizagem.
Princípio 3. Tornar a qualidade e a conformidade significativas para as partes interessadas
A IA toca em demasiados pontos sensíveis de uma organização — acesso a dados de clientes, trabalho com ferramentas de terceiros, apoio à tomada de decisões, comunicação com usuários e manutenção de dados para possíveis auditorias.
Em determinada escala de implementação de IA, controles de qualidade e conformidade são indispensáveis.
Estamos avançando para o domínio de GRC, mas, novamente, não se trata de IA. Trata-se da sua estratégia, dos riscos que a IA impõe a ela e de como podemos preveni-los e mitigá-los.
Ouvimos com frequência que, para a implementação de IA, deve haver:
- Humano no loop,
- Log de auditoria,
- Explicabilidade,
- …
O que falta na prática é a conexão entre essas ideias e o que as partes interessadas realmente valorizam.
Considero o método de análise de risco bowtie bem adequado para esse papel. Faça-o para um evento de risco central, definindo ameaças com os respectivos controles preventivos, bem como as consequências do evento de risco com os respectivos controles de mitigação.
Discutimos um exemplo dessa análise no caso “Implementação de IA no controle de qualidade médica”2 apresentado na OOP. Nesse caso, o evento de risco central foi formulado como “Resultados validados por IA são aprovados sem a devida revisão humana.”
Usando controles de prevenção de riscos e controles de mitigação de riscos, alinhamos a implementação de IA com as preocupações de qualidade e conformidade das partes interessadas. Ao escalar essa ideia, os mesmos controles ajudarão a construir uma estrutura abrangente de governança de IA. Ao escalar essa abordagem em toda a organização, os mesmos controles podem ser usados para estabelecer uma estrutura abrangente de governança de IA.
Resumo executivo: mudar a IA de tecnologia para estratégia
Siga estes princípios para a implementação de IA com estratégia em primeiro lugar:
- Concentre a implementação nas necessidades específicas das partes interessadas; idealmente, deve ser definida a quantificação dos resultados reais versus os esperados.
- A implementação de IA é um sistema de aprendizagem complexo, e não uma conexão única à API de um LLM — planeie a arquitetura em conformidade.
- Estabeleça controlos de qualidade e de conformidade e comunique-os às partes interessadas; isto definirá a aceitação futura da implementação de IA. O método bowtie tem-se revelado uma excelente ferramenta para este fim.
Uma abordagem com estratégia em primeiro lugar também exige supervisão contínua após o lançamento. Saiba mais sobre os princípios de supervisão da implementação de IA para ligar a intenção estratégica à governação, aos controlos de qualidade e aos resultados mensuráveis.
- The GenAI Divide State of AI in Business 2025, MIT NANDA, julho de 2025 ↩
- “Estratégia e supervisão da implementação de IA no controle de qualidade médica,” BSC Designer, Alexis Savkín, 2025. ↩
Alexis Savkin é Arquiteto de Estratégia e fundador do BSC Designer, uma plataforma de software de execução de estratégia com o Balanced Scorecard como seu núcleo. Ele ajuda as organizações a traduzirem a estratégia em objetivos mensuráveis, KPIs e iniciativas. Alexis é o criador do Strategy Execution Canvas, autor de mais de 100 artigos sobre estratégia e medição de desempenho e palestrante regular.