IA NÃO É UM PROBLEMA DE TECNOLOGIA — É UM PROBLEMA DE GESTÃO

A Ilusão da Ferramenta Perfeita

Toda semana surge uma nova ferramenta de IA que promete transformar empresas. Toda semana, executivos me perguntam: "Você viu o que lançou? A gente deveria usar isso?" E toda semana, minha resposta é alguma variação de: "Talvez. Mas antes, me conta: vocês resolveram o problema que tinham com a ferramenta anterior?"

Depois de anos trabalhando com dados e IA em organizações como TOTVS, Bradesco Seguros e Itaú, e agora atendendo dezenas de empresas pela Frame8, cheguei a uma conclusão que pode soar contraintuitiva para quem vem de tecnologia: o principal gargalo na adoção de IA não é tecnológico. É gerencial.

Não falta modelo. Não falta framework. Não falta cloud. Falta clareza sobre o que se quer resolver, disciplina para medir resultados e coragem para mudar processos. Isso não se compra num marketplace de APIs.

O Abismo Entre Experimentação e Produção

Existe um fenômeno que observo com frequência preocupante. A empresa monta um squad de inovação, roda uma prova de conceito brilhante, apresenta numa reunião de diretoria, todos aplaudem — e nada acontece. O projeto morre na transição para produção.

Esse abismo tem nome: production gap. E suas causas são quase sempre organizacionais:

• Ninguém definiu quem é o dono do modelo em produção. O squad de inovação desenvolveu, mas quem mantém? Quem monitora drift? Quem atualiza quando o desempenho cai?
• O processo de negócio não foi redesenhado. O modelo foi construído para se encaixar no processo atual, quando na verdade o processo deveria ser repensado.
• Não há governança de IA. Quem aprova a ida para produção? Quais são os critérios de qualidade? Quem é responsável se algo der errado?

Isso não é problema de TensorFlow ou de GPT. É problema de gestão.

A Clareza Que Falta

Quando entro em uma empresa para um diagnóstico de maturidade em IA — a fase Strategy da metodologia SMAECIA — faço três perguntas simples à liderança:

1. Quais são os três maiores problemas de negócio que IA deveria resolver para vocês nos próximos 12 meses? 2. Como vocês saberão se resolveu? 3. Quem é responsável por cada um desses problemas?

Na maioria das vezes, não consigo respostas consistentes. Os executivos concordam que "IA é importante", mas discordam sobre o porquê e para quê. A área de tecnologia tem uma lista de projetos, a área de negócios tem outra, e ninguém formalizou a priorização.

Sem clareza estratégica, cada área puxa para seu lado. O resultado é uma coleção de iniciativas desconectadas, competindo por recursos e atenção, sem sinergia e sem escala.

A primeira responsabilidade da liderança não é escolher ferramentas de IA. É definir, com precisão cirúrgica, quais problemas de negócio merecem investimento em IA e quais não merecem.

Gestão de Mudança: O Desafio Que Ninguém Quer Enfrentar

Vou compartilhar um caso que me marcou. Uma empresa do setor financeiro investiu oito meses e recursos significativos em um modelo de previsão de churn. O modelo era bom — AUC acima de 0.85, bem calibrado, com features interpretáveis. Tecnicamente, um sucesso.

Seis meses após o deploy, a taxa de uso pela equipe comercial era de 12%.

Doze por cento.

O motivo? Os gerentes de relacionamento não foram consultados durante o desenvolvimento. Não entendiam como o score era gerado. Não confiavam nas recomendações. E, principalmente, ninguém mudou o processo comercial para incorporar o modelo no fluxo de trabalho diário. O score aparecia num dashboard que ninguém abria porque não fazia parte da rotina.

Isso não é anedota. É padrão. A pesquisa "AI at Scale" da McKinsey mostra que a gestão de mudança é o fator mais subestimado em implementações de IA, e que empresas que investem nela de forma estruturada capturam significativamente mais valor.

Gestão de mudança não é mandar um e-mail avisando que tem ferramenta nova. É:

• Envolver os usuários finais desde a concepção do projeto
• Redesenhar processos de trabalho para integrar naturalmente o output da IA
• Treinar não apenas no "como usar", mas no "por que confiar"
• Criar mecanismos de feedback para que os usuários reportem quando a IA erra
• Medir adoção com o mesmo rigor que se mede performance do modelo

O Papel do Líder Que Não É Técnico

Uma objeção que ouço frequentemente: "Mas eu não sou técnico, como vou liderar isso?" Essa é, na verdade, uma vantagem disfarçada.

O líder de uma iniciativa de IA não precisa saber a diferença entre um transformer e uma CNN. Ele precisa saber fazer as perguntas certas:

• Qual problema estamos resolvendo e por que ele importa?
• Quanto vale resolver esse problema? Como vamos medir?
• Quem vai usar a solução no dia a dia? Eles foram ouvidos?
• O que precisa mudar nos processos para que isso funcione?
• Quais são os riscos e como vamos mitigá-los?

Essas são perguntas de gestão. E são, na minha experiência, muito mais determinantes para o sucesso do que qualquer decisão técnica sobre qual modelo usar ou qual cloud contratar.

O Que Precisa Mudar

Se eu pudesse mudar uma coisa na forma como empresas brasileiras abordam IA, seria esta: tratar IA como um programa de transformação organizacional, não como um projeto de tecnologia.

Isso implica:

• Governança. Criar um comitê de IA com representantes de negócio, tecnologia e compliance. Não é burocracia — é direção.
• Priorização baseada em valor. Não fazer o projeto mais legal ou o que o fornecedor sugeriu. Fazer o que gera mais valor econômico mensurável.
• Ownership claro. Cada iniciativa de IA precisa de um dono de negócio (não de TI) que responde pelo resultado.
• Investimento em pessoas. Não apenas data scientists. Gestores de mudança, product owners com visão de IA, líderes de negócio com letramento em dados.
• Cultura de experimentação disciplinada. Experimentar é bom. Experimentar sem critérios de sucesso, sem prazo e sem orçamento definido é desperdício.

Conclusão: A Tecnologia É a Parte Fácil

Pode parecer provocação, mas falo com convicção de quem já viu modelos tecnicamente impecáveis fracassarem por falta de gestão e soluções tecnicamente modestas gerarem milhões em valor porque foram bem implementadas e adotadas.

A IA que transforma empresas não mora no paper mais recente do arxiv. Mora na capacidade da organização de definir problemas com clareza, investir com disciplina, mudar processos com coragem e medir resultados com rigor.

O resto é engenharia. E engenharia boa se contrata.

As empresas que vão liderar nos próximos anos não são as que têm a melhor IA. São as que têm a melhor gestão de IA.