Apesar da rápida adoção da inteligência artificial no ambiente corporativo, transformar experimentos com a tecnologia em mudanças efetivas nos negócios ainda é um desafio para grande parte das empresas. Dados do State of AI in the Enterprise 2026, da Deloitte, mostram que apenas 34% dos líderes empresariais e de TI entrevistados afirmam utilizar IA para efetivamente transformar seus negócios, enquanto 37% ainda fazem um uso considerado superficial, com pouca ou nenhuma mudança na estrutura da organização. Outros 30% estão redesenhando processos importantes com apoio da tecnologia.
A distância entre experimentar IA e incorporá-la às operações deve se tornar uma das principais discussões da próxima etapa da transformação digital. Para Igor Rikalo, presidente da o9 Solutions, empresa global especializada em planejamento e tomada de decisão empresarial, o avanço depende menos da adoção isolada de novas ferramentas e mais da capacidade de conectá-las aos problemas, dados e processos reais das organizações.
“A adoção de IA precisa começar pelo entendimento do problema que a empresa quer resolver. Antes de escolher uma tecnologia, é necessário identificar onde estão as ineficiências, quais riscos precisam ser percebidos mais cedo e quais oportunidades podem ser criadas ou aceleradas. É a partir disso que a organização consegue definir quais dados serão necessários e construir uma estratégia capaz de evoluir ao longo do tempo”, afirma Rikalo.
O levantamento da Deloitte também indica uma aceleração na passagem dos testes para aplicações efetivas. Atualmente, 25% dos líderes consultados já levaram 40% ou mais de seus pilotos e experimentos de IA para produção. Outros 54% esperam atingir esse patamar nos próximos três a seis meses.
Dados bons, não necessariamente perfeitos
Com mais projetos chegando à produção, a confiabilidade dos dados passa a ocupar papel central. Informações de baixa qualidade podem comprometer os resultados dos modelos e aumentar o risco de respostas imprecisas. Por outro lado, Rikalo defende que empresas não precisam esperar por uma base de dados perfeita para começar.
Nos primeiros estágios, a prioridade deve ser identificar informações suficientemente confiáveis para produzir resultados consistentes. Isso inclui tanto dados estruturados, como níveis de estoque, informações de produtos e números de SKU, quanto conteúdos não estruturados, entre eles e-mails, atas de reuniões, contratos e faturas. Outro requisito é a rastreabilidade, permitindo entender de onde vieram as informações utilizadas e como determinado resultado foi produzido.
“Esperar que todos os dados estejam perfeitos pode acabar atrasando a transformação. O importante é começar com informações confiáveis o suficiente para o processo em questão e criar uma estrutura em que dados, modelos e fluxos de trabalho possam evoluir continuamente conforme o uso da IA amadurece”, explica o executivo.
Outro desafio é evitar que a própria IA se torne mais um sistema isolado dentro da companhia. Para isso, plataformas com recursos de inteligência artificial precisam estar conectadas às estruturas operacionais e aos processos já existentes, como planejamento de recursos empresariais e gestão da cadeia de suprimentos. A integração permite reduzir silos de informação e criar uma base comum para decisões que envolvem diferentes departamentos.
IA neurossimbólica começa a ganhar tração
Enquanto empresas avançam na adoção da IA generativa e dos agentes de inteligência artificial, uma abordagem menos conhecida começa a ganhar espaço no mercado corporativo: a IA neurossimbólica.
A tecnologia combina as capacidades das redes neurais de deep learning com regras e contexto provenientes da chamada IA simbólica. A proposta é permitir que sistemas de inteligência artificial trabalhem não apenas com padrões identificados nos dados, mas também com o conhecimento e o contexto específicos da organização.
Segundo Rikalo, empresas de tecnologia que atendem setores altamente regulados, como finanças, saúde e ciências da vida, telecomunicações e energia, já começam a incorporar capacidades neurossimbólicas às suas plataformas. A abordagem pode contribuir para aumentar a precisão e a confiabilidade dos resultados e incorporar aprendizado contínuo aos processos operacionais, de planejamento e de tomada de decisão em escala.
“A IA neurossimbólica é um exemplo de como essa evolução começa a ganhar uma nova camada. Ao combinar a capacidade das redes neurais com regras, conhecimento e contexto específicos de uma organização, abre-se espaço para aplicações mais conectadas à realidade do negócio e para resultados nos quais precisão e confiança são especialmente importantes”, destaca Rikalo.
Pessoas continuam no centro da transformação
A evolução tecnológica, no entanto, não elimina a necessidade de preparar os profissionais. Segundo a Deloitte, 53% dos líderes empresariais pesquisados estão concentrados em aumentar a fluência em IA de seus funcionários.
À medida que a adoção amadurece, a tendência apontada por Rikalo é que o debate deixe de se limitar ao treinamento para uso das ferramentas. Empresas deverão preparar seus profissionais para assumir funções mais estratégicas, além de rever estratégias de contratação e até trajetórias de carreira considerando conhecimentos relacionados à inteligência artificial.
“Uma transformação habilitada por IA não acontece apenas pela implementação da tecnologia. Ela exige uma combinação entre objetivos claros, dados confiáveis, integração aos processos existentes e profissionais preparados para trabalhar de novas maneiras. As empresas que conseguirem conectar esses elementos estarão mais bem posicionadas para transformar a IA de uma ferramenta pontual em parte efetiva da maneira como o negócio opera e toma decisões”, conclui Rikalo.
Imagem: divulgação.
