*Por Tiago Amor, CEO da Lecom
A inteligência artificial gera valor quando deixa de ser uma iniciativa isolada e passa a operar a serviço de objetivos concretos do negócio. Para chegar a esse estágio, não basta disponibilizar ferramentas, contratar modelos ou desenvolver agentes. É preciso conectar a tecnologia à estratégia, aos processos, aos dados, às pessoas e à governança.
Esse foi o tema central da primeira edição do AI Insights, encontro promovido pela Lecom no Altyn Labs, hub de inovação. Reunimos empresários e executivos de Bauru e região para uma conversa sobre os fatores que ainda separam a experimentação com IA de uma transformação capaz de gerar escala, eficiência e diferenciação competitiva.
O evento aconteceu em formato de Q&A, conduzido por mim, com Suzana Morais, diretora do Deloitte AI Institute, como convidada principal.Também abrimos o diálogo para que os executivos presentes compartilhassem suas dúvidas, experiências e desafios relacionados à adoção da tecnologia.
Principais insights do AI Insights: da experimentação à intencionalidade
A inteligência artificial não começou com as plataformas generativas. Modelos preditivos, análise de dados, reconhecimento de padrões e automação de decisões já estavam presentes nas empresas. A principal mudança recente foi a democratização do acesso, que permitiu que um número muito maior de profissionais compreendesse o que a tecnologia pode realizar.
Essa expansão já aparece nos números. Segundo o relatório global State of AI in the Enterprise 2026, da Deloitte, o acesso dos profissionais a ferramentas corporativas de IA cresceu 50% em apenas um ano. Apesar desse avanço, somente 34% das organizações afirmam utilizar a tecnologia para transformar profundamente seus negócios. A pesquisa ouviu 3.235 líderes seniores, incluindo executivos C-level e conselheiros, em 24 países.
Os dados mostram que disponibilizar tecnologia é diferente de incorporá-la à operação.
Um dos principais aprendizados do AI Insights foi justamente esse: acesso não é adoção. Entregar um copiloto, um chatbot ou uma plataforma de IA aos profissionais não garante aumento de produtividade ou geração de retorno. A empresa precisa definir previamente o que deseja transformar e quais indicadores demonstrarão esse avanço.
A iniciativa pode buscar redução do tempo de entrega, aumento da qualidade, diminuição de falhas, melhoria da experiência do cliente, crescimento da receita ou ampliação da capacidade operacional. Sem um resultado esperado, a organização acumula ferramentas e pilotos, mas não constrói uma capacidade estratégica.
O que sustenta a IA em escala?
Durante a conversa, organizamos a fundação da IA empresarial em cinco dimensões: estratégia; modelo operacional e processos; pessoas; dados; e tecnologia.
A estratégia define aonde a empresa quer chegar. Os processos mostram como o valor é entregue e onde estão os gargalos. Os dados alimentam análises e decisões. A tecnologia conecta e executa essas capacidades. As pessoas precisam compreender como suas responsabilidades mudarão.
Isso não significa que todas as respostas devem estar prontas antes do primeiro experimento. As empresas precisam começar, testar e aprender. No entanto, à medida que ampliam o uso de agentes e outras aplicações de IA, essas dimensões também precisam amadurecer.
A arquitetura deve ser modular, porque modelos e ferramentas evoluem rapidamente. A ambição do negócio pode ser planejada para os próximos anos, mas a forma de atendê-la tecnologicamente precisa permitir ajustes contínuos.
Também não existe um caso de uso universal. Um agente que gera valor para uma indústria pode não ser prioritário para outra. Até mesmo empresas do mesmo setor possuem processos, sistemas, riscos e níveis de maturidade diferentes.
Por isso, o ponto de partida deve ser a combinação de duas perguntas: onde está a principal dor da operação? Qual objetivo estratégico a tecnologia precisa apoiar?
É a partir dessas respostas que BPM, BPMS, RPA, agentes de IA, OCR, APIs, ERP e workflows podem deixar de funcionar como iniciativas isoladas e passar a compor uma arquitetura integrada de transformação.
Governança não é freio para a inovação
A governança também foi um dos principais temas do encontro. Ela não deve ser compreendida apenas como um comitê que aprova ou rejeita projetos.
Governar agentes significa definir responsáveis, dados permitidos, sistemas acessíveis, limites de autonomia, necessidade de supervisão humana, mecanismos de monitoramento, custos e planos de contingência.
Esse tema ganha urgência à medida que a IA agêntica avança. A Deloitte aponta que apenas uma em cada cinco empresas possui atualmente um modelo maduro de governança para agentes autônomos. Ao mesmo tempo, 74% dos executivos pesquisados esperam que suas organizações utilizem agentes de IA pelo menos moderadamente até 2027.
Existe, portanto, uma distância entre a velocidade da adoção e a maturidade dos mecanismos de controle.
Quanto maior a autonomia concedida ao agente, mais claros precisam ser seus limites, responsabilidades e processos de observabilidade.Caso um agente tome uma decisão inadequada, a organização precisa saber quem responde por ele, como interromper sua atuação e como manter a continuidade da operação.
Governança não é o que impede a inovação. É o que permite que ela avance com segurança, rastreabilidade e capacidade de escala.
Pessoas e agentes em uma nova dinâmica de trabalho
A transformação da IA também exige uma revisão da forma como o trabalho é distribuído.
Em uma operação híbrida, agentes podem organizar informações, consultar sistemas, acompanhar prazos, produzir documentos iniciais e executar etapas repetitivas. As pessoas passam a dedicar mais tempo à negociação, ao relacionamento, à análise de exceções e às decisões que exigem contexto.
Durante o AI Insights, utilizamos o processo de compras como exemplo. Agentes podem apoiar a produção e comparação de documentos, o acompanhamento de fornecedores e as verificações de compliance. O comprador, por sua vez, pode se concentrar em qualificar demandas, negociar e orientar as áreas internas.
Essa mudança exige fluência em IA, conhecimento do negócio, upskilling, reskilling e revisão de responsabilidades. Não basta retirar tarefas operacionais e esperar que os profissionais assumam imediatamente funções mais estratégicas.
A adoção real acontece quando a empresa não apenas insere IA no processo existente, mas repensa como o trabalho deveria ser realizado.