5 fatores que impedem a IA de escalar nas empresas

Monica Miglio Pedrosa

A inteligência artificial já é uma realidade no mercado corporativo, mas o impacto nos negócios ainda é marginal. Entre projetos-piloto, automações e uso efetivo da tecnologia nas organizações, apenas 12% das empresas são líderes reais em maturidade de IA operacional, potencializando as empresas para avançar para o estágio de autonomia orquestrada por humanos. Em 2025, 42% dos projetos com IA foram abandonados por falta de transformação operacional e 80% das empresas não reportaram impacto material nos resultados do negócio.

Os números foram apresentados durante a sétima edição do “The Future Uncovered”, evento promovido pela NTT Data na manhã de hoje, que discutiu o conceito de autonomia orquestrada por humanos. A ideia é que as organizações usem sistemas autônomos para executar a operação e preparar a companhia para escalar, com a intenção e a governança definidas pelos humanos.

Na visão apresentada por Bruno Magalhães, head de Business Process Services, e Daniela Griecco, head de Data & Analytics da NTT Data, o futuro das empresas não se restringe à adoção de novas ferramentas, mas na capacidade de transformar a operação de ponta a ponta. Mas existem alguns fatores que ainda impedem essa virada. Vamos conhecê-los a seguir:

1) O mundo mudou, mas a forma das empresas operarem não

A volatilidade deixou de ser exceção e passou a fazer parte do cotidiano das empresas. Pandemia, mudanças no comportamento dos consumidores, novas regulamentações, criação acelerada de produtos, imediatismo nas relações e instabilidade econômica e geopolítica pressionam os negócios a responderem em uma velocidade cada vez maior.

O problema, segundo Daniela, é que muitas organizações ainda operam com estruturas estáticas, complexas e engessadas, especialmente aquelas com histórico de fusões, aquisições e sistemas legados, como bancos, empresas de telecomunicações e de bens de consumo.

Esse descompasso cria uma ineficiência estrutural. Empresas desenhadas para eficiência estável tentam competir em um ambiente que exige recalibração contínua. Para a NTT Data, é preciso sair da lógica reativa, baseada em planos de contingência e respostas depois que o problema acontece, para um modelo em que a própria operação consiga se retroalimentar, identificar falhas e ajustar rotas de forma autônoma. Isso também exige a evolução do papel da gestão e das equipes, que deixam de apenas operar processos para governar sistemas capazes de aprender, decidir e se adaptar com supervisão humana.

As empresas foram desenhadas para eficiência estável, não para recalibração contínua.”

Daniela Griecco, head de Data & Analytics da NTT Data

2) A mentalidade ainda é melhorar o que já existe, não transformar

A discussão sobre como as empresas vão operar em 2030 depende de como elas conseguirão utilizar tecnologias como IA, blockchain, IoT, gêmeos digitais e edge computing em sua operação. O problema, na visão de Bruno, é que as empresas têm mentalidade de usar a tecnologia para melhorar processos já existentes. Eles até podem ser automatizados e ganhar certa previsibilidade e resiliência, mas isso não significa mais competitividade.

Para a NTT Data, a grande chave para a virada é transformar a cadeia de ponta a ponta. Em vez de usar IA apenas para otimizar um fluxo já existente, o desafio é repensar como toda a operação funciona, sempre com o ser humano no centro da orquestração. É essa mudança que permite sair de ganhos incrementais para novas capacidades de negócio, como seguros calculados em tempo real a partir do uso individual do veículo, cadeias de suprimento capazes de recalibrar produção e preços diante de rupturas globais não previstas, ou modelos de hiperpersonalização em escala.

Ainda temos a mentalidade de melhorar a operação que já existe. A grande chave é transformar ponta a ponta da cadeia.”

Bruno Magalhães, head de BPS da NTT Data

3) A IA ainda é aplicada em iniciativas isoladas, não na orquestração de valor

A passagem para um modelo operacional autônomo não acontece de uma vez. Na visão apresentada pela NTT Data, ela percorre quatro estágios. O primeiro é o da automação assistida, com RPA e automação de tarefas isoladas, normalmente medido pela redução de tempo. O segundo é o dos copilotos de IA generativa, que apoiam criação, análise e produtividade, mas ainda sem autonomia para a decisão final. O terceiro é o dos agentes especializados, com autonomia restrita a domínios fechados, uso ativo de contexto e integração com ferramentas via APIs.

O salto mais relevante vem no quarto estágio, o dos sistemas multiagente orquestrados, quando a IA deixa de atuar apenas em pontos específicos e passa a compor uma força de trabalho digital híbrida. Nesse modelo, a orquestração humana se concentra em valor, mitigação de riscos, qualidade e experiência do cliente. É essa evolução, de tarefas e automações isoladas para sistemas interdependentes, que permite à IA sair da produtividade localizada e se tornar parte da arquitetura operacional da empresa.

4) Falta governança para dar autonomia sem perder controle

A autonomia orquestrada por humanos não pressupõe uma IA livre para decidir tudo sozinha. A tecnologia pode executar, aprender e processar em escala, mas precisa operar dentro de regras de negócio, critérios de decisão, mecanismos de rastreabilidade, auditoria e reversibilidade definidos por humanos. Sem essa camada de governança, a autonomia deixa de ser um ganho operacional e passa a representar um risco para a empresa.

Segundo recomendação da NTT Data, o nível de autonomia da IA deve variar conforme a criticidade da decisão. Em atividades de baixo risco, como geração de relatórios internos, respostas a dúvidas frequentes ou resumos, a autonomia pode ser plena. Em processos de risco médio, como aprovações financeiras de baixo valor ou triagem de tickets B2B, a supervisão humana pode acontecer por amostragem. Já em decisões de alto risco, como contratos críticos, temas regulatórios, saúde ou segurança, a aprovação humana antes da execução continua sendo obrigatória. A empresa autônoma, portanto, não é aquela que elimina o humano da operação, mas a que sabe onde sua intervenção é indispensável.

5) As pessoas ainda não foram preparadas para operar no novo modelo

O trabalho humano não desaparece com a autonomia, muda de natureza. Se, nos modelos atuais, muitas pessoas ainda executam, conferem e coordenam tarefas repetitivas, em operações mais autônomas elas passam a assumir papéis de maior valor, como definir regras, treinar algoritmos, supervisionar decisões críticas, auditar resultados e garantir que a tecnologia opere dentro dos limites definidos pelo negócio.

Essa transição exige uma agenda consistente de reskilling, em todas as camadas da empresa. A média gerência é uma camada decisiva para essa transição, porque conecta estratégia à execução e lidera diretamente os times que vão conviver com os algoritmos no dia a dia. Para escalar IA, esses gestores precisam deixar de ser apenas cobradores de eficiência e passar a atuar como arquitetos de equipes híbridas, capazes de orquestrar pessoas e tecnologia.

Sem essa preparação, a IA tende a encontrar resistência, medo e baixa adesão, especialmente quando profissionais não entendem como seu papel será ressignificado, pelo que serão medidos ou como poderão crescer em uma operação cada vez mais autônoma.