Escrito por Marcelo Prado
Um estudo global recente conduzido pela Economist Impact em parceria com a Databricks entrevistou 1,1 mil executivos técnicos e realizou conversas com 28 CIOs de 11 setores. Os resultados mostram como as empresas estão avançando da experimentação com IA generativa para estratégias que geram valor de negócio mensurável, além de apontar o que ainda está travando parte dessas organizações.
Em todos os setores, cinco temas aparecem de forma consistente: a rápida transição do hype para a geração de valor, uma lacuna na prontidão da infraestrutura, a crescente importância da inteligência de dados, a expansão da IA para toda a força de trabalho e o surgimento de sistemas agentic como a próxima fronteira.
Principais insights
1. A adoção de IA é alta, mas a prontidão das empresas ainda é baixa
Embora 85% das organizações já estejam usando ou testando IA generativa, apenas 22% acreditam que sua infraestrutura é capaz de suportar IA em escala, evidenciando um grande descompasso entre interesse e capacidade operacional.
2. Os investimentos em infraestrutura são amplamente subestimados
A demanda global por IA está impulsionando quase US$ 1 trilhão em investimentos em data centers, computação, chips e energia. As organizações começam a reconhecer que escalar IA exige repensar a arquitetura de dados e processamento desde a base, e não apenas implementar modelos.
3. O valor da IA já está comprovado, mas escalar ainda é um desafio
Custos (41%), falta de habilidades (40%), qualidade dos modelos (37%) e governança (33%) são apontados como os principais obstáculos para sair de protótipos e avançar para sistemas em produção.
4. A inteligência de dados se torna o principal diferencial competitivo
Empresas líderes estão migrando de uma visão centrada apenas em modelos para plataformas que integram dados limpos, governança e conhecimento específico de domínio. Dados proprietários, muitas vezes combinados com arquiteturas RAG, passam a ser vistos como chave para precisão e vantagem competitiva sustentável.
5. A IA generativa democratiza o acesso à tecnologia
Por utilizar linguagem natural, a IA deixa de ser restrita a áreas técnicas. Profissionais de diferentes funções, de varejo à saúde, manufatura e serviços financeiros, passam a executar tarefas antes exclusivas de especialistas.
6. Os casos de uso estão se diversificando e se tornando críticos para o negócio
A IA generativa já está transformando a operação de diversos setores. Exemplos:
- Farmacêutico acelera testes clínicos
- Automotivo prevê falhas de componentes
- Serviços financeiros aprimoram análise de crédito
- Varejo melhora previsões de cadeia de suprimentos
- Energia otimiza operações em campo
A IA deixa de ser uma iniciativa de laboratório e passa a ser infraestrutura operacional.
7. A calibração entre humanos e máquinas se torna essencial
As empresas precisam estruturar fluxos de trabalho em que humanos supervisionem, validem, ajustem e colaborem com sistemas de IA, especialmente diante do aumento de regulações relacionadas à segurança, privacidade e proteção ao consumidor.
8. O ROI em IA exige visão de longo prazo e coordenação entre áreas
Organizações que capturam valor real investem em métricas de longo prazo, governança transversal e centros de excelência que permitem escalar iniciativas de forma consistente.
9. A estratégia de modelos está se tornando híbrida
Empresas estão adotando arquiteturas flexíveis, combinando modelos open source, proprietários, ajustados e especializados, de acordo com necessidades de domínio, risco, custo e desempenho, em vez de depender de um único modelo base.
10. A IA agentic surge como a próxima grande alavanca de produtividade
Setores começam a adotar sistemas capazes de planejar, coordenar e executar tarefas de forma autônoma. Os primeiros resultados já mostram ganhos significativos em automação e produtividade.
Resumo
As empresas já entraram definitivamente na era da IA generativa, com 85% de adoção. Ainda assim, apenas uma parcela das iniciativas está realmente pronta para produção, revelando um gap estrutural impulsionado por infraestrutura defasada, baixa qualidade de dados e lacunas em governança e talentos.
As organizações que estão avançando mais rápido compartilham algumas características:
- Tratam dados como ativo estratégico central
- Investem cedo em arquiteturas escaláveis e governança
- Democratizam o uso de IA em toda a empresa
- Adotam portfólios flexíveis de modelos
- Se preparam para um futuro com sistemas autônomos
A principal mensagem é clara: o sucesso com IA nas empresas depende menos da experimentação com modelos e mais da construção de bases sólidas de dados, operação e governança que permitam escalar com segurança e consistência.
