Adotar IA ficou mais fácil, mas provar seu valor é um desafio.

A adoção de inteligência artificial avançou mais rápido do que a capacidade das empresas de redesenhar o trabalho. Sem processos claros, dados conectados e responsabilidades definidas, a tecnologia produz atividade. Nem sempre produz valor.

A empresa pode usar inteligência artificial todos os dias e continuar operando mal.

Pode resumir reuniões, gerar documentos, escrever campanhas, produzir código e analisar planilhas. Ainda assim, os dados permanecem espalhados, os sistemas não conversam, o CRM está incompleto e as decisões continuam dependendo de pessoas específicas.

A tecnologia entrou na rotina. A estrutura necessária para transformar esse uso em resultado nem sempre entrou com ela.

Esse é o ponto que separa adoção de transformação.

Usar IA significa inserir uma ferramenta no trabalho. Gerar valor com IA exige rever como o trabalho acontece.

A IA entrou em quase todas as empresas. A escala não acompanhou.

A adoção já não é uma promessa.

Na pesquisa global da McKinsey sobre o estado da inteligência artificial em 2025, 88% dos participantes afirmaram que suas organizações utilizavam IA regularmente em pelo menos uma função de negócio. Um ano antes, esse percentual era de 78%.

O uso também se espalhou internamente. Mais de dois terços das organizações já aplicavam IA em mais de uma função, e metade relatava uso em três ou mais áreas.

O avanço é evidente. A escala, não.

Apenas cerca de um terço das empresas havia começado a escalar seus programas de IA. Quase dois terços continuavam nas fases de experimentação e piloto.

A pesquisa da PwC mostra o outro lado dessa distância.

Somente 12% dos CEOs entrevistados disseram que a IA havia produzido, ao mesmo tempo, aumento de receita e redução de custos. Outros 33% identificaram ganho em uma dessas dimensões. Para 56%, ainda não havia benefício financeiro significativo.

Os números não sugerem que a IA falhou.

Eles mostram que o acesso à tecnologia se tornou mais rápido do que a capacidade das empresas de reorganizar sua operação ao redor dela.

A ferramenta se espalhou. O valor permaneceu concentrado.

O piloto parece funcionar porque evita a parte mais difícil.

Um piloto costuma ter um problema definido, um grupo pequeno de usuários e alguém responsável por acompanhar o resultado.

A operação real não oferece a mesma proteção.

Ela contém exceções, metas concorrentes, dados incompletos, aprovações, sistemas legados, regras informais e pessoas com interpretações diferentes sobre o mesmo processo.

Por isso, uma aplicação pode funcionar bem em uma demonstração e falhar quando precisa atravessar a empresa.

Um assistente pode elaborar uma proposta comercial em minutos. Mas ainda precisa saber:

• qual informação pode utilizar;
• onde encontrar o histórico do cliente;
• quais condições comerciais estão vigentes;
• quem aprova exceções;
• como registrar o documento no CRM;
• o que acontece depois do envio;
• qual indicador define se a proposta ajudou a venda.

Sem essas definições, a IA produz um arquivo. Não organiza o processo comercial.

O mesmo vale para atendimento, marketing, operações, finanças e tecnologia.

A ferramenta executa uma parte visível do trabalho. O resultado depende de tudo que existe antes e depois dela.

O problema aparece quando a IA encontra a operação real.

Dentro de uma empresa em crescimento, o processo oficial e o processo praticado raramente são idênticos.

O desenho mostra uma sequência linear. A rotina contém mensagens no WhatsApp, planilhas paralelas, aprovações verbais e informações que só uma pessoa sabe localizar.

Quando a IA entra nesse ambiente, encontra cinco tipos de fragilidade.

Os dados não formam uma visão confiável.

Informações sobre o mesmo cliente podem estar no CRM, no sistema financeiro, em uma planilha e na caixa de entrada de um vendedor.

A IA depende do contexto disponível. Quando esse contexto está incompleto ou contraditório, a resposta pode ser bem escrita e ainda assim estar errada.

As regras não estão documentadas.

Parte importante da operação vive na memória das equipes.

Uma pessoa sabe qual cliente pode receber uma condição diferente. Outra sabe qual fornecedor costuma atrasar. Uma terceira entende por que determinado pedido precisa seguir um fluxo alternativo.

Esse conhecimento funciona enquanto as mesmas pessoas permanecem disponíveis. Ele não forma uma base segura para automação.

Os sistemas registram etapas, mas não compartilham decisões.

A empresa pode ter CRM, ERP, automação de marketing, plataforma de atendimento e ferramentas de análise.

Ter sistemas não significa ter integração.

Quando cada plataforma mantém uma versão diferente da realidade, a IA ganha acesso a mais informação, mas não necessariamente a uma informação melhor.

As responsabilidades não estão claras.

Uma automação pode executar uma tarefa. Ela não assume responsabilidade pelo resultado.

Quando uma saída está incorreta, alguém precisa saber quem revisa, quem corrige e quem decide se o fluxo deve continuar operando.

Sem essa definição, a tecnologia cria velocidade e dispersa responsabilidade.

A empresa mede atividade, não impacto.

Quantidade de usuários, prompts executados e documentos produzidos mostram utilização.

Não mostram valor.

Uma iniciativa precisa estar conectada a uma mudança concreta, como redução do tempo de resposta, aumento de conversão, diminuição de retrabalho ou melhora na precisão de uma decisão.

Sem uma métrica operacional, a empresa consegue provar que utiliza IA. Não consegue provar que opera melhor por causa dela.

A tecnologia depende da estrutura que encontra.

Automação amplia a capacidade do processo. Também amplia seus defeitos.

Um processo ruim não é apenas um processo lento.

Ele pode conter uma regra inadequada, uma informação incompleta ou uma decisão que nunca foi discutida com clareza.

Quando esse fluxo é manual, o problema aparece de forma localizada. Uma pessoa percebe a exceção, interrompe o trabalho e pergunta o que fazer.

Quando o mesmo fluxo é automatizado, a decisão pode ser repetida centenas de vezes antes que alguém perceba o erro.

A velocidade deixa de ser vantagem quando a empresa não sabe exatamente o que está acelerando.

IA amplia o que a operação já consegue fazer. Quando existe clareza, amplia capacidade. Quando existe ruído, amplia ruído.

As empresas que geram valor redesenham o trabalho.

A pesquisa da McKinsey identifica uma diferença importante entre as empresas que experimentam IA e aquelas que conseguem produzir impacto relevante.

As organizações classificadas como de alto desempenho eram quase três vezes mais propensas a afirmar que haviam redesenhado profundamente seus fluxos de trabalho.

Segundo o estudo, esse redesenho apresentou uma das contribuições mais fortes para a geração de impacto entre todos os fatores avaliados. As empresas de melhor desempenho também demonstravam maior envolvimento da liderança, critérios mais claros para validação humana e práticas mais maduras de tecnologia, dados e acompanhamento de indicadores.

A PwC chega a uma conclusão semelhante por outro caminho.

Empresas com fundamentos mais sólidos para IA, incluindo ambientes tecnológicos preparados para integração e estruturas de uso responsável, eram três vezes mais propensas a relatar retornos financeiros relevantes.

A diferença não está apenas na quantidade de ferramentas.

Está na forma como a empresa conecta estratégia, operação, dados, tecnologia e decisão.

Redesenhar o trabalho significa questionar:

• quais etapas ainda precisam existir;
• quais decisões podem ser apoiadas pela IA;
• quais decisões podem ser automatizadas;
• onde a validação humana continua necessária;
• quais informações o processo precisa consultar;
• em qual sistema o resultado deve ser registrado;
• quem responde pelo desempenho do fluxo;
• qual indicador determina se a mudança funcionou.

Esse trabalho parece menos sofisticado do que uma demonstração de tecnologia.

É também onde o valor começa.

Três decisões vêm antes da ferramenta.

Uma empresa não precisa mapear toda a operação antes de começar.

Precisa escolher um processo relevante e tomar três decisões com clareza.

Desenhar o processo real

O primeiro passo é registrar como o trabalho acontece hoje, não como deveria acontecer.

O desenho precisa mostrar:

1. o evento que inicia o processo;
2. o resultado que encerra o fluxo;
3. as pessoas e sistemas envolvidos;
4. as decisões tomadas durante o caminho;
5. as exceções mais frequentes;
6. os pontos em que o trabalho muda de responsável.

Esse mapa costuma revelar que o problema atribuído à tecnologia começa antes dela.

Um CRM vazio pode ser consequência de um processo comercial que nunca definiu quais informações precisam ser registradas.

Um atendimento lento pode nascer de uma política que exige aprovação para situações recorrentes.

Uma campanha genérica pode refletir uma base de clientes sem segmentação confiável.

O processo precisa ser entendido antes de ser acelerado.

Definir a fronteira entre pessoa e tecnologia

Nem toda atividade precisa ser totalmente manual. Nem toda atividade deveria ser totalmente automatizada.

A empresa precisa separar três papéis:

A IA sugere. Produz uma recomendação, classificação, previsão ou primeira versão.

A IA executa. Realiza uma ação dentro de critérios definidos.

A pessoa decide. Valida situações que envolvem risco, contexto, negociação, impacto financeiro ou responsabilidade institucional.

A fronteira depende do processo.

Uma IA pode classificar pedidos de atendimento. Uma pessoa pode continuar responsável pelos casos sensíveis.

Pode gerar uma primeira versão de proposta. A condição comercial permanece sob aprovação.

Pode identificar anomalias financeiras. A decisão sobre pagamento ou bloqueio exige validação.

A maturidade não está em retirar pessoas do processo. Está em saber onde o julgamento humano produz valor.

Conectar a IA à operação

Uma ferramenta isolada gera ganho individual.

Uma capacidade operacional precisa estar conectada ao restante da empresa.

Isso exige cinco componentes:

1. Dados: quais informações alimentam o fluxo e qual fonte é considerada confiável.
2. Sistemas: onde a IA consulta dados, executa ações e registra resultados.
3. Responsável: quem responde pelo funcionamento e pela qualidade do processo.
4. Indicador: qual resultado será acompanhado.
5. Revisão: quando o fluxo será avaliado, corrigido ou interrompido.

A escala não começa quando mais pessoas recebem acesso à ferramenta.

Começa quando o processo pode ser repetido com consistência, acompanhado por indicadores e corrigido por alguém que reconhece sua responsabilidade.

A liderança não deve delegar o problema inteiro para tecnologia.

A área de tecnologia pode avaliar infraestrutura, integração, segurança e viabilidade técnica.

Ela não deveria decidir sozinha qual parte do negócio merece ser redesenhada.

Essa decisão exige conhecimento sobre estratégia, cliente, operação, risco e resultado financeiro.

A pesquisa da McKinsey identificou que empresas de alto desempenho eram três vezes mais propensas a apresentar forte compromisso e responsabilidade da liderança sobre as iniciativas de IA.

A participação da liderança não significa escolher ferramentas.

Significa definir prioridades e remover ambiguidades.

Uma liderança responsável pela agenda precisa responder:

• qual problema merece investimento;
• qual resultado deve mudar;
• qual risco não pode ser delegado;
• quem será responsável pelo processo;
• qual dado pode sustentar a decisão;
• em que momento o piloto será ampliado, corrigido ou encerrado.

Sem essas respostas, a empresa acumula experimentos.

Com elas, começa a construir capacidade.

O que fazer na segunda-feira de manhã.

Escolha um fluxo que seja frequente, relevante e mensurável.

Não comece pela empresa inteira. Não comece pela ferramenta mais nova.

Pode ser o envio de uma proposta, a entrada de um novo cliente, a classificação de um chamado, a aprovação de uma compra ou a produção de um relatório.

Reúna as pessoas que participam desse trabalho e responda, em uma página:

1. O que inicia o processo?
2. Qual resultado deveria encerrá-lo?
3. Quais decisões acontecem no caminho?
4. Quais dados sustentam essas decisões?
5. Onde estão as exceções?
6. Quais sistemas participam?
7. Quem responde pelo resultado?
8. Qual indicador deveria mudar?
9. O que a IA pode sugerir?
10. O que ela pode executar?
11. O que ainda precisa de validação humana?

Ao final, talvez a empresa descubra uma oportunidade clara para IA.

Também pode descobrir que precisa integrar dois sistemas, revisar uma regra, eliminar uma etapa ou definir uma responsabilidade antes de automatizar.

As duas conclusões são valiosas.

A primeira indica onde a tecnologia pode ampliar capacidade.

A segunda impede que a empresa transforme desorganização em escala.

A pergunta madura mudou.

Durante algum tempo, a discussão empresarial esteve concentrada em uma pergunta:

Onde podemos usar inteligência artificial?

Essa pergunta ajudou a iniciar experimentos. Ela não é suficiente para orientar escala.

A pergunta que vem agora é mais exigente:

Qual parte do trabalho está clara o suficiente para ser ampliada por inteligência artificial?

Responder exige menos fascínio pela ferramenta e mais compreensão da operação.

Exige olhar para dados, sistemas, decisões, responsabilidades e métricas como partes de uma mesma estrutura.

A IA pode produzir velocidade. A empresa ainda precisa decidir o que merece ser acelerado.

Antes de executar, entendemos o sistema por trás do problema.

---

Fontes: McKinsey & Company, The State of AI in 2025: Agents, Innovation, and Transformation — pesquisa com 1.993 participantes de 105 países, jun.-jul. 2025. PwC, 29th Global CEO Survey — pesquisa com 4.454 CEOs de 95 países e territórios, set.-nov. 2025.