A adoção de IA virou prioridade estratégica para praticamente todas as empresas.
O problema? A maioria ainda está errando feio na forma de fazer isso.
Não por falta de tecnologia, mas por decisões erradas de estratégia, foco e execução.
Os cinco erros abaixo são os mais comuns que vejo no dia a dia. Aqui explico um pouco sobre cada um e, o mais importante, como evitá-los:
Começar pela tecnologia, não pelo problema de negócio
Os custos escalam muito mais rápido do que os benefícios
Escolher o caso de uso errado
Não estar preparado para mudar e/ou evoluir
Colocar energia em “construir” ao invés de “entregar valor”
Vamos lá…
1) Começar pela tecnologia, não pelo problema de negócio
Esse é, de longe, o erro mais frequente.
Muitos são os projetos de IA que nascem da pergunta “Como podemos usar IA aqui?” ao invés de “Que problema de negócio precisamos resolver?”
O mais comum é que as iniciativas que começam dessa forma, tendem a virar experimentos caros, sem impacto real. Por isso não me espantei com o relatório The GenAI Divide: State of AI in Business 2025 do Project NANDA (MIT), que apontou que apenas 5% das iniciativas de IA Generativa realmente chegam ao ponto de estar integradas ao fluxo de trabalho em escala e gerando resultados positivos ao negócio.
A tecnologia deve sempre ser usada para resolver um problema real do negócio e quando não há um problema claro a ser atacado, fica muito fácil se perder pelo caminho.
Como evitar?
Tratar a IA como meio, não como fim
Definir claramente:
Qual problema será resolvido?
Quais métricas de negócio serão impactada?
Como o sucesso será medido?
IA que funciona é business-driven, não tech-driven.
2) Os custos escalam muito mais rápido do que os benefícios
A falta de governança e de uma estratégia de FinOps com os projetos de IA faz com que, por muitas vezes, os custos escalem muito mais rápido do que os benefícios das iniciativas e o valor real extraído da tecnologia.
É muito comum ver as áreas de tecnologia olhando para os “benchmarks” publicados pelos fornecedores dos grandes modelos de IA Generativa e tomando decisões em cima das “notas” apresentadas.
A verdade é que, assim como na vida, nem sempre quem tira as melhores notas nas provas é quem consegue entregar as melhores soluções “na prática".
Como evitar?
Fazer testes específicos relacionados ao caso de uso de negócio onde a IA será aplicada
Analisar como as diferentes opções se comportam, considerando:
A qualidade dos resultados obtidos
Os custos envolvidos
A performance e o tempo de resposta
Para cada caso de negócio, essas variáveis possuem “pesos” completamente diferentes e influenciam a tomada de decisão sobre qual a melhor opção a ser utilizada.