Escalar a IA exige mudança cultural antes de investimento em tecnologia, apontam estudos

Empresas de diversos setores vêm ampliando os aportes em inteligência artificial generativa, mas o retorno financeiro ainda não acompanha o ritmo dos investimentos. Segundo dados da consultoria Gartner, as organizações destinaram, em média, US$ 1,9 milhão ao longo do último ano a projetos de IA generativa, porém menos de 30% dos presidentes executivos declararam satisfação com os resultados obtidos. Especialistas atribuem o descompasso à preparação interna: sem ajustes nos papéis e nos processos, a tecnologia tende a ser tratada como um complemento, não como parte integrante do funcionamento do negócio.

Diferentemente de ferramentas tradicionais de marketing, que otimizam tarefas pontuais, a IA em larga escala modifica funções inteiras. Ao automatizar decisões e acelerar fluxos, a solução permite que generalistas assumam atividades antes restritas a especialistas, enquanto profissionais altamente qualificados passam a atuar além de suas atribuições originais. Esse redesenho impacta desde o desenvolvimento de produtos até a análise de dados.

Exemplos práticos já aparecem em equipes de marketing: modelos alinhados à identidade de marca possibilitam que times de produto criem materiais de campanha; designers realizam produção em volume de peças em questão de minutos; e analistas automatizam relatórios, liberando colegas para interpretar resultados em tempo real. Quando o limite entre funções desaparece, cargos podem se expandir ou até ser fundidos, exigindo transparência sobre as mudanças previstas.

Uma pesquisa da McKinsey evidencia a importância do engajamento interno. Organizações com alta participação dos colaboradores em iniciativas de transformação registram lucratividade 21% superior à média. O dado reforça a necessidade de cultivar uma mentalidade curiosa e aberta antes de disseminar novas ferramentas. Curiosidade, nesse contexto, vai além de testar recursos: envolve observar o fluxo de trabalho completo, de ponta a ponta, e compreender como cada entrega se conecta ao resultado de outros times.

À medida que agentes autônomos assumem etapas decisórias, fronteiras departamentais se confundem. Tarefas antes repassadas de design para marketing, ou de análise para produto, podem ser simplificadas ou suprimidas. Cada equipe precisa enxergar suas responsabilidades e entender de que forma seus outputs alimentam os inputs dos demais. Mapear processos de forma colaborativa ajuda a identificar sobreposições, lacunas e oportunidades, além de ampliar a empatia pelas atribuições em transformação.

Foco em iniciativas específicas é outra recomendação recorrente. Relatório da McKinsey publicado em 2023 concluiu que empresas que concentram esforços em poucos projetos digitais de alto impacto têm 1,5 vez mais chance de êxito do que aquelas que dispersam recursos em diversos pilotos independentes. A Harvard Business Review corrobora o argumento ao destacar que mudanças de grande porte ganham tração a partir de um “quick win” visível, capaz de demonstrar valor tangível e fortalecer a adesão interna.

O compartilhamento de resultados, mesmo em escala reduzida, também influencia a confiança organizacional. Estudo da Deloitte constatou que companhias que divulgam regularmente avanços e aprendizados obtidos em pilotos aumentam em 33% a probabilidade de conquistar apoio executivo – condição considerada essencial para que a transformação alcance toda a empresa.

Começar pequeno, portanto, não significa pensar pequeno. A recomendação é selecionar o fluxo que elimine mais atritos ou gere benefício claro a funcionários e clientes. Dados da Gartner mostram que 70% das implementações de IA bem-sucedidas tiveram origem em projetos limitados, posteriormente ampliados para o restante da organização. Entre as opções iniciais figuram o uso de IA generativa para acelerar aprovações criativas ou a implantação de um agente inteligente voltado a análises de campanha.

Após a vitória inicial, o desafio passa a ser integrar “workflows agentivos” em escala. Nessas rotinas, agentes de IA assumem funções de otimização de campanhas, produção de conteúdo ou triagem de atendimento ao cliente. A adoção requer alinhamento entre áreas, metas compartilhadas e comunicação aberta para reduzir atritos e manter o ritmo das mudanças.

Programas de capacitação contínua, coaching e transparência sobre objetivos fortalecem a confiança nos novos métodos de trabalho. O processo não se encerra com a entrega da ferramenta; trata-se de um compromisso permanente com a evolução operacional. Experiências bem-sucedidas indicam que as organizações mais bem preparadas combinam paciência e persistência: celebram conquistas iniciais, ajustam rotas quando necessário e mantêm apoio à equipe até que a nova forma de atuar se torne parte da rotina.

A mensagem central dos estudos é clara: o potencial de redução de custos e aumento de eficiência prometido pela IA depende menos de algoritmos sofisticados e mais da disposição de pessoas e líderes para repensar papéis, workflows e indicadores de sucesso. Sem essa base cultural, os investimentos tendem a gerar ganhos pontuais, distantes da escala almejada.