Denis Romanovskiy, Diretor de Inteligência Artificial da SOFTSWISS – Série de Entrevistas

Denis Romanovskiy, Diretor de Inteligência Artificial da SOFTSWISS, é um executivo de tecnologia experiente com mais de 25 anos de experiência liderando programas de engenharia em grande escala em jogos, software empresarial, IoT e plataformas online de alta carga. Após passar os últimos cinco anos no setor de jogos online, ele anteriormente atuou como Vice-Diretor de Tecnologia da SOFTSWISS, supervisionando a governança técnica em várias equipes de produtos com foco forte em plataformas de cassino e esportes, antes de assumir seu papel atual para definir e implementar a estratégia de IA da empresa.

SOFTSWISS é uma empresa de tecnologia de jogos online com sede em Malta, que fornece soluções de chave na mão para cassinos online e casas de apostas, incluindo uma plataforma de cassino, agregador de jogos, solução de casa de apostas e serviços gerenciados. A empresa apoia operadores em todo o mundo com infraestrutura projetada para escalabilidade, conformidade e confiabilidade, posicionando-se na interseção da tecnologia de jogos e otimização impulsionada por IA emergente.

Ao liderar programas técnicos em grande escala em várias indústrias e agora definir a estratégia de IA empresarial na SOFTSWISS, como sua experiência em sistemas de alta carga e alta disponibilidade moldou a forma como você aborda a integração da IA em uma organização com mais de 2.000 pessoas?

Minha experiência em sistemas de alta carga e alta disponibilidade me ensinou uma lição fundamental: qualquer mudança complexa em escala requer uma abordagem de sistema. Você não pode simplesmente implantar uma tecnologia e esperar que funcione – você precisa projetar todo o ecossistema em torno dela e garantir que processos, estrutura e tecnologia funcionem juntos.

Aplicamos exatamente esse princípio à adoção de IA na SOFTSWISS. Começa no nível individual. Explicamos a cada funcionário como usar a IA de forma segura e eficaz – o que ela pode fazer, onde estão seus limites e quais são os riscos associados. Criticamente, deixamos claro que a responsabilidade pelos resultados não some quando a IA entra em cena. A IA expande suas capacidades, mas a responsabilidade permanece com você. Você ainda é responsável pela qualidade da saída, das decisões e dos resultados.

Em seguida, passamos para o nível da equipe, e é aqui que a dinâmica muda. Novas oportunidades surgem – ciclos de planejamento mais rápidos, verificação automatizada, análise aprimorada – mas também surgem novos riscos: dependência excessiva de saídas de IA, erosão do pensamento crítico, adoção inconsistente em toda a equipe. É aqui que os gerentes desempenham um papel decisivo. Eles precisam adaptar como revisam o trabalho, quais perguntas fazem e quais sinais procuram. Quando alguém entrega um resultado duas vezes mais rápido, o trabalho do gerente é entender se a qualidade se manteve e se a pessoa realmente entende o que entregou.

Essa abordagem em camadas – conscientização individual, adaptação em nível de equipe, supervisão gerencial – é o que nos permite escalar a IA em uma grande organização sem comprometer a estabilidade e confiabilidade que nosso ambiente regulamentado exige. Não se trata apenas de tecnologia. Trata-se de construir o sistema em torno dela que torna a adoção sustentável.

O que separa a IA implantada como uma ferramenta de produtividade da IA integrada diretamente à infraestrutura e aos sistemas de tomada de decisão, e como essa distinção muda os resultados comerciais de longo prazo?

A IA de produtividade – assistentes de chat e copilotos de código – é onde as pessoas primeiro encontram a IA no trabalho. Essa etapa é importante, e você não pode pulá-la. Ela constrói a alfabetização em IA, ensina as pessoas a avaliar as saídas e cria hábitos de uso responsável em toda a organização.

Mas há uma diferença fundamental entre a IA que ajuda um indivíduo e a IA integrada à forma como a organização opera. A IA de infraestrutura – integrada aos sistemas empresariais por meio de plataformas de IA – torna-se parte do sistema de gestão. Ela envolve planejamento, controle e auditoria. Ela respeita os quadros de governança e se alimenta diretamente nas correntes de decisão.

O impacto é significativo. As ferramentas de produtividade entregam ganhos de eficiência de 20-30% em tarefas individuais – valiosos, mas incrementais. A IA de infraestrutura acelera processos inteiros de 3 a 5 vezes. E com o tempo, ela reorganiza a própria organização – eliminando alguns papéis parcial ou totalmente, criando novos e comprimindo fluxos de trabalho que antes exigiam múltiplas transferências.

É por isso que essas duas categorias exigem abordagens diferentes. A IA de produtividade é um desafio de capacitação. A IA de infraestrutura é uma transformação organizacional que requer planejamento cuidadoso, gestão de mudanças e supervisão contínua.

Quais mudanças arquitetônicas e culturais são necessárias para transitar de experimentos de IA isolados para uma plataforma de IA centralizada em toda a organização?

Arquitetonicamente, uma plataforma centralizada é essencial – uma que forneça acesso seguro a vários fornecedores de modelos, mantendo uma governança de dados estrita. Sem essa camada, a experimentação escala a fragmentação em vez do valor.

Culturalmente, a maior mudança é passar do pensamento focado na execução para o pensamento focado no projeto. À medida que a execução se torna mais barata e rápida com a IA, a vantagem competitiva muda para como as equipes projetam fluxos de trabalho. Os funcionários devem projetar processos onde a IA lida com operações repetitivas, enquanto os humanos permanecem no controle da orquestração e da qualidade da decisão.

Como as grandes empresas podem aumentar sistematicamente sua velocidade de aprendizado ao implantar a IA, e quais mecanismos operacionais tornam isso mensurável?

A velocidade de aprendizado aumenta quando a experimentação é estruturada. Na SOFTSWISS, nomeamos campeões de IA dentro das equipes de produtos que identificam casos de uso, refinam as melhores práticas e compartilham-nas em toda a organização. Oficinas aceleram ainda mais a transferência de conhecimento.

A medição está ligada a indicadores de desempenho empresarial. Acompanhamos indicadores como Tempo de Resolução no suporte ou níveis de automação na revisão de código. Se a adoção da IA não melhorar os métricos mensuráveis, ela permanece superficial.

Quais processos legados mais comumente limitam o impacto da adoção da IA em empresas de tecnologia estabelecidas?

A principal restrição é tentar integrar a IA a estruturas de gestão rígidas com ciclos de planejamento longos e alocação de recursos fixa. A vantagem da IA é a velocidade, e os modelos de governança desatualizados desaceleram essa vantagem.

Outro fator limitante é a classificação de dados fraca. Sem dados estruturados e bem governados, a integração segura e escalável da IA se torna extremamente difícil.

Pode compartilhar exemplos onde a integração da IA diretamente aos sistemas centrais produziu ganhos mensuráveis em eficiência, receita ou desempenho operacional?

No suporte técnico, a IA integrada ao Jira analisa o histórico de tickets e documentação para propor caminhos de solução, reduzindo significativamente o tempo de resolução.

No RH, assistentes automatizados que lidam com consultas de benefícios e licenças economizam centenas de horas todos os meses.

No desenvolvimento, a automação da revisão de código impulsionada por IA atinge 60–80%, acelerando o ciclo de desenvolvimento em duas a quatro vezes. Esses ganhos são operacionalmente mensuráveis e impactam diretamente a eficiência.

Como você projeta quadros de governança que garantam auditoria, segurança e responsabilidade quando a IA está profundamente integrada aos fluxos de trabalho empresariais?

A governança deve criar um ambiente controlado em vez de restringir a inovação. Contamos com acordos de fornecedores de nível empresarial e aplicamos mascaramento de dados antes de enviar informações para modelos em nuvem.

A responsabilidade é construída no design do sistema. Ações impulsionadas por IA operam dentro de janelas de rollback definidas, permitindo anulação humana. A responsabilidade final permanece com o líder da equipe que projeta e é dono do fluxo de trabalho.

Quais vantagens estruturais permitem que equipes nativas de IA escalonem mais rápido do que empresas tradicionais, e como as organizações maiores podem se adaptar sem perder estabilidade?

A diferença fundamental está na arquitetura. Empresas tradicionais quebram o trabalho em estágios sequenciais – cada um pertencente a um papel separado, com transferências e filas entre eles. As equipes nativas de IA podem executar em todos os estágios simultaneamente. Não há filas, não há espera pelo próximo na cadeia. Todo o processo é automatizado de ponta a ponta, o que lhes dá uma vantagem de velocidade maciça.

Para organizações maiores, o caminho é gradual. Primeiro – construir a alfabetização em IA e equipar as equipes com ferramentas de IA. Dê às pessoas tempo para aprender, experimentar e integrar a IA aos fluxos de trabalho existentes. Nessa etapa, a inovação acontece dentro dos processos atuais, não em vez deles.

Uma vez que as equipes ganhem experiência e confiança, você pode estabelecer metas mais ambiciosas – otimizando processos inteiros em vez de etapas individuais. É aqui que a transformação real começa, mas só funciona quando as pessoas e os processos estão prontos para isso.

A chave é o ritmo. Mover-se muito rápido quebra a estabilidade. Mover-se muito devagar deixa o mercado para trás. A abordagem certa é a progressão deliberada e sequencial – para que a organização evolua sem perder o que já funciona.

Como operar no setor de jogos online, com suas demandas regulamentares e de confiabilidade, influencia a forma como a infraestrutura de IA é projetada e implantada?

O setor de jogos online é um ambiente único. Envolve dinheiro real, transações em tempo real e supervisão regulamentar em várias jurisdições. Na SOFTSWISS, operamos sob várias licenças – cada uma com seus próprios requisitos de conformidade. Isso significa que cada decisão tecnológica, incluindo a IA, deve levar em conta um complexo cenário regulamentar que vai muito além da proteção de dados padrão.

Mercados regulamentados exigem conformidade estrita com regras de armazenamento, exclusão e processamento de dados, incluindo o GDPR. Mas no setor de jogos online, o escopo é mais amplo – requisitos de prevenção de lavagem de dinheiro, obrigações de jogabilidade responsável, condições de licença que ditam como os dados fluem e onde podem ser processados. A infraestrutura deve garantir que dados sensíveis não sejam usados para treinamento de modelos externos e que cada decisão impulsionada por IA permaneça auditável.

Ao mesmo tempo, os padrões de confiabilidade são excepcionalmente altos. Os sistemas operam 24/7 com volumes de transações maciços. Qualquer sistema de IA que implantamos deve atender aos mesmos padrões – sempre disponível, totalmente auditável e capaz de lidar com os volumes de dados que vemos nas operações de suporte e conformidade. Nesta indústria, uma falha de IA não é apenas um incômodo – é um risco regulamentar e financeiro.

À medida que a IA empresarial amadurece, quais capacidades distinguirão as empresas que verdadeiramente integram a IA ao seu modelo operacional daquelas que permanecem como adotantes de superfície?

Em organizações de IA maduras, cada funcionário terá a IA ao seu alcance – com acesso seguro a dados corporativos em todos os sistemas, sem barreiras ou solicitações manuais. Os processos serão automatizados de ponta a ponta, sem filas ou transferências entre papéis. O trabalho fluirá continuamente, não em etapas.

Mas a automação sozinha não é suficiente. O que separa os líderes do restante é a capacidade de controlar o trabalho impulsionado por IA em escala. As equipes e organizações adaptarão a monitoração de qualidade automatizada – detectando problemas cedo e corrigindo-os antes que sejam exacerbados.

O papel do funcionário muda fundamentalmente. Em vez de executar tarefas, eles definem especificações para a IA – fornecendo contexto suficiente, metas claras e métodos de controle de qualidade. Seu valor reside em direcionar a IA e otimizar sua saída, não em fazer o trabalho manualmente.

O papel dos líderes também muda. Gerentes e executivos se tornam os arquitetos do pensamento sistêmico em toda a organização. Seu trabalho é conectar diferentes fluxos de trabalho, ferramentas e artefatos em fluxos de valor que resolvem problemas de clientes melhor do que os concorrentes, não otimizando tarefas individuais – mas projetando como tudo se encaixa.

Essa profundidade de integração – IA em cada mão, processos automatizados, controle de qualidade sistemático e liderança focada no valor de ponta a ponta – definirá a vantagem competitiva de longo prazo.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar SOFTSWISS.