Como parar de perder dinheiro em pilotos de IA: três erros e o que fazer em vez disso

Nos últimos anos, a indústria financeira tem corrido para implementar a inteligência artificial. As empresas estão cada vez mais comprando modelos e assinando contratos com fornecedores, mas isso gera pouco ou um resultado assustador. Segundo um estudo do MIT publicado no ano passado, 95% dos pilotos corporativos de IA não têm efeito mensurável nos lucros das empresas.

Ao mesmo tempo, os gastos estão disparando, pois estima‑se que no ano passado o mundo tenha gasto 1,76 trilhões de dólares em IA, e em 2026 esse valor deve crescer para 2,59 trilhões. Assim, o dinheiro investido e o dinheiro retornado parecem diferir muito, e os custos estão subindo basicamente sem motivo.

No entanto, o problema não é que a tecnologia seja fraca. Os modelos de IA estão se tornando mais inteligentes a cada ano, a ponto de a OpenAI decidir suspender seus desenvolvimentos para não avançar demais. Portanto, neste caso, a verdadeira desvantagem é a falta de um modelo operacional que possa usar essas tecnologias de forma eficaz.

A ilusão de ter um piloto

A escala da integração de IA é tão grande que quase toda fintech ou empresa financeira tradicional lançou recentemente ao menos um piloto de IA, por exemplo, um chatbot para clientes. Mas, independentemente do que lançam, essas histórias têm, em conjunto, um desfecho bastante desagradável.

Tudo começa com uma equipe específica construindo uma prova de conceito que funciona bem em condições de teste controladas. Em seguida, após a demonstração, a gestão fica impressionada e permite que a equipe a implante, mas em algum momento o projeto falha ou se mostra ineficaz. Mas por quê?

Claro que nem todo projeto interno de IA falha, pois, nesse caso, não restariam engenheiros de ML, e a tecnologia seria inútil. Mas já observei esse ciclo de falhas tantas vezes que já conheço bem sua raiz. Simplificando, o problema está no próprio piloto, que, embora bem executado, não foi projetado para se encaixar na forma como o negócio realmente funciona e opera dia a dia.

Como resultado, um modelo que funciona brilhantemente isoladamente entra em conflito com a infraestrutura legada ou com funcionários que nem sabem como lidar com a tecnologia. Mas nenhuma dessas barreiras é resolvida por um algoritmo mais inteligente. Todas podem ser corrigidas apenas por decisões de gestão, e essa não é a responsabilidade dos cientistas de dados.

Alguns erros que é melhor evitar

Antes de vermos como integrar IA de forma mais eficaz em uma empresa, vamos considerar outros erros que podem ocorrer ao longo do caminho.

O primeiro e mais importante deslize, como já mencionamos indiretamente, é tratar a IA como um complemento sem reconstruir os processos. Na prática, muitas empresas pegam um fluxo de trabalho existente e simplesmente inserem uma ferramenta de IA em uma etapa, sem sequer considerar se a IA faz sentido naquele processo.

Portanto, como gestor, eu me perguntaria primeiro: esse processo era realmente necessário na sua empresa? Se o fluxo de trabalho era ineficiente antes da automação, permanecerá igualmente ineficiente depois. Pode até piorar, porque a IA pode lembrar padrões negativos e repeti‑los.

O próximo erro ocorre quando os gestores subestimam o peso da conformidade e da governança. Os serviços financeiros enfrentam algumas das pressões regulatórias mais rígidas de qualquer setor e, por exemplo, não é possível automatizar todo o departamento de conformidade com IA. O mesmo vale para a prestação direta de serviços e a gestão de portfólio. Parece uma verdade universal, mas você ficará surpreso ao ver quantos fundadores cometem esse deslize.

E, por último, mas não menos importante, muitas empresas esquecem de treinar suas equipes para a implementação de IA. Quando a tecnologia assume as rotinas dos funcionários, o instinto inicial costuma ser reduzir o quadro, já que muitas tarefas podem ser realizadas mais rapidamente com menos pessoas. Embora isso reduza seus custos a curto prazo, é uma visão muito míope.

Se você deseja valor real, faça a si mesmo outra pergunta. Que trabalho de nível superior nossas pessoas podem fazer agora que estão liberadas da rotina? Elas estão preparadas para isso com as habilidades e a motivação atuais?

O que começar na segunda‑feira para mais eficiência

Como primeiro passo, audite seus pilotos de IA suspensos. Ou seja, não introduza novas ideias até que você tenha tratado adequadamente das antigas. Em 90% dos casos, o problema é a falta de responsabilidade, o fato de que ninguém está claramente encarregado de escalá‑lo. Portanto, atribua a propriedade.

Se alguém já possui o controle da IA, o próximo passo é revisar o processo e reconstruí‑lo totalmente. Não basta simplesmente acrescentar IA ao fluxo de trabalho existente. Meu conselho é perguntar como esse processo seria se o projetássemos hoje do zero, sabendo que a IA pode fazer análises primárias. Frequentemente, a resposta é muito mais simples do que parece.

Além disso, não se esqueça de calcular os números reais que o modelo de IA gera. Se, seis meses após o lançamento, você não conseguir especificar métricas sobre a eficácia do seu modelo (por exemplo, horas economizadas ou aumento de lucros), então ele não funciona como deveria, sendo melhor reconsiderar seu valor.

E, talvez mais importante, não demita pessoas, especialmente as responsáveis e aquelas que sempre fizeram seu trabalho honestamente. Se as pessoas trazem mais dinheiro para a empresa do que ganham em um ano, a demissão se tornará um problema para você muito em breve. E as empresas que não entendem isso perdem seu conhecimento institucional e a confiança da equipe, o que então custa muito mais.

Considerando tudo, 95% dos pilotos não alcançam o resultado, não porque a tecnologia falhou. Eles não conseguem porque a organização ao redor deles permaneceu a mesma e desatualizada. Essa é a única variável que deve ser mudada primeiro.