Estudo da McKinsey citado por especialista aponta que 88% das empresas já implantam ou experimentam inteligência artificial, mas 81% ainda não observam ganhos significativos nos resultados; revisão de processos e governança são fundamentais para ampliar o retorno da tecnologia.
A adoção de inteligência artificial (IA) avança nas empresas, mas incorporar a tecnologia às operações não garante, por si só, ganhos de produtividade ou resultados financeiros. O desafio, segundo Renan Vellone, diretor de Operações de Projetos da Kumulus, está em preparar os processos internos antes de automatizá-los. Sem essa revisão, a IA pode acelerar tarefas desnecessárias, ampliar retrabalhos e reproduzir falhas que já fazem parte da rotina corporativa.
Dados da McKinsey citados pelo especialista indicam que 88% das empresas implantam ou experimentam soluções de inteligência artificial, enquanto 81% relatam não observar ganhos significativos nos resultados. Os números reforçam uma questão que vai além da escolha de ferramentas: como transformar a adoção tecnológica em impacto efetivo para os negócios?
Para Vellone, a resposta começa pelo entendimento da operação. Antes de implementar uma solução, é necessário identificar o problema que a empresa pretende resolver, mapear as etapas envolvidas, compreender quais informações são utilizadas e definir quais decisões precisam ser tomadas.
A lógica é que a tecnologia não corrige automaticamente falhas de organização. Processos com regras pouco claras, informações dispersas, sistemas sem integração e excesso de atividades manuais podem continuar apresentando problemas mesmo depois da automatização.
Revisão de processos precede a automação
A implementação de IA exige avaliar como o trabalho acontece na prática, e não apenas como foi desenhado formalmente. Na rotina das empresas, procedimentos paralelos, exceções, atalhos e retrabalhos podem se acumular ao longo dos anos, criando uma distância entre os processos documentados e a execução diária.
Essa diferença representa um obstáculo para projetos de transformação digital. Uma ferramenta pode funcionar conforme as especificações técnicas e, ainda assim, não resolver o problema de negócio se as informações necessárias estiverem incompletas, as responsabilidades não estiverem definidas ou as etapas operacionais não fizerem sentido.
A revisão dos fluxos permite identificar quais atividades podem ser eliminadas, simplificadas, integradas ou automatizadas. A partir desse diagnóstico, a empresa consegue estabelecer objetivos e indicadores para avaliar se a tecnologia realmente trouxe benefícios.
Isso não significa que todos os processos precisem estar perfeitos antes da adoção de IA. O ponto central é saber o que precisa melhorar e em quais etapas a tecnologia pode contribuir de forma mensurável.
Projeto na Porsche Cup Brasil reduziu processo em 40%
Um exemplo citado por Vellone é um projeto conduzido pela Kumulus em parceria com a Microsoft para a Porsche Cup Brasil. A iniciativa envolveu a revisão dos processos de avaliação de danos em veículos após acidentes, além da realização de integrações entre sistemas.
Antes de incorporar inteligência artificial e automações ao fluxo, foi necessário compreender como as informações eram utilizadas e quais decisões precisavam ser tomadas durante a avaliação. O trabalho de revisão operacional e integração tecnológica foi parte da preparação para a implementação.
Segundo a Kumulus, o projeto resultou em uma otimização de 40% no processo. O material divulgado, porém, não detalha a métrica utilizada para calcular a redução nem o período considerado na avaliação.
O caso ilustra a importância de combinar tecnologia e redesenho operacional. A automação passa a ter uma função mais clara quando está conectada a uma necessidade concreta, com etapas definidas e critérios que permitam acompanhar o desempenho.
Agentes de IA ampliam a importância da governança
À medida que as soluções evoluem de ferramentas que respondem a comandos para agentes capazes de consultar fontes, interpretar informações, executar tarefas e interagir com sistemas, cresce a necessidade de estabelecer limites para sua atuação.
A governança envolve definir quais dados cada solução pode acessar, quais ações está autorizada a executar, quais decisões exigem supervisão humana e como os resultados serão monitorados. Também inclui mecanismos para identificar erros, controlar permissões e reduzir riscos operacionais.
Esses cuidados são relevantes porque uma falha em um sistema conectado a processos críticos pode produzir consequências financeiras, operacionais e reputacionais. Quanto maior a autonomia concedida à ferramenta, mais importante se torna estabelecer controles compatíveis com os riscos envolvidos.
No Brasil, o debate regulatório também integra essa discussão. O Projeto de Lei nº 2.338/2023, apresentado para estabelecer o marco legal da inteligência artificial no país, prevê sanções administrativas que podem incluir multas de até 2% do faturamento bruto da pessoa jurídica, limitadas a R$ 50 milhões por infração, conforme as condições previstas no texto. A aplicação dessas regras depende do status legislativo e do regime jurídico vigente.
No cenário internacional, o regulamento europeu de inteligência artificial, conhecido como EU AI Act, e a norma ISO/IEC 42001, voltada a sistemas de gestão de inteligência artificial, também integram o conjunto de referências para empresas que precisam estruturar práticas de gestão de riscos e governança.
Tecnologia precisa estar conectada aos resultados do negócio
A adoção de inteligência artificial exige mais do que selecionar modelos, contratar plataformas ou desenvolver agentes automatizados. O retorno depende da combinação entre qualidade dos processos, integração de sistemas, disponibilidade de dados, definição de responsabilidades e acompanhamento dos resultados.
Para as empresas, isso significa estabelecer objetivos claros antes de iniciar um projeto, como reduzir o tempo de execução de uma atividade, diminuir erros, eliminar etapas redundantes ou melhorar a qualidade das decisões. A partir dessas metas, torna-se possível comparar o desempenho anterior e posterior à implementação.
A governança, por sua vez, deve fazer parte do planejamento desde o início, e não ser incorporada apenas quando surgem problemas. A definição antecipada de permissões, controles e critérios de supervisão ajuda a alinhar a autonomia da tecnologia às necessidades e aos limites da organização.
Na avaliação de Vellone, o desafio das empresas não está apenas em ampliar o uso de inteligência artificial, mas em identificar onde ela pode produzir valor real. Sem esse direcionamento, a automação corre o risco de apenas tornar mais rápidas atividades que deveriam ter sido repensadas antes de receber tecnologia.
Sobre o especialista
Renan Vellone é diretor de Operações de Projetos da Kumulus, com atuação em estratégia de dados e inteligência artificial e liderança de iniciativas de transformação digital. Especialista em engenharia e arquitetura de dados, trabalha no desenvolvimento de soluções em nuvem, modelos de linguagem de grande escala (LLMs) e sistemas multiagentes, conectando necessidades de negócio à implementação tecnológica.
