*Por Fabiano Nagamatsu, CEO da Osten Moove
Quando processos ficam lentos, as decisões não usam dados, os custos sobem e falta visão estratégica, a reação padrão é “comprar ferramentas”. Mas tecnologia sem estratégia é só gasto e, no caso de IA, isso vale em dobro. O salto competitivo vem de ir além da automação, ou seja, redesenhar processos fim a fim, integrar legados, e colocar decisão inteligente (data + modelos + governança) dentro do fluxo operacional, não apenas em pilotos isolados.
Empresas no mundo inteiro avançaram em IA. Em 2024, 65% relatavam uso regular de IA generativa; em 2025, o índice chegou a 71%, indicando normalização da tecnologia em funções de negócio. (McKinsey & Company)
Nos cortes por porte, 42% das organizações “enterprise” já implantaram IA, com outros 40% explorando ativamente — um retrato de escala e de projetos saindo do laboratório. (IBM Newsroom, Mediaroom) No investimento, a IDC projeta US$ 227 bilhões em gastos com IA em 2025, sendo 67% embutidos em produtos e processos centrais; para GenAI, o gasto deve atingir US$ 202 bilhões até 2028. (my.idc.com).
Na América Latina e, em particular, no Brasil, a adoção acelera: 37% das empresas declaram estar implementando GenAI e 45% explorando; pesquisas locais indicam intenção de aumentar investimentos em IA em 2025 e crescente preferência por código aberto. (IBM Brasil Newsroom, IT Forum).
Por outro lado, diagnósticos nacionais (TIC Empresas 2024) mostram um gap de maturidade: a maioria ainda compra “soluções de prateleira” e terceiriza a gestão de IA, com barreiras de dados, talento e integração. (cgi.br, cetic.br).
Por que tanta empresa investe… e pouco muda?
Duas travas explicam boa parte do “vai-não-vai”. A primeira é a fragmentação, ou “AI sprawl”, quando departamentos adotam ferramentas isoladas que acabam criando sobreposição, aumento de custos e lacunas de governança. Sem interoperabilidade e um plano único, o valor se dilui, como aponta o TechRadar. A segunda é a combinação de legados e dados: arquiteturas antigas e informações dispersas travam a escala, o que impulsiona a pressão por modernização. O mercado de “legacy modernization” cresce justamente para destravar a integração, aumentar a segurança e permitir que a IA escale, segundo a Mordor Intelligence.
O resultado é que muitos pilotos promissores não chegam a “aterrissar” no processo real. Diversas pesquisas executivas, como a da Deloitte, convergem para a mesma conclusão: o valor sustentável aparece quando a IA está costurada ao processo e à decisão, e não tratada como um simples acessório.
Desse modo, fica claro que Ir além da automação significa combinar automação, dados, modelos e governança em um ciclo fechado, no qual o processo capta sinais, recomenda ou toma decisões, executa, aprende com o resultado e melhora continuamente o modelo.
Nesse contexto, a inteligência de processos, conhecida como process mining ou process intelligence, desempenha papel fundamental ao mapear gargalos, medir a situação atual e priorizar casos de uso com alto retorno sobre o investimento. Esse mercado, que cresceu mais de 30% em 2024, já figura entre os quadrantes avaliados por instituições como Gartner e Forrester.
Outro elemento essencial é o Decision Intelligence, que “engenheirar” a tomada de decisão, unindo dados, regras, modelos e feedback para padronizar a forma como a empresa decide. De acordo com pesquisa da Gartner com CDOs, um terço das organizações já implementa essa abordagem. Por fim, a automação inteligente, ou IPA, quando conectada diretamente ao negócio, potencializa ganhos operacionais e estratégicos.
Além disso, a IDC projeta que o mercado de software de automação inteligente atinja US$ 102,4 bilhões até 2028, com uma taxa média de crescimento anual de 24,3%.
“Tecnologia sem estratégia é só gasto”: um roteiro pragmático
Quando se fala em adoção de tecnologias emergentes, como a inteligência artificial e a automação avançada, um dos erros mais comuns é investir pesado em ferramentas sem um direcionamento estratégico claro. O primeiro passo é estabelecer uma tese de valor antes de escolher a ferramenta. Isso significa definir de três a cinco hipóteses de impacto traduzidas em métricas operacionais, como lead time, NPS, DSO, acurácia de previsão ou custo por contato.
Experiências de mercado mostram que líderes que focam poucos casos de alto impacto conseguem escalar valor mais rapidamente. Na sequência, é fundamental realizar a descoberta e priorização com base em dados reais do processo.
Técnicas como process mining, aplicadas a duas ou três jornadas críticas, por exemplo, do pedido ao caixa, gestão de sinistros ou suporte, ajudam a medir variações, identificar retrabalho e causas raiz, além de simular ganhos para priorizar áreas com maior potencial e energia organizacional.
Em seguida, os dados e a integração precisam vir primeiro, mesmo quando há sistemas legados. Construir um data backbone simples e incremental, com camadas de confiabilidade, catálogo, linhagem e APIs ou eventos, é essencial.
A modernização de legados pode ser feita por meio do “estrangulamento”, encapsulando-os via API e migrando por domínio, reduzindo riscos e interrupções. Essa prática acompanha uma tendência de mercado que reforça a urgência da modernização para escalar a IA.
Outro ponto decisivo é a operacionalização e a governança. Isso envolve padronizar práticas de MLOps ou LLMOps, incluindo versionamento, avaliação e monitoramento de viés e performance, além de uma governança clara com papéis definidos, gestão de riscos e auditoria. A regulamentação europeia, com o AI Act, já impõe exigências específicas para sistemas de alto risco e modelos de base, criando um cenário que influencia multinacionais que atuam no Brasil.
Por fim, medir o ROI exige indicadores corretos. Nem sempre o retorno em IA se resume a cortes de custos; muitas vezes, os primeiros sinais de sucesso vêm de indicadores antecedentes, como acurácia, tempo de ciclo, taxa de automação e qualidade da decisão. Monitorar esses indicadores permite orientar o caminho para o payback e evita encerrar iniciativas promissoras antes de atingirem seu potencial.
Portanto, ir além da automação não é empilhar ferramentas, e sim orquestrar decisão inteligente sobre processos que importam — com IA que aprende com seus dados, integra com seus legados e toma decisões mais rápidas e melhores.
É estratégia antes de software, arquitetura antes de modinha, valor de negócio antes de “features”. Quem fizer isso agora entra no ciclo virtuoso de eficiência e escala; quem não fizer, corre o risco de ver a concorrência transformar pilotos em vantagem competitiva.
*Fabiano Nagamatsu é CEO da Osten Moove, empresa que faz parte da Osten Group, uma Aceleradora Venture Studio Capital focada no desenvolvimento de inovação e tecnologia. Conta com estratégias e planejamentos baseados no modelo de negócio de startups. – ostenmoove@nbpress.com.br.