Resumo executivo:

Quando as empresas implementam modelos de IA de ponta, como o Claude ou o ChatGPT, o uso ativo semanal costuma estagnar em torno de 14%, limitando-se à reescrita básica de e-mails, enquanto o trabalho manual de alto atrito permanece intocado. Tratar a IA de ponta como uma aquisição tradicional de SaaS fracassa porque o valor não reside no modelo — ele reside na distância entre o modelo e o data interno da empresa, as permissões e os fluxos de trabalho diários. O valor é regido por uma aritmética simples: Valor = Modelo × Implantação × Camada. Sem superar essa distância, uma empresa não possui capacidade de IA; possui apenas uma assinatura.

Há alguns meses, um CIO me mostrou seu painel do Claude Enterprise. Dois mil usuários, implantados em seis semanas, login único por meio do provedor de identidade corporativo, uma política de uso aprovada pelo departamento jurídico e aceita por todos os funcionários no primeiro login. Em seguida, ele passou para a segunda aba. Usuários ativos semanais: 14%. A solicitação mais comum: “resuma este e-mail”. A segunda mais comum: “reescreva isso em um tom mais profissional”. Nenhuma conexão com o ERP, o armazém data ou os repositórios de documentos. Nenhum agente em produção. Três andares abaixo de nós, a equipe de contas a pagar estava abrindo os PDFs dos fornecedores, um por um, lendo o número da fatura, o valor e o centro de custo, e digitando-os manualmente no sistema financeiro — cerca de cem faturas por mês, o que representava aproximadamente um dia e meio do tempo de um funcionário.

Já não considero isso surpreendente. Atualmente, acredito que esse seja o resultado natural da forma como as empresas adquirem IA, e gostaria de ser franco quanto ao motivo.

Decidimos coletivamente tratar os modelos de fronteira como software: adquirir a licença, alocar as licenças, realizar um webinar e seguir em frente. Isso funcionou para o e-mail e para o CRM, porque o valor dessas ferramentas estava dentro da própria ferramenta — a caixa de entrada era o produto, a visualização do funil de vendas era o produto. O valor de um modelo de ponta não está dentro do modelo. Está na distância entre o modelo e o data, as permissões, os hábitos e os processos de uma empresa específica: se o modelo consegue visualizar as vendas do último trimestre por SKU, se ele sabe que “receita líquida” nessa empresa exclui gastos comerciais, se uma diretora de vendas já o utilizou alguma vez para responder a uma pergunta que ela realmente precisava esclarecer naquela semana. Ninguém na organização é remunerado para diminuir essa distância. A TI é responsável pelo tenant e mede o tempo de atividade. A área de negócios é responsável pelos casos de uso e não mede nada. O fornecedor é responsável pelo roteiro e mede o número de licenças. O espaço entre eles não pertence a ninguém, e é nesse espaço que reside o valor.

Minha convicção, após um ano visitando empresas no momento 14%, é que essa área constitui uma disciplina por si só. Não se trata de gestão de mudanças com apresentações melhores, nem de integração de sistemas com uma nova API. Trata-se de engenharia, data, segurança e trabalho de adoção realizados em conjunto, dentro da empresa do cliente, por pessoas que também fazem parte do roteiro do laboratório e que são responsáveis por um resultado, e não apenas por um produto final. Chamo isso de “camada de implantação”, e este artigo é meu argumento sobre por que ela é mais importante do que o próximo lançamento de modelo.

Por que a IA corporativa fica estagnada após a assinatura do contrato de licença

O padrão é o mesmo no setor bancário, no de bens de consumo, no imobiliário e no de telecomunicações, e se desenrola em uma sequência reconhecível. Um projeto-piloto é bem-sucedido: uma pequena equipe de marketing ou atendimento ao cliente, um patrocinador receptivo, um caso de uso claro, uma demonstração que faz com que a diretoria se incline para a frente. Um segundo projeto-piloto é bem-sucedido em outra área. A liderança aprova uma implantação em toda a empresa, frequentemente com uma meta como “IA para todos até o segundo trimestre”. A implantação ocorre. A adoção cresce por três semanas devido à novidade, estabiliza no nível de um mecanismo de busca aprimorado, e os agentes que deveriam dar continuidade à implantação permanecem em um slide intitulado “Fase 2”.”

As explicações habituais estão erradas. Não é que os funcionários resistam à mudança; aqueles com quem converso estão ansiosos para que a ferramenta funcione em seu trabalho real e frustrados por ela não conseguir reconhecer a planilha que estão visualizando. Não é que os modelos sejam imaturos; eles já eram capazes de fazer a maior parte disso há duas gerações, e a lacuna entre o que o Claude ou o GPT podem fazer e o que a organização exige deles só se ampliou desde então. E não se trata de falta de casos de uso. Cada workshop que conduzo produz oitenta deles em uma manhã, metade dos quais são variações de “pare de me obrigar a digitar isso de novo”.”

O sistema fica travado porque três perguntas não têm responsável:

  • O que o modelo sabe sobre nós? Quais sistemas ele consegue acessar — o armazém, os repositórios de documentos, o sistema de emissão de bilhetes, a plataforma de RH? Sob quais permissões ele os acessa: as da conta de serviço ou as da pessoa que está solicitando? E, quando ele fornece um número, é possível rastreá-lo até a tabela ou o documento de onde ele se originou?
  • Quem é o responsável pela implementação em cada departamento? Não se trata de contagem de licenças — mas sim do hábito, nas manhãs de segunda-feira, de utilizar a ferramenta em tarefas reais nas áreas de Vendas, Finanças, Jurídico e Operações, cada uma com diferentes data, vocabulário distinto e uma definição diferente do que é “útil”.”
  • Quem desenvolve os agentes e quem se encarrega de sua manutenção quando os consultores se retiram? Uma lista de tarefas pendentes de TI que já acumula dezoito meses, um prestador de serviços externo sob contrato de tempo e materiais, ou pessoas que atuam na área de negócios e compreendem o processo que estão automatizando?

Ainda não vi nenhum programa ter sucesso em que essas questões tenham sido respondidas por um comitê diretor. Elas são respondidas pelas pessoas que realizam o trabalho, no local, e que têm autoridade para decidir.

A aritmética do valor da IA

A conta à qual sempre volto é simples: Valor = Modelo × Implantação × Camada

O modelo representa um número muito grande. Multiplique-o por zero e o resultado será zero. Cada lançamento dos laboratórios torna o primeiro fator maior e o segundo fator mais decisivo.

E aqui está a parte incômoda para quem espera resolver tudo com dinheiro: a camada de implantação não pode ser adquirida como software. Os laboratórios vendem o modelo e a plataforma, e fazem bem em se limitar a isso. O contexto, as permissões, os hábitos em nível departamental e os primeiros agentes são específicos ao data e à política de cada empresa — qual sistema é a fonte de verdade para um cliente, quem tem permissão para ver a margem por produto, como a equipe financeira realmente fecha o mês. Isso precisa ser desenvolvido internamente, por pessoas que compreendam tanto o roteiro do modelo quanto os sistemas do cliente. Não há atalho, e desconfio de qualquer pessoa que afirme o contrário.

⏭️ A seguir, na Parte 2 – O plano: Implantar, consolidar, adotar, desenvolver

Se a camada de implantação não puder ser adquirida como software pronto para uso, de que ela é composta? Em Parte 2, detalhamos os quatro componentes concretos que transformam um modelo genérico em um colega interno — Implantação, Consolidação, Adoção, Desenvolvimento — e examinamos como o grupo de produtos para os cabelos Bora Brasil resolveu a clássica dúvida de vendas da manhã de segunda-feira ao integrar Claude ao sistema data da empresa em tempo real.