{"id":1408775,"date":"2026-11-18T21:32:37","date_gmt":"2026-11-18T21:32:37","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=1408775"},"modified":"2026-11-18T21:33:55","modified_gmt":"2026-11-18T21:33:55","slug":"por-que-os-projetos-de-ia-estagnam-e-como-construir-uma-organizacao-que-integre-a-ia-de-forma-nativa","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/br\/blog\/why-ai-pilots-stall-and-how-to-build-an-ai-native-organization\/","title":{"rendered":"Por que os projetos de IA ficam estagnados e como construir uma organiza\u00e7\u00e3o nativa em IA?"},"content":{"rendered":"<div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container has-pattern-background has-mask-background nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-blend:overlay;--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1\"><h2>Introdu\u00e7\u00e3o<\/h2>\n<p><a href=\"https:\/\/www.linkedin.com\/in\/victor-coimbra-999a02a0\/\" target=\"_blank\" rel=\"noopener noreferrer\">Victor Coimbra<\/a> \u00e9 Diretor de Tecnologia (CTO) e Managing Partner da Artefact, onde lidera trabalhos nas \u00e1reas de IA, ci\u00eancia de dados e engenharia nas Am\u00e9ricas. Sua carreira combina experi\u00eancia em estrat\u00e9gia de neg\u00f3cios na Bain e na Accenture com lideran\u00e7a pr\u00e1tica na implanta\u00e7\u00e3o de sistemas de IA e aprendizado de m\u00e1quina em ambientes corporativos complexos. Ele se dedica a ajudar as organiza\u00e7\u00f5es a conectar capacidades t\u00e9cnicas a resultados comerciais mensur\u00e1veis, incluindo a arquitetura, a governan\u00e7a e os modelos operacionais necess\u00e1rios para escalar a IA.<\/p>\n<p><a href=\"https:\/\/www.artefact.com\/br\/\" target=\"_blank\" rel=\"noopener noreferrer\">A Artefact<\/a> \u00e9 uma empresa global de consultoria em data e IA que auxilia empresas a desenvolver estrat\u00e9gias, criar data platforms, implementar solu\u00e7\u00f5es de IA e gerenciar mudan\u00e7as organizacionais. Seu trabalho abrange setores como servi\u00e7os financeiros, sa\u00fade, manufatura e varejo. Antes de seu <a href=\"https:\/\/adoptai.artefact.com\/\" target=\"_blank\" rel=\"noopener noreferrer\">Adopt AI Summit<\/a>, que ocorrer\u00e1 nos dias 3 e 4 de dezembro de 2026, no Grand Palais, em Paris, Coimbra discute como as empresas podem ir al\u00e9m dos projetos-piloto, formar equipes que combinem pessoas e agentes de IA e avaliar o valor da IA na produ\u00e7\u00e3o.<\/p>\n<h3><strong>Sua carreira o levou da \u00e1rea de estrat\u00e9gia de neg\u00f3cios na Accenture \u00e0 lideran\u00e7a de equipes de IA, ci\u00eancia de dados e engenharia na Artefact em todas as Am\u00e9ricas.<br \/>\nDe que forma essa combina\u00e7\u00e3o de consultoria estrat\u00e9gica e lideran\u00e7a t\u00e9cnica pr\u00e1tica moldou sua abordagem para ajudar as empresas a transformar investimentos em IA em resultados comerciais mensur\u00e1veis?<\/strong><\/h3>\n<p>Isso me ensinou a sempre vincular a estrat\u00e9gia de IA \u00e0 execu\u00e7\u00e3o. A experi\u00eancia em estrat\u00e9gia na Bain e na Accenture me mostrou que os executivos investem em uma mudan\u00e7a em uma linha do balan\u00e7o de resultados. A engenharia me ensinou que grande parte desse valor pode se perder entre o slide e a produ\u00e7\u00e3o.<\/p>\n<p>Hoje, a IA tem menos a ver com tecnologia e mais com a cria\u00e7\u00e3o de uma vantagem competitiva em torno de suas principais opera\u00e7\u00f5es comerciais. A quest\u00e3o fundamental \u00e9 como transformar a produtividade individual em valor coletivo para a empresa, por meio de uma verdadeira capacidade cognitiva compartilhada em toda a organiza\u00e7\u00e3o.<\/p>\n<p>Isso exige uma combina\u00e7\u00e3o de estrat\u00e9gia e execu\u00e7\u00e3o, e foi algo com o qual aprendi muito ao me dedicar a ambas as \u00e1reas.<\/p>\n<h3><strong>Apesar dos investimentos significativos em artificial intelligence, muitas organiza\u00e7\u00f5es ainda enfrentam dificuldades para ir al\u00e9m de projetos-piloto bem-sucedidos.<br \/>\nCom base na sua experi\u00eancia, quais s\u00e3o os obst\u00e1culos mais comuns que impedem que as iniciativas de IA nas empresas cheguem \u00e0 fase de produ\u00e7\u00e3o, e o que distingue as empresas que conseguem ampliar com sucesso suas implanta\u00e7\u00f5es?<\/strong><\/h3>\n<p>Pela minha experi\u00eancia, muitos projetos fracassam porque a IA \u00e9 incorporada a uma organiza\u00e7\u00e3o que foi projetada exclusivamente para seres humanos. A tecnologia geralmente funciona. O que muitas vezes ainda permanece em aberto \u00e9 a divis\u00e3o de tarefas: quais tarefas cabem aos agentes, quais permanecem a cargo dos seres humanos, quem faz a revis\u00e3o e a quem cabe a responsabilidade pelo resultado.<\/p>\n<p>Al\u00e9m disso, tr\u00eas fatores tendem a retardar a expans\u00e3o: os custos dos tokens, que disparam com a tarifa\u00e7\u00e3o baseada no uso; a seguran\u00e7a e a governan\u00e7a; e a ado\u00e7\u00e3o, que nunca transforma o acesso em uso efetivo.<\/p>\n<p>As empresas que vejo crescendo bem tratam a IA como uma reformula\u00e7\u00e3o organizacional. Elas dividem o processo de entrega em dois ciclos. No ciclo interno, os agentes executam todo o processo de ponta a ponta: codifica\u00e7\u00e3o, compila\u00e7\u00e3o, teste, implanta\u00e7\u00e3o e revis\u00e3o. No ciclo externo, os seres humanos definem a inten\u00e7\u00e3o, verificam o resultado e monitoram o custo e a qualidade. Em seguida, desenvolvem uma plataforma subjacente e a reutilizam para todos os casos de uso.<\/p>\n<h3><strong>O senhor escreveu sobre a import\u00e2ncia de construir uma organiza\u00e7\u00e3o nativa em IA, em vez de simplesmente adicionar chatbots e copilotos aos sistemas existentes. Que mudan\u00e7as fundamentais na arquitetura tecnol\u00f3gica empresarial s\u00e3o necess\u00e1rias para apoiar essa transi\u00e7\u00e3o, e em que \u00e1reas as empresas est\u00e3o investindo menos atualmente?<\/strong><\/h3>\n<p>Uma empresa nativa de IA opera em uma plataforma, e essa plataforma \u00e9 a soma de quatro camadas: Harness, Contexto, Modelo e Infraestrutura. O Harness \u00e9 onde humanos e agentes se encontram e trabalham, constituindo a aplica\u00e7\u00e3o completa em torno do modelo. O Context define o que os agentes sabem e quais s\u00e3o suas atribui\u00e7\u00f5es. O Model refere-se \u00e0 forma como os modelos s\u00e3o acessados, direcionados e gerenciados ao custo adequado. A Infra \u00e9 onde eles s\u00e3o efetivamente executados e quem det\u00e9m o controle.<\/p>\n<p>Naturalmente, a maior parte da aten\u00e7\u00e3o se concentra nos 20% vis\u00edveis: copilotos e ferramentas de bate-papo. Os 80% ocultos s\u00e3o onde reside a maior parte do trabalho de engenharia e onde se decidem quest\u00f5es como custo, seguran\u00e7a e controle.<\/p>\n<p>Minha sugest\u00e3o \u00e9 simples. Adquira conjuntos de ferramentas generalistas e desenvolva os espec\u00edficos para cada setor. Alugue e fa\u00e7a testes com modelos e infraestrutura, pois eles mudam a cada trimestre. E domine totalmente o seu contexto. Essa \u00e9 a camada que \u00e9 verdadeiramente sua, e onde vejo a maior oportunidade para investir mais.<\/p>\n<h3><strong>\u00c0 medida que a IA evolui, passando de um papel de assist\u00eancia aos funcion\u00e1rios para a execu\u00e7\u00e3o aut\u00f4noma de fluxos de trabalho complexos, como as organiza\u00e7\u00f5es devem determinar quais processos s\u00e3o adequados para a automa\u00e7\u00e3o aut\u00f4noma? Que medidas de seguran\u00e7a t\u00e9cnicas e operacionais devem ser estabelecidas antes de conceder aos agentes de IA maior autoridade na tomada de decis\u00f5es?<\/strong><\/h3>\n<p>Na minha opini\u00e3o, os agentes s\u00e3o muito bons em tarefas que se voltam para o passado, enquanto os seres humanos se destacam em tarefas que se voltam para o futuro. Os agentes se destacam em tudo o que se baseia em informa\u00e7\u00f5es existentes, como an\u00e1lises, programa\u00e7\u00e3o, testes, documenta\u00e7\u00e3o e reconcilia\u00e7\u00e3o. Os seres humanos s\u00e3o respons\u00e1veis pelo que exige criatividade, e a criatividade, por defini\u00e7\u00e3o, est\u00e1 voltada para o futuro: bom gosto, vis\u00e3o, planejamento, tomada de decis\u00f5es e avalia\u00e7\u00e3o se um resultado \u00e9 realmente bom.<\/p>\n<p>Na pr\u00e1tica, isso corresponde aos dois ciclos. Os agentes controlam o ciclo interno e executam as tarefas. Os seres humanos ficam respons\u00e1veis pelo ciclo externo: inten\u00e7\u00e3o, verifica\u00e7\u00e3o e monitoramento.<\/p>\n<p>As salvaguardas s\u00e3o projetadas, n\u00e3o acionadas. Utilizamos seis camadas de prote\u00e7\u00e3o: captura de tarefas, mem\u00f3ria, um ambiente de trabalho seguro com tempo de execu\u00e7\u00e3o em sandbox e permiss\u00f5es, um ciclo com pontos de verifica\u00e7\u00e3o e esclarecimentos, roteamento de modelos e barreiras de prote\u00e7\u00e3o que definem o que um agente n\u00e3o pode fazer sozinho, como aprova\u00e7\u00f5es humanas, verifica\u00e7\u00f5es de pol\u00edticas e controles de informa\u00e7\u00f5es de identifica\u00e7\u00e3o pessoal (PII). A autonomia, ent\u00e3o, cresce com o hist\u00f3rico de desempenho, da mesma forma que ocorre com um novo funcion\u00e1rio.<\/p>\n<h3><strong>O senhor descreveu os agentes de IA como colegas de equipe, em vez de ferramentas de software convencionais. De que forma essa perspectiva altera a maneira como as organiza\u00e7\u00f5es devem estruturar equipes, atribuir responsabilidades e treinar funcion\u00e1rios para colaborar com sistemas de IA cada vez mais aut\u00f4nomos?<\/strong><\/h3>\n<p>J\u00e1 estamos na organiza\u00e7\u00e3o h\u00edbrida. A quest\u00e3o que considero mais importante neste momento \u00e9 como dividir a for\u00e7a de trabalho entre seres humanos e agentes. Acredito que essa seja a chave para a expans\u00e3o.<\/p>\n<p>Em uma equipe h\u00edbrida, o organograma aloca capacidade cognitiva, e n\u00e3o o n\u00famero de funcion\u00e1rios. Uma divis\u00e3o t\u00edpica que observo em uma equipe de tecnologia madura \u00e9 de 15% de trabalho realizado exclusivamente por humanos, 25% de trabalho auxiliado e 60% realizado por agentes. O chefe de TI define os objetivos, aloca a capacidade e \u00e9 respons\u00e1vel pelos resultados e pelos custos. Um desenvolvedor s\u00eanior verifica as entregas dos agentes e decide pela arquitetura. Um agente orquestrador encaminha as tarefas e reports os custos, enquanto um agente de revis\u00e3o verifica todas as entregas.<\/p>\n<p>Os ganhos se acumulam em tr\u00eas etapas. Os funcion\u00e1rios aprimorados geram um rendimento cerca de 5 vezes maior. Os agentes, na qualidade de funcion\u00e1rios sint\u00e9ticos que realizam tarefas de ponta a ponta, geram um rendimento cerca de 10 vezes maior. \u00c9 na coordena\u00e7\u00e3o de ambos como uma \u00fanica for\u00e7a de trabalho que, em minha opini\u00e3o, reside o potencial de 1.000 vezes maior.<\/p>\n<p>A forma\u00e7\u00e3o segue a mesma l\u00f3gica. As pessoas aprendem a orientar um agente como se fosse um engenheiro j\u00fanior, com um contexto estruturado e resultados claros, e a dedicar seu tempo ao bom gosto, ao planejamento e \u00e0s decis\u00f5es.<\/p>\n<h3><strong>Os sistemas de IA corporativos dependem fortemente de uma infraestrutura confi\u00e1vel de data, mas muitas organiza\u00e7\u00f5es continuam enfrentando dificuldades com data fragmentados, governan\u00e7a inconsistente e tecnologia legada. Quais recursos fundamentais as empresas devem priorizar ao preparar suas data platforms para a IA aut\u00f4noma, e como podem se modernizar sem interromper as opera\u00e7\u00f5es existentes?<\/strong><\/h3>\n<p>Projete sua data platform para um novo tipo de consumidor: os agentes. Um painel com um n\u00famero incorreto \u00e9 questionado por um ser humano. Um agente que identifica um n\u00famero incorreto toma as medidas necess\u00e1rias, em grande escala.<\/p>\n<p>Priorize quatro recursos. Defini\u00e7\u00f5es comerciais compartilhadas, para que todos os agentes e equipes entendam o mesmo significado por \u201ccliente ativo\u201d. Um gateway de integra\u00e7\u00e3o com autentica\u00e7\u00e3o e protocolos padr\u00e3o, como o MCP, para que os agentes acessem data com as permiss\u00f5es da fun\u00e7\u00e3o que desempenham. Qualidade e linhagem observ\u00e1veis. E data n\u00e3o estruturados tratados como um ativo de primeira classe, pois contratos, tickets e notas de reuni\u00f5es cont\u00eam a maior parte do conhecimento real.<\/p>\n<p>Para modernizar sem interrup\u00e7\u00f5es, comece por encapsular os sistemas legados e migre caso a caso. Os agentes tamb\u00e9m alteram a din\u00e2mica econ\u00f4mica nesse contexto. Atualmente, os fluxos de trabalho de migra\u00e7\u00e3o com m\u00faltiplos agentes modernizam centenas de milhares de linhas de c\u00f3digo legado em poucos meses, sendo que os seres humanos s\u00e3o os respons\u00e1veis por definir a arquitetura.<\/p>\n<h3><strong>Al\u00e9m do acesso a data estruturados, os agentes de IA exigem, cada vez mais, uma compreens\u00e3o do conhecimento institucional, dos processos de neg\u00f3cios e do contexto organizacional. Como as empresas podem capturar e integrar efetivamente esse conhecimento em seus sistemas de IA, e quais riscos surgem quando os agentes operam sem um contexto de neg\u00f3cios suficiente?<\/strong><\/h3>\n<p>\u00c9 o contexto que transforma um modelo em um colega. As ferramentas compreendem as tarefas; os agentes compreendem o contexto. O senhor n\u00e3o pede a um engenheiro j\u00fanior que trabalhe sem explicar o objetivo, as restri\u00e7\u00f5es e o que se considera um bom resultado, e o mesmo se aplica a um agente.<\/p>\n<p>Capture o conhecimento a partir do pr\u00f3prio trabalho, em vez de grandes projetos de documenta\u00e7\u00e3o que s\u00e3o dif\u00edceis de manter atualizados. Cada reuni\u00e3o, ticket, decis\u00e3o e corre\u00e7\u00e3o alimenta uma camada de contexto que combina arquivos, tabelas, vetores e um gr\u00e1fico de rela\u00e7\u00f5es. Cada tarefa conclu\u00edda \u00e9 registrada na mem\u00f3ria, de modo que a organiza\u00e7\u00e3o aprende a cada entrega. E o contexto requer sua pr\u00f3pria governan\u00e7a: avalia\u00e7\u00f5es, permiss\u00f5es e controle de custos.<\/p>\n<p>Sem contexto, os agentes tendem a enfrentar dificuldades de algumas maneiras previs\u00edveis. Eles seguem a regra escrita e ignoram a regra n\u00e3o escrita que todos conhecem. Eles recuperam as informa\u00e7\u00f5es erradas e respondem com total confian\u00e7a. Eles se baseiam em dados do \u00faltimo trimestre. E uma camada de contexto sem permiss\u00f5es rigorosas pode colocar data confidenciais em risco.<\/p>\n<h3><strong>Muitas empresas medem o sucesso da IA por meio de melhorias na produtividade, taxas de ado\u00e7\u00e3o ou do n\u00famero de projetos-piloto lan\u00e7ados. Quais m\u00e9tricas os CIOs e l\u00edderes empresariais devem utilizar para avaliar o retorno sobre o investimento real em IA, especialmente ao levar em conta os custos de infraestrutura, a manuten\u00e7\u00e3o cont\u00ednua e a complexidade operacional dos agentes aut\u00f4nomos?<\/strong><\/h3>\n<p>Avalie a for\u00e7a de trabalho h\u00edbrida, n\u00e3o a ferramenta. A ado\u00e7\u00e3o \u00e9 apenas o primeiro de quatro n\u00edveis, sempre em compara\u00e7\u00e3o com uma linha de base estabelecida antes da implementa\u00e7\u00e3o. A ado\u00e7\u00e3o avalia se as pessoas utilizam a ferramenta. A produtividade avalia se entregamos mais rapidamente: tempo de execu\u00e7\u00e3o, rendimento, tempo de resolu\u00e7\u00e3o. A qualidade avalia se o resultado \u00e9 melhor: defeitos n\u00e3o detectados, taxa de falha nas altera\u00e7\u00f5es, retrabalho. Valor e custo avaliam se vale a pena: esfor\u00e7o economizado, tempo de lan\u00e7amento no mercado, custo total por tarefa.<\/p>\n<p>Um indicador que \u00e9 f\u00e1cil deixar passar despercebido \u00e9 a forma como a capacidade cognitiva se distribui entre humanos e agentes, equipe por equipe. A capacidade humana liberada precisa ser redirecionada, de forma intencional, para tarefas voltadas para o futuro. Caso contr\u00e1rio, parte do ganho se perde.<\/p>\n<p>No que diz respeito aos custos, a defini\u00e7\u00e3o de pre\u00e7os est\u00e1 mudando de taxas fixas para um modelo baseado no uso, o que pode tornar as faturas mais dif\u00edceis de prever; portanto, o roteamento de modelos e o FinOps devem fazer parte da plataforma desde o primeiro dia. Trate os gastos com IA como cloud: vis\u00edveis, atribu\u00eddos a uma equipe e vinculados ao valor.<\/p>\n<h3><strong>A Artefact atua com empresas dos setores de servi\u00e7os financeiros, sa\u00fade, manufatura, varejo e outros, nos quais a ado\u00e7\u00e3o da IA apresenta diferentes desafios. Que li\u00e7\u00f5es est\u00e3o surgindo das implanta\u00e7\u00f5es reais nesses setores, e como as organiza\u00e7\u00f5es devem equilibrar a inova\u00e7\u00e3o com a conformidade regulat\u00f3ria, a confiabilidade e a supervis\u00e3o humana?<\/strong><\/h3>\n<p>Todos os setores enfrentam a mesma quest\u00e3o: como dividir o trabalho entre seres humanos e agentes. O que muda \u00e9 a propor\u00e7\u00e3o do ciclo externo que deve permanecer a cargo dos seres humanos. No varejo e no setor de bens de consumo, os erros t\u00eam um custo baixo, de modo que os agentes assumem uma parcela maior do trabalho com mais rapidez. Na ind\u00fastria, a confiabilidade e a integra\u00e7\u00e3o com os sistemas operacionais determinam o ritmo. Nos servi\u00e7os financeiros e na \u00e1rea da sa\u00fade, todas as decis\u00f5es devem ser explic\u00e1veis; por isso, os seres humanos mant\u00eam uma parcela maior das tarefas de verifica\u00e7\u00e3o e tomada de decis\u00e3o por mais tempo.<\/p>\n<p>A li\u00e7\u00e3o que vejo em todos os lugares \u00e9 que a conformidade funciona melhor quando \u00e9 uma caracter\u00edstica da plataforma, incorporada desde o in\u00edcio. Quando as medidas de prote\u00e7\u00e3o, os registros de auditoria e as aprova\u00e7\u00f5es humanas fazem parte da estrutura, cada novo caso de uso as herda. Quando a conformidade surge apenas no final, cada novo projeto precisa reiniciar essa discuss\u00e3o.<\/p>\n<p>A supervis\u00e3o deve ser escalonada. Os agentes atuam de forma aut\u00f4noma em tarefas de baixo risco, s\u00e3o avaliados apenas em casos excepcionais em tarefas de risco m\u00e9dio e apenas tomam a decis\u00e3o em tarefas de alto risco. Os n\u00edveis s\u00e3o ajustados \u00e0 medida que a confian\u00e7a \u00e9 conquistada.<\/p>\n<h3><strong>Com a realiza\u00e7\u00e3o da C\u00fapula Adopt AI da Artefact, que ocorrer\u00e1 em Paris neste m\u00eas de dezembro, os debates sobre soberania em IA, governan\u00e7a e competitividade industrial est\u00e3o se tornando cada vez mais importantes. Como o senhor avalia a influ\u00eancia da abordagem europeia \u00e0 ado\u00e7\u00e3o da IA nas estrat\u00e9gias empresariais globais, e quais desenvolvimentos o senhor acredita que definir\u00e3o a pr\u00f3xima fase da IA empresarial nos pr\u00f3ximos anos?<\/strong><\/h3>\n<p>A Europa foi uma das primeiras a levantar a quest\u00e3o da soberania, e acredito que isso esteja se tornando um princ\u00edpio de projeto global. As multinacionais n\u00e3o desejam uma arquitetura diferente para cada regulamenta\u00e7\u00e3o; por isso, projetam com base na mais rigorosa: possuir seu pr\u00f3prio contexto, alugar seus modelos e manter o controle sobre onde eles s\u00e3o executados e quem det\u00e9m as chaves. A pr\u00f3xima oportunidade para a Europa \u00e9 dedicar a mesma energia \u00e0 ado\u00e7\u00e3o, pois a competitividade decorrer\u00e1 do uso em escala.<\/p>\n<p>A pr\u00f3xima fase \u00e9 a organiza\u00e7\u00e3o h\u00edbrida, e acredito que esse seja o futuro do trabalho. As empresas passar\u00e3o de contar o n\u00famero de funcion\u00e1rios para gerenciar uma capacidade cognitiva compartilhada entre seres humanos e agentes. Os agentes assumir\u00e3o a maior parte do trabalho voltado para o passado: an\u00e1lise, programa\u00e7\u00e3o e elabora\u00e7\u00e3o de relat\u00f3rios. Os seres humanos passar\u00e3o a se dedicar ao trabalho voltado para o futuro: bom gosto, vis\u00e3o, planejamento e tomadas de decis\u00e3o.<\/p>\n<p>Acredito que as empresas que resolverem primeiro a quest\u00e3o da divis\u00e3o do trabalho ser\u00e3o as pioneiras. \u00c9 essa a discuss\u00e3o que desejo ter em Paris para definir os pr\u00f3ximos anos.<\/p>\n<p>Obrigado <a href=\"https:\/\/www.unite.ai\/author\/antoine-tardif\/\" rel=\"author noopener\" target=\"_blank\">Antoine Tardif, CEO e fundador da Unite.AI<\/a> Para conhecer esta entrevista detalhada, voc\u00ea pode ler mais sobre a Unite.AI aqui: https:\/\/www.unite.ai\/victor-coimbra-cto-and-managing-partner-at-artefact-interview-series\/<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>A maioria dos projetos-piloto de IA nas empresas fica estagnada porque as empresas simplesmente incorporam novas tecnologias a organiza\u00e7\u00f5es criadas exclusivamente para seres humanos. Nesta entrevista, Victor Coimbra, diretor de tecnologia (CTO) da Artefact, explica como redesenhar equipes em torno de uma for\u00e7a de trabalho h\u00edbrida, por que as empresas devem manter o controle sobre seu contexto institucional ao adotar modelos de terceiriza\u00e7\u00e3o e como distribuir o trabalho entre agentes aut\u00f4nomos e a criatividade humana.<\/p>","protected":false},"featured_media":1407091,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1408775","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog\/1408775","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/types\/blog"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media?parent=1408775"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-category?post=1408775"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-language?post=1408775"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}