Especialista alerta que falhas nos processos, informações inconsistentes e ausência de governança podem comprometer investimentos em IA nas empresas
A adoção da inteligência artificial no ambiente corporativo tem avançado, mas o sucesso dos projetos depende de uma etapa que antecede a escolha das ferramentas: a organização dos dados. Informações desatualizadas, sistemas que não se comunicam e processos mal estruturados podem limitar os benefícios da tecnologia e comprometer o retorno dos investimentos.
Reportagem publicada pela revista Exame destaca a importância da qualidade das informações e da governança de dados para o desenvolvimento de soluções de inteligência artificial. Segundo estimativas atribuídas à consultoria Gartner, 30% das provas de conceito (PoCs) com IA devem falhar, enquanto 60% dos projetos podem ser abandonados. O cenário reforça a necessidade de planejamento antes da implementação de novas tecnologias.
Para Beto Yunes, diretor de tecnologia (CTO) da Globalsys, um dos principais equívocos das empresas é iniciar projetos pela contratação de ferramentas, sem avaliar previamente a estrutura operacional e a confiabilidade dos dados disponíveis.
“Muitas começam pela ferramenta, quando deveriam começar pela base. A IA não corrige um processo mal desenhado nem resolve inconsistências nos dados. Pelo contrário, ela acelera e escala o que já existe, inclusive os problemas”, afirma.
O especialista defende que as organizações analisem inicialmente seus processos internos, identifiquem as informações necessárias e verifiquem se os sistemas utilizados conseguem compartilhar dados de maneira consistente. Esse diagnóstico ajuda a dimensionar a capacidade da empresa de incorporar soluções de inteligência artificial.
“Sempre digo que, se você consegue descrever o processo em uma folha, entregá-la a um estagiário e ele entende, o processo está pronto para receber IA. Caso contrário, a tecnologia só vai acelerar a confusão”, explica.
Integração de sistemas evita erros e melhora decisões
A comunicação entre plataformas de gestão empresarial (ERP), sistemas de relacionamento com clientes (CRM) e canais de atendimento é apontada como outro requisito para o uso eficiente da inteligência artificial.
Quando essas ferramentas funcionam isoladamente, informações sobre vendas, estoques e clientes podem apresentar divergências. Além de dificultar a gestão, essas inconsistências prejudicam análises automatizadas e decisões baseadas em dados.
“É a integração que transforma dados em decisões. Hoje é comum encontrar a mesma informação em versões diferentes no ERP, no CRM e nos canais de atendimento, sem que nenhuma delas seja a referência oficial. Quando os sistemas se comunicam, a empresa passa a ter uma única fonte de verdade e enxerga a operação de ponta a ponta”, destaca o CTO.
Na gestão de estoques, por exemplo, uma diferença entre a quantidade real de produtos e o número registrado no sistema pode provocar vendas de mercadorias indisponíveis, atrasos nas entregas e insatisfação dos consumidores.
Com a integração, movimentações de estoque, pedidos e informações de transporte podem ser atualizados automaticamente, permitindo maior controle das operações. No entanto, o executivo ressalta que conectar plataformas não resolve, por si só, problemas de qualidade das informações. Sem critérios de validação, os erros podem se espalhar entre os sistemas.
Governança e monitoramento reduzem riscos
Além da organização e integração dos dados, a implementação da inteligência artificial exige políticas de governança que estabeleçam responsabilidades, limites de acesso e mecanismos de acompanhamento dos resultados.
Segundo Yunes, três problemas aparecem com frequência nas empresas: falta de definição sobre quem pode utilizar determinadas informações, ausência de limites para a atuação de sistemas autônomos e dificuldade para medir os benefícios após a implantação das soluções.
“Sem responsáveis, indicadores e uma rotina de revisão, o ROI vira uma promessa que ninguém consegue comprovar”, alerta.
A governança também contribui para a proteção de informações sensíveis e para o cumprimento da Lei Geral de Proteção de Dados (LGPD), especialmente em projetos que envolvem dados pessoais de clientes e colaboradores.
Para reduzir riscos financeiros e operacionais, o especialista recomenda iniciar a adoção da inteligência artificial com projetos de menor escala, acompanhados por indicadores que permitam avaliar sua efetividade antes de expandir o uso da tecnologia.
“A tecnologia precisa ser vista como meio, não como fim. O caminho é começar com experimentos menores, que permitam medir resultados, ajustar e escalar o que funciona”, conclui.
