Executivos de tecnologia do Banco do Brasil, da Quod e da IBM debateram na segunda-feira (24/8) os limites entre a velocidade de adoção e o controle no uso corporativo de inteligência artificial. O painel "IA sob controle: governança para transformar potencial em resultado", promovido pela Logicalis durante a Febraban Tech, no Distrito Anhembi, em São Paulo, reuniu Giuliane Paulista, gerente executiva da Unidade de Inteligência Artificial e Analítica do Banco do Brasil; Marcelo Clara, diretor de TI, Cibersegurança e Produtos Digitais da Quod; e Fabrício Lira, diretor de Dados e IA da IBM. A mediação foi conduzida por Fabio Hashimoto, CTO da Logicalis, e contou com a presença de clientes, da imprensa especializada, como a DCD, e de colaboradores da Logicalis.

Ao abrir a conversa, Hashimoto pediu que os convidados explicassem o que entendiam por manter a IA "sob controle" e por que esse tema ganhou urgência nas empresas.

Giuliane Paulista, do Banco do Brasil, resumiu a ideia de controle a um tripé: a IA precisa gerar resultado para o negócio, ser justa e transparente com o cliente e, por fim, ser responsável perante a sociedade. Segundo ela, esse terceiro pilar só se sustenta quando a instituição deixa de tratar a IA apenas como tecnologia e passa a trabalhar, em paralelo, a estratégia, a capacitação e a governança de dados e de IA como fundações de uma mesma base. Sem essas frentes, afirmou, a IA tende a ficar desgovernada e a gerar prejuízos reputacionais.

Marcelo Clara, da Quod, contou que o primeiro movimento da empresa na jornada de IA não foi tecnológico, mas regulatório: a criação de uma política interna sobre o tratamento de dados sensíveis, ainda antes da onda de IA generativa, apoiada na Lei Geral de Proteção de Dados (LGPD), que já norteava a companhia desde a fundação. Com a chegada da IA generativa ao bolso dos funcionários, a preocupação da Quod passou a ser evitar o que ele chamou de "shadow AI", fenômeno que, segundo ele, repete o padrão do antigo "shadow IT", em que áreas de negócio contratavam ferramentas por conta própria e a TI só era chamada quando o problema já havia se tornado crítico.

Para conter esse risco, a Quod formalizou uma política corporativa de uso de IA generativa definindo, sobretudo, o que não pode ser feito, como subir dados sensíveis a ferramentas externas ou usar IA generativa para discutir estratégia, prática que, segundo Clara, já expôs empresas no mercado a vazamentos indiretos de informação competitiva. A avaliação de alternativas e de provas de conceito passou a ser centralizada no comitê de arquitetura de TI da companhia.

Fabrício Lira, da IBM, trouxe a perspectiva de uma companhia centenária que também atravessou, internamente, a transição de uma organização orientada a tarefas para uma orientada a processos e, mais recentemente, a jornadas, sequências de processos orquestrados. Para sustentar esse modelo, disse, a IBM estrutura sua abordagem em quatro pilares: inteligência (transformar dados em ativos), automação, visibilidade e controle e governança. Lira afirmou que governança de IA vai além de um exercício tradicional de GRC (governança, risco e compliance): exige entender quem produz a informação, quem opera os sistemas e quem consome ou gera novos dados a partir deles. Quando algum desses elementos é negligenciado, afirmou, a iniciativa de IA não escala.

Hashimoto citou uma pesquisa global da IBM, o "CIO Forum", realizada com cerca de 200 entrevistados no Brasil entre CIOs e gestores de tecnologia. Um dado chamou a atenção do executivo: mais da metade dos respondentes afirmou que a adoção de IA em suas empresas está avançando mais rápido do que deveria.

Giuliane Paulista associou essa percepção a uma pressão de mercado concreta: clientes que já usam IA em outros contextos passam a esperar o mesmo nível de experiência ao interagir com o banco, o que acelera a agenda de adoção e, quando essa aceleração não é acompanhada de governança, abre espaço para o mesmo fenômeno de shadow AI citado por Clara.

Para a executiva, o setor vive uma mudança de paradigma: a governança deixou de ser uma etapa final do desenvolvimento, quando a solução já está pronta para ser homologada, para se tornar parte do design desde o início, com definição prévia de curadoria de agentes, guardrails e métricas de monitoramento contínuo. Giuliane descreveu esse cenário como um risco duplo: se a governança não acompanha o ritmo de adoção, a empresa corre o risco de soluções desgovernadas, vazamentos de dados e respostas inadequadas dos sistemas de IA aos clientes; se, por outro lado, a governança trava novos casos de uso por excesso de cautela, a empresa perde competitividade frente a concorrentes que seguem adotando a tecnologia. Na visão dela, a ansiedade relatada pelos CIOs na pesquisa da IBM reflete justamente essa sensação de que a governança não está acompanhando a velocidade da adoção, e o desafio das lideranças é equalizar os dois ritmos.

Ferramentas sob monitoramento e licenciamento por perfil

Clara detalhou a estratégia de adoção da Quod, estruturada em três pilares: definição de políticas e de governança; adoção de ferramentas; e capacitação. No pilar de ferramentas, a empresa começou pela área de tecnologia, usando o Amazon Q para geração de software, expandiu o uso para o time de analytics, adotou o Microsoft 365 Copilot para toda a base de funcionários e, por fim, liberou o acesso a modelos da Anthropic, não de forma irrestrita, mas por meio de uma governança ativa que identifica quais usuários têm licença e monitora, mensalmente, o volume de uso por pessoa, incluindo número de prompts, interações e tokens consumidos.

Segundo Clara, a experiência da Quod mostrou que a mesma ferramenta de IA não entrega o mesmo valor para todos os perfis: um profissional sênior, que sabe formular bem o contexto de um pedido, extrai resultados muito superiores aos de um profissional júnior usando a mesma IA, e ferramentas como o Copilot tendem a agregar mais valor em fluxos ligados a Excel e PowerPoint do que em tarefas de programação mais complexas, para as quais o Amazon Q se mostrou mais adequado. Por isso, a Quod optou por avaliar cuidadosamente "quem" recebe acesso a "qual" ferramenta e "como" a usa, cancelando licenças ociosas para conter custos.

O uso de ferramentas de IA generativa na Quod também passou a ser condicionado à conclusão de um treinamento interno, batizado como curso "101", que aborda conceitos básicos como agentes, orquestração e boas práticas de prompt, além de uma metodologia de quatro etapas: delegar, descrever, avaliar (discernir) e dirigir, para orientar o uso responsável dos modelos.

Plataformas como base para escalar com contexto

Lira, da IBM, observou que os clientes mais bem-sucedidos na adoção de IA são os que se organizaram em plataformas de dados, de desenvolvimento e de construção de aplicações capazes de remover o que chamou de "inibidores" da escala: risco de segurança cibernética, falta de governança e ciclos de dados desconectados do contexto de negócio. Para o executivo, o contexto é um dos ativos mais valiosos dessas plataformas, e as empresas mais maduras conseguem combinar o papel de playground habilitador com o de orquestrador de capacidades.

Ele também citou a própria transformação interna da IBM como referência: sob desafio lançado pelo CEO global da companhia de se tornar a empresa mais produtiva do mundo, a IBM reorganizou processos históricos em jornadas ponta a ponta, como onboarding de RH e experiência de compras, o que elevou o NPS interno de recursos humanos de menos de 40 pontos para a casa dos 90, segundo Lira, sem redução de quadro, mas com realocação de pessoas para atividades de maior valor. Segundo o executivo, esse movimento gerou ganhos de eficiência equivalentes a 4,5 bilhões de dólares (23,4 bilhões de reais) em três anos e deu origem à própria linha de produtos Watson X, hoje comercializada pela IBM no mercado.

Sobre o papel da área de TI na adoção, Lira separou duas frentes de trabalho na IBM: uma voltada à eficiência interna, com IA generativa presente em áreas como RH, atendimento e finanças, inclusive em departamentos inicialmente céticos, como o jurídico; e outra voltada a produtos oferecidos ao mercado, estruturada sobre agentes especializados que combinam modelos de linguagem com componentes determinísticos, integrados a esteiras de DevOps e MLOps, justamente para reduzir o risco de alucinação em tarefas como avaliação e definição de políticas, nas quais uma resposta inconsistente entre execuções seria inaceitável.

Giuliane Paulista descreveu um modelo de governança "centralmente distribuído" no Banco do Brasil: todas as mais de 40 diretorias do banco têm acesso a ferramentas de IA e desenvolvem suas próprias soluções, dentro de diretrizes corporativas centrais. Atualmente, segundo ela, o banco mantém mais de 2.300 soluções analíticas em produção e mais de 100 soluções baseadas em IA. A executiva destacou que o BB foi o primeiro banco da América Latina a publicar, em seu site de relações com investidores, diretrizes de uso ético e responsável de IA no ano passado, e que a instituição lançou agora, durante a Febraban Tech, diretrizes específicas para o uso de agentes de IA, uma iniciativa pioneira globalmente no setor.

Capacitação, embaixadores e adoção voluntária

Para lidar com a insegurança dos funcionários diante de uma tecnologia nova, o Banco do Brasil criou a Academia BB, um programa de capacitação em IA generativa e agêntica que, segundo Giuliane, já reúne mais de 36 mil funcionários voluntários, organizados em ciclos que vão da sensibilização básica ao desenvolvimento de casos de uso alinhados ao negócio. Mais de 60% desse público, afirmou a executiva, é composto por funcionários da linha de frente em agências, e não por times de tecnologia ou áreas estratégicas. Segundo ela, o programa contribuiu para triplicar o número de assistentes de IA criados internamente pelos próprios funcionários e para um crescimento de 30% no uso de IA no banco.

Marcelo Clara relatou uma jornada semelhante na Quod, que também criou um comitê de IA multidisciplinar, com participação de áreas como TI e marketing, para debater políticas de uso e o impacto da tecnologia no emprego. A empresa identificou que regras claras não eram suficientes: faltava incentivo para que as pessoas trouxessem ideias de uso. Isso levou à criação de um programa voluntário de "embaixadores de IA", colaboradores que se capacitam para apoiar colegas no uso cotidiano das ferramentas corporativas e evoluem até se tornarem responsáveis por projetos mais estruturantes em suas áreas. Segundo Clara, o programa elevou tanto a frequência de uso das plataformas corporativas quanto o número de casos de uso gerados a partir delas.

Fabrício Lira citou, na mesma linha, um programa interno da IBM, formado por usuários avançados que atuam como multiplicadores da tecnologia dentro da companhia, além de um evento recorrente, o "Watson Challenge", no qual qualquer funcionário pode propor soluções de IA para problemas de negócio que enfrenta no dia a dia, iniciativa que, segundo ele, ajuda a IBM a testar soluções internamente antes de oferecê-las aos clientes.

Produtividade é só uma das métricas de sucesso

Questionados pela plateia sobre como gerenciam as expectativas de retorno e eventuais disparidades de desempenho entre funcionários no uso de IA, os painelistas reconheceram que o setor ainda está em fase de aprendizado. Marcelo Clara afirmou que a Quod não estabeleceu metas rígidas de redução de custos associadas ao uso de IA generativa, mas instituiu um orçamento de uso por perfil profissional: desenvolvedores e analistas têm limites de consumo mais altos do que os perfis operacionais e, ao esgotar esse orçamento, o colaborador precisa solicitar aprovação formal do gestor para continuar. Segundo ele, a empresa já observou processos que levavam semanas serem reduzidos a dias, e projetos de meses serem concluídos em semanas, casos que são compartilhados mensalmente para reforçar a cultura de uso.

Giuliane Paulista afirmou que a produtividade é acompanhada, mas não é a única métrica observada pelo Banco do Brasil: o banco também monitora a satisfação dos clientes e o resultado financeiro. Segundo ela, o banco já contabiliza mais de 1,5 milhão de horas de produtividade geradas no primeiro semestre do ano por meio de iniciativas de IA.

Ao final do painel, Giuliane Paulista apresentou uma reflexão sobre os limites da automação. Citando dados da pesquisa "Futuro do Trabalho", do Fórum Econômico Mundial, segundo a qual quatro em cada dez competências profissionais precisarão ser reaprendidas, Paulista afirmou que as lideranças também precisam se reinventar diante da IA. Para ela, a discussão mais urgente do momento não é apenas técnica, mas também filosófica: até que ponto é seguro delegar à inteligência artificial decisões que envolvem julgamento humano, e quais escolhas devem permanecer indelegáveis. Segundo Giuliane, o avanço acelerado da IA também está tornando os profissionais mais ansiosos, o que torna a inteligência emocional uma competência de liderança tão relevante quanto a técnica.

Fabrício Lira encerrou destacando que a IA generativa é hábil em fornecer respostas, mas isso não deve substituir a capacidade de questionar, que depende do domínio dos fundamentos de cada área do conhecimento. O executivo defendeu ainda que o compartilhamento de práticas entre empresas concorrentes deixou de ser uma fragilidade competitiva para se tornar uma vantagem, dado o ritmo de maturidade que a colaboração entre organizações permite alcançar.