A cultura brasileira é de inovação e empreendimento, e mais uma vez observamos isso no comprometimento com a inteligência artificial. De acordo com o Índice de Maturidade de IA Empresarial da ServiceNow de 2026, estudo anual que mede como organizações ao redor do mundo estão avançando em suas jornadas de IA, os gastos com IA no Brasil cresceram 127% em relação ao ano anterior, superando a média global de 110%. Esse número reflete a convicção do potencial de geração de valor. Orçamentos foram aprovados, projetos foram lançados e a liderança aderiu à iniciativa.

A pontuação de maturidade varia de 0 a 100 em sete pilares: liderança e visão, gestão e cultura, governança de IA, modernização de dados, fluxos de trabalho habilitados por IA, talentos e competências, e geração de valor com IA. A média do Brasil é 48, ligeiramente abaixo da média global de 51 pontos. Uma pontuação nessa faixa indica que as organizações estão melhorando no planejamento para IA e no alinhamento executivo, mas ainda enfrentam dificuldades para fazê-la funcionar de forma consistente em toda a empresa.

Há outro dado revelador: o pilar que mede fluxos de trabalho habilitados por IA registra apenas 37 pontos, o menor entre as sete dimensões avaliadas. Para um mercado que investe nesse ritmo, essa lacuna exige uma análise mais profunda.

O problema é arquitetura, não ambição

Nas organizações com as quais trabalho no Brasil e na América Latina, observo o mesmo padrão se repetindo em diferentes setores e escalas: a IA está sendo implantada sobre infraestruturas que não foram projetadas para suportá-la. Os dados estão isolados em silos  departamentais e sistemas legados operam de forma desconectada, quando deveriam operar de forma integrada. Os fluxos de trabalho param nas barreiras departamentais. Quem tem feito a integração é o ser humano, trabalhando com múltiplas telas, buscando integrá-las. Quando se adiciona IA a esse ambiente, o resultado é uma fragmentação mais rápida ao invés da realização do potencial de transformação prometido pela tecnologia.

Apenas 13% das organizações brasileiras substituíram sistemas legados fragmentados por uma plataforma integrada, e 72% apontam a inadequação na qualidade, no acesso e na gestão de dados como a principal barreira à adoção de IA. Além disso, apenas 17% conseguiram simplificar e integrar os fluxos de trabalho entre as funções de negócio. Essas são decisões arquiteturais que se acumularam ao longo do tempo e não lacunas tecnológicas.

O cenário de governança também é urgente: apenas 13% das organizações brasileiras implementaram processos de teste, auditoria e avaliação de risco em IA, em comparação com 20% registrados em todo o mundo. À medida que as organizações implementam mais agentes autônomos que executam ações reais em sistemas reais, a ausência dessa infraestrutura torna-se um risco para a conformidade e a operação. Agentes conectados amplificam erros com a mesma facilidade com que amplificam o valor, e a complexidade cresce mais rápido do que a maioria dos times de TI consegue antecipar.

Diante deste cenário. Como deve ser um caminho melhor? As organizações que estão avançando globalmente, chamadas pelo estudo de “pacesetters”, oferecem um roteiro ao compartilhar um conjunto de escolhas estruturais que não têm relação com o orçamento e, mas sim com a forma como abordam o desafio.

1. Ajuste dos dados antes de escalar a IA

Pode parecer óbvio, mas a maioria das organizações ignora essa etapa. Os pacesetters estabelecem políticas de propriedade de dados, implementam a coleta e o rastreamento em tempo real e utilizam a própria IA para melhorar a qualidade e a migração dos dados. O resultado é a geração de dados de maior qualidade e uma organização em que cada interação de IA adiciona contexto, tornando a próxima mais precisa. Organizações que pulam essa etapa acabam corrigindo continuamente os resultados, em vez de melhorar as entradas.

2. Integração de fluxos de trabalho é o objetivo, não um efeito colateral

A maioria das organizações automatiza tarefas individuais, o que limita muito o potencial de progresso. Os pacesetters incorporam IA além das barreiras departamentais e avançam até que processos de ponta a ponta operem sem transferências manuais. No Brasil, já vemos exemplos práticos disso: a Petrobras conectou dados de mais de 6.000 aplicações e itens de catálogo, processando mais de 3 milhões de solicitações por ano, com melhorias mensuráveis na tomada de decisão e na governança. A Fundação Bradesco consolidou fluxos administrativos de suas 40 escolas em um único sistema, reduzindo o tempo de resolução de chamados de dias para minutos e diminuindo os tempos de resposta em 90% entre 3.000 colaboradores. Esses não são pilotos de IA, mas sim modelos operacionais redesenhados.

3. Incorporação de governança à arquitetura desde o início, não após a implementação

As organizações que se arrependem dessa decisão são aquelas que escalaram agentes antes de definirem as regras sob as quais operam. A governança construída desde o princípio atua como um acelerador. A governança implementada quando o caos começa a se instalar funciona como um bloqueador — e, às vezes, como resposta reativa a crises.

Há também uma lição relevante nos dados sobre IA agêntica. 57% das organizações brasileiras já utilizam IA agêntica, aproximadamente no mesmo nível da média global de 59%, mas apenas 8% avançaram de forma significativa na criação de fluxos de trabalho autônomos de múltiplas etapas. A grande maioria utiliza agentes de IA como ferramentas individuais de produtividade, e não como uma camada operacional coordenada. Isso revela uma lacuna significativa entre o que as organizações estão investindo e o que de fato estão obtendo como retorno de valor.

O Banco da Amazônia, por exemplo, oferece um ponto de referência útil de quando enfrentava uma restrição clara: não podia expandir o quadro de funcionários por ser uma instituição controlada pelo Governo Federal. Sua resposta foi construir um sistema de gestão de portfólio baseado em IA, que utiliza múltiplos agentes para identificar oportunidades, orientar gerentes de relacionamento em tempo real, transcrever chamadas e analisar o sentimento dos clientes — de ponta a ponta, sem intervenção manual em cada etapa.

O ponto de partida foi a gestão de serviços de TI e a expansão para processos de crédito, compras e ouvidoria ocorreu após a validação da base. Essa sequência importa, pois eles não tentaram orquestrar tudo de uma vez, construíram uma camada conectada e a expandiram.

Para líderes de tecnologia e negócios no Brasil que analisam os dados de maturidade e se perguntam o que fazer a seguir, a pesquisa aponta uma sequência prática: auditar sua infraestrutura de dados antes da próxima implementação de IA, mapear onde os fluxos de trabalho param nas fronteiras entre sistemas ou departamentos e tratar essas lacunas como prioridade de engenharia. Além disso, é importante definir estruturas de governança, processos de auditoria e mecanismos de responsabilização dos agentes antes de escalar a execução autônoma. Também é importante medir a IA não pelas métricas de adoção, mas pela capacidade de concluir o trabalho de ponta a ponta, em vez de apenas acelerar etapas individuais; aí está a realização do valor real.

O Brasil tem investimento, talento e escala de mercado para se tornar um líder real em IA corporativa. O crescimento de 127% nos gastos não é um desvio, mas as organizações que definirão o que significa liderança em IA neste mercado nos próximos três anos serão aquelas que estão construindo a fundação agora e não as que têm mais agentes implantados. Os dados são claros quanto a essa distinção. A questão é quando iremos agir sobre ela.