Por que tanta IA corporativa ainda não sai do piloto

Quase toda empresa já tem uma história para contar sobre IA. O roteiro padrão dessas histórias começa com entusiasmo, passa por um piloto promissor e termina num limbo operacional em que ninguém sabe direito se aquilo virou produto, processo ou só apresentação de board. Foi esse purgatório que Sandy Carter tentou mapear no SXSW, na sessão “From Pilot to Payoff: 7 Pattern-Matched Traits of AI Systems That Actually Work”. Ela não defende a falácia de que mais tecnologia resolve tudo e propõe um diagnóstico mais útil: o problema da IA corporativa raramente está no modelo. Está na empresa que quer usá-lo sem mudar quase nada.

A palestra tem a estética típica da evangelização executiva de 2025: muitos números, benchmarks, previsões e uma confiança constante de que o mercado está, enfim, aprendendo a usar IA direito. Nem todo dado aparece com a mesma profundidade, e várias promessas seguem mais próximas do PowerPoint do que da vida real. Ainda assim, vale a troca da obsessão por ferramenta por uma conversa sobre liderança, confiança, governança, desenho organizacional e adoção. O argumento principal é que IA não escala onde continua sendo tratada como acessório.

Vamos ao resumo pra passar na prova:

1. Liderança, não software

Carter sustenta que projetos de IA travam menos por limitações técnicas do que por falta de liderança preparada para mudar processo, cultura e tomada de decisão. Ela resume isso com dois números que funcionam como provocação direta à alta gestão: quando executivos C-level usam IA no dia a dia, a empresa fica “1,6x mais propensa” a integrar a tecnologia com sucesso; quando a comunicação do CEO aborda a estratégia de IA de forma direta, o efeito vira “5,2x”. Para projetos com IA terem impacto, antes de comprar software, a liderança precisa demonstrar curiosidade prática e assumir a transformação como tema de negócio.

2. O gap de confiança é um gap de liderança

Carter mostra que “65%” dos executivos confiam na IA para tomar decisões operacionais, enquanto só “17%” dos trabalhadores confiam nela para tarefas de alto impacto. Ela credita a diferença à compreensão da confiabilidade dos dados. “Os números não mentem, mas sob tortura falam o que você quiser”. Qualquer trabalhador médio sabe os malabarismos que são feitos para os números parecerem bonitos nas apresentações e relatórios. Quem faz os dados, não confia nas analises feitas a partir desses dados. Essa distância ajuda a explicar por que tanta empresa anuncia adoção sem conseguir gerar adesão real. Se a diretoria fala em aceleração enquanto a base enxerga risco, opacidade e imposição, a IA entra na operação já marcada pela desconfiança.

3. O gap de habilidades é real

A palestra também desmonta a ideia de que basta disponibilizar uma plataforma para a organização inteira passar a trabalhar melhor. Carter cita que “77%” dos executivos dizem que o principal desafio em IA é adoção, não ferramenta. Do outro lado, “54%” dos trabalhadores afirmam ter desistido das ferramentas de IA da empresa no último mês e voltado ao trabalho manual. Esse dado expõe o limite da distribuição sem capacitação. Falta contexto, repertório, treinamento e tradução do uso para a rotina concreta de trabalho.

4. IA como teammate, não só como ferramenta

Na visão de Carter, as empresas que avançam deixam de tratar IA como um app isolado e passam a encaixá-la como parte da estrutura de trabalho. Ela fala de agentes como colegas de equipe, não apenas como utilitários de produtividade e mostra inclusive como expandiu o organograma da sua empresa “apenas” incluindo agentes abaixo dos integrantes do time, ao invés de contratar novas pessoas. Polêmico? Pois num dado da Oliver Wyman: “37%” da Gen Z preferiria ter “um chefe de IA”. Os jovens acreditam que esses agentes podem ser menos parciais e ter critérios mais objetivos e claros de avaliação. Se isso faz sentido é discussão pra outra hora de palestra. O que importa aqui é mostrar que a discussão já não está só no campo da ferramenta. Está migrando para o desenho do trabalho, das hierarquias e das relações com sistemas automatizados.

5. Agentes geram retorno — e pilotos demais atrapalham

Carter insiste que o ROI aparece quando a IA sai da fase de demonstração e entra na operação com função clara. É por isso que uma das frases centrais do resumo é “mate o piloto, financie a produção”. A crítica é ao uso do piloto como zona de conforto: um espaço em que a empresa parece inovar sem precisar assumir mudança estrutural. Embora a palestra seja mais forte no diagnóstico do que na demonstração detalhada dos casos, a ideia faz sentido. Teste sem integração, sem dono, sem meta de negócio e sem continuidade vira ritual corporativo, não transformação.

6. Governança custa mais do que o modelo

Carter afirma que, em projetos bem-sucedidos, só “15%” do esforço está no que foi digitalizado, enquanto os outros “85%” envolvem tudo o que cerca a operação real. Esse custo inclui criar novos parâmetros de governança para o sistema como identidade, permissão, auditoria, conformidade, controle de acesso. A premissa é de que IA corporativa não falha só por alucinação ou baixa performance. Ela falha quando entra numa organização sem regras claras sobre o que pode ver, fazer, registrar e decidir.

7. O melhor resultado ainda é humano + IA

O fechamento tenta conter a fantasia de substituição total. Carter diz que só “15%” dos dados está efetivamente digitalizado, enquanto os “85%” restantes seguem ancorados em intuição humana, julgamento, conhecimento cultural e experiência vivida. É por isso que ela faz uma defesa da combinação entre pessoas e sistemas. Segundo os números mostrados por ela, “3x” de melhora de performance, “4x” de ROI até 2026, “38%” mais crescimento de receita e “85%” mais produtividade aparecem quando humano e IA trabalham juntos. O argumento final, portanto, não é que a IA substitui empregos. É que ela substitui organogramas, desloca atribuições e empurra o valor humano para o que ainda não cabe completamente em fluxo, modelo ou automação.

Como sempre, Sandy Carter ajuda a organizar com clareza uma sensação difusa do mercado. Há tecnologia suficiente, capital suficiente e urgência suficiente. O que falta, na maior parte dos casos, é disposição para transformar teste em operação — e operação em mudança real.

BOX DE FERRAMENTA

Para testar: por onde começar com agentes
Sandy Carter tentou transformar hype em tarefa de casa. Projetou um QR code com instruções para instalar e usar o Claude Co-Work.

Para quem quer experimentar sem afundar em documentação ela criou um agente para transformar um guia de 33 páginas sobre criação de skills em um tutor passo a passo. Em vez de estudar a ferramenta inteira antes de começar, o usuário aprende montando.

Os “AI teammates” preferidos de Sandy Carter

Assistentes e pesquisa
Claude Co-Work, Grok, Perplexity, NotebookLM e AIXplain.

Agentes e automação
Relevance AI, OpenClaw, IronClaw, NemoClaw e Sentient.

Marketing e SEO
Semrush, OptimizeGEO, SparkToro, SocialBrilliance.ai e Lilypath.

Conteúdo e criação
CastMagic, Artlist, Canva, Nano Banana e StoryTown.

Produtividade e futuro
Superhuman, Wispr Flow, Synthetic Futurist, Synergistic e Zero Gravity.

---