O preço da inovação na corrida da IA

*Por Fabiano Oliveira, CTO da NAVA Technology for Business, e Emanuela Ramos, CGO da NAVA Technology for Business

No início de 2025, o mercado global de inteligência artificial generativa passou por um novo ponto de inflexão, com a chegada de agentes que intensificaram a concorrência e o debate no setor. O DeepSeek, por exemplo, destacou-se ao anunciar um algoritmo com desempenho semelhante ao do ChatGPT, a um custo operacional bastante inferior. O fato chegou a movimentar as ações de gigantes da tecnologia nos Estados Unidos. Um exemplo foi a Nvidia, cujas ações despencaram 13%, resultando em uma perda de valor de mercado de US$ 465 bilhões, uma das maiores quedas já registradas na história da bolsa americana. Também protagonizam no cenário mais aquecido, nomes como Claude, Gemini, Pi e Mistral Saba ampliando a disputa.

A corrida tecnológica está marcada por outra guerra, a de narrativas. Cada player quer se posicionar como a solução mais eficiente, segura e economicamente viável para os negócios. Na contrapartida, o desejo crescente pela inovação se conecta diretamente com a filosofia da experimentação contínua, onde a lógica é simples: testar rápido para aprender rápido (e errar rápido, se for o caso). Mas qual o custo da inovação e de “errar rápido para corrigir rotas”? Historicamente, mostram estudos da Bain & Company, cerca de 75% dos projetos com IA não se mostraram escaláveis. Testar é essencial, mas é preciso lembrar que erros não tratados transformam-se em prejuízo. Nesse contexto, intensifica-se a corrida pela “IA perfeita” enquanto a discussão sobre qual tecnologia se destaca permanece aberta. Me parece que a pergunta mais relevante, na verdade, seja:  minha empresa está preparada para implementar a inteligência artificial de modo a alcançar resultados concretos?

No Brasil, 49% das organizações estão diminuindo seus investimentos em inteligência artificial, segundo um estudo da Qlik com 4.200 executivos C-level. A principal razão para esse movimento é a ausência de KPIs claros e de uma estratégia bem definida para a implementação da IA. Além disso, expectativas não se concretizaram em resultados práticos. Em vez de aumento nas vendas, otimização de processos ou ganhos reais de produtividade, o que se observou foi frustração e, em muitos casos, investimentos que não geraram valor efetivo para o negócio.

Leia também: O dilema dos dados: por que 30% dos projetos de IA falham antes mesmo de decolar

Esse resultado é fruto de um aspecto frequentemente subestimado: a qualidade dos dados. Boa parte das empresas ainda opera com estruturas de dados fragmentadas, redundantes, desatualizadas e, sobretudo, mal-governadas. Sem dados estruturados, limpos e integrados, não há algoritmo que funcione de forma eficaz. Não há mágica! A IA não transforma dados ruins em insights valiosos. A falta de um “dado mestre”  tornou-se sum gargalo para o desenvolvimento de sistemas com inteligência artificial, especialmente em empresas que passaram por processos de aquisição ou que acumulam sistemas legados. De fato, a tendência de desenvolvimento de projetos com IA passa por prioridades que incluem o investimento em dados e analytics e a modernização da arquitetura de dados. Conforme pesquisa, da Bain & Company, a área é prioridade de investimento para varejistas entre 2024 e 2026, o que reforça a perseguição pela capacidade de extração de valor dos dados.

O sol que estava sendo tampado com a peneira agora está integralmente visível. O principal desafio da implementação de projetos com IA não é técnico. Sempre esteve relacionado à qualidade da base de dados. Cair na realidade já impulsiona o mercado global de data analytics e big data, projetado para alcançar U$103 bilhões até 2027, conforme dados do Statista.

A ilusão de que a inteligência artificial gera valor sozinha se dissipando e finalmente dá lugar ao entendimento de que, sem dados de qualidade, não há IA milagrosa. Esse é o diferencial entre quem vai liderar e extrair valor das novas tecnologias, e quem vai  sucumbir à revolução da inteligência artificial generativa.

Os novos agentes de IA devem ser analisados sob a luz de cada empresa de maneira estratégica e responsável. Ter clara percepção em relação à maturidade e apetite para a extração de valor dos dados disponíveis é o passo zero para um projeto – que também deve estabelecer  metas claras que conversem com os objetivos de negócios de cada companhia. Olhar para dentro, estruturar dados, incorporar processos de decisão rigorosos, revisar processos e criar uma cultura orientada à experimentação com propósito e a programas de crescimento são os fatores determinantes para alavancar essa poderosa ferramenta de inovação.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!