É com dados que se ganha o jogo da IA nas empresas, diz executivo da TOTVS

A estratégia de inteligência artificial nas empresas deve partir menos do entusiasmo com modelos e mais da clareza sobre problemas, métricas, dados, governança e pessoas. Essa foi a tônica da palestra “5 provocações para sua estratégia de IA decolar”, conduzida por Cristiano Nobrega, Chief Data & AI Officer da TOTVS, durante o AI Summit EXAME.

Realizado em 2 de junho, em São Paulo, o evento foi promovido pela EXAME em parceria com a Saint Paul e reuniu especialistas e lideranças para discutir a IA na economia brasileira. Com mais de oito horas de conteúdo, buscou aproximar tecnologia, estratégia e negócios.

Nobrega abriu a palestra com um diagnóstico sobre a distância entre expectativa e resultado concreto. “Apenas 7% do mercado consegue extrair valor da IA de fato”, afirmou. Segundo ele, a dificuldade persiste apesar do avanço dos modelos e dos experimentos. Parte do problema está na qualificação, que exige elevar a proficiência em dados e IA, e na mensuração, já que muitas empresas não definem indicadores nem demonstram o impacto dos projetos.

Cinco camadas

A governança de dados também apareceu como ponto crítico. Nobrega citou projeção da consultoria Gartner, referência global em tecnologia e negócios, segundo a qual, até 2027, 60% das organizações não conseguirão gerar o valor esperado com IA devido a falhas nessa área.

Para contextualizar a pressão sobre as companhias, o executivo da TOTVS recorreu ao conceito do bolo de cinco camadas da IA, associado a Jensen Huang, CEO da Nvidia. As três primeiras formam a AI Factory: energia, chips e infraestrutura. A quarta é a dos modelos. A quinta sustenta a tese de negócio: as aplicações, nas quais aparecem resultados e justificativa para os investimentos.

Por isso, a metrificação aparece como ponto de partida. Nobrega defendeu indicadores de negócio, como receita, custo e ROI; métricas operacionais, como redução do tempo de execução e taxa de automação; critérios de qualidade, como precisão das respostas e satisfação do cliente; e medidas de adoção, conformidade e risco. Um AI FinOps Office teria mandato para dar escala à mensuração de valor.

Casos antes da IA

Um dos eixos da apresentação foi a crítica ao uso genérico do lema “AI First”. Nobrega reconheceu que a ideia ajuda a mobilizar pessoas, mas afirmou que o ponto de partida deveria ser anterior: o caso de uso. Primeiro, a empresa deve definir qual dor precisa resolver. Depois, entender quais dados são necessários para, só então, escolher o modelo ou a categoria de IA mais adequada.

Essa abordagem orienta a escolha entre tecnologias de diferentes complexidades. Nobrega separou algoritmos tradicionais, chatbots, modelos de recomendação e predição, e categorias de IA generativa: assistentes, que respondem a comandos; copilotos, que sugerem ações a partir do contexto; e agentes, com autonomia maior.

Na apresentação, o executivo da TOTVS listou quatro características de um agente de IA: ter uma meta, fixa ou variável; entender o contexto a partir dos dados; saber decidir; e agir automaticamente. São sistemas que podem executar tarefas de ponta a ponta, com autonomia total ou parcial, conforme o risco e o controle definidos pela empresa.

Dados definem custos

A discussão sobre agentes levou Cristiano Nobrega ao tema da eficiência em custos. Em escala empresarial, cada chamada, token e etapa de preparação de informações entra na conta. Nesse ponto, a engenharia de dados ganhou centralidade. O executivo afirmou que 90% da energia empregada em um projeto de IA bem-sucedido se concentra na engenharia de dados. “É com os dados que se ganha ou se perde o jogo da IA”, acrescentou. Segundo ele, em um data center típico, 70% das despesas operacionais estão associadas ao processamento e à preparação dos dados. Os outros 30% se relacionam ao uso dos modelos para gerar respostas, previsões ou decisões, além do treinamento.

Preparar previamente as bases corporativas reduz desperdícios e melhora a viabilidade econômica dos projetos, observou. Segundo ele, os dados precisam estar prontos, acessíveis, íntegros e seguros. A escolha do ambiente deve seguir o caso de uso: dados sem necessidade de tempo real podem rodar com menor custo; aplicações agênticas imediatas podem demandar estruturas mais caras.

Governança que não trava

Nobrega tratou a governança como requisito para escalar IA sem paralisar a operação. Ele reconheceu que o tema costuma ser visto como barreira e defendeu um modelo não invasivo, com segurança e controle de riscos sem comprometer a velocidade das áreas.

Entre as técnicas de mitigação citadas estão RAG (Retrieval-Augmented Generation ou geração aumentada por recuperação), em que a IA consulta bases de conhecimento; guardrails e filtros no MCP (Model Context Protocol), para regrar o acesso a dados e ferramentas; RLHF, que é um aprendizado reforçado com feedback humano; prompts constitucionais; e frameworks como NIST, ISO e AI TRISM. Segundo Nobrega, essas camadas não eliminam todos os riscos, mas ajudam a mitigá-los.

A hora da execução

A combinação entre inteligência artificial e inteligência humana foi apresentada como decisiva. “O ser humano ainda faz a diferença”, afirmou. A frase abriu uma reflexão sobre treinamento, comunidades internas, indicadores de maturidade e engajamento. Para Nobrega, a implantação também exige enfrentar resistências, já que projetos de eficiência podem mexer com funções, orçamentos e equipes.

O executivo alertou ainda para o risco de padronização das decisões. Como muitas empresas acessam as mesmas capacidades tecnológicas, a diferenciação tende a depender de como lideranças combinam intuição humana, conhecimento do negócio e recursos de IA.

No fechamento, o executivo relacionou a adoção da IA a um novo ciclo tecnológico. Com base em projeção do Gartner, afirmou que empresas que acertarem no uso da IA generativa poderão disputar uma oportunidade de receita de mercado de US$ 536 bilhões até 2033. O período entre 2027 e 2029 foi apresentado como uma janela decisiva para a adoção em escala.

Para ilustrar a incorporação de novas tecnologias ao cotidiano, Nobrega citou smartphones, óculos inteligentes, pulseiras, anéis e até exoesqueletos portáteis. O argumento era que ferramentas permanecem quando aumentam produtividade e capacidade de ação. A provocação final foi prática: a estratégia de IA decola quando deixa de ser discurso e passa a operar com método, responsabilidade e retorno mensurável. “A hora de agir é agora”.