A discussão sobre inteligência artificial no mundo corporativo mudou de tom. Se antes o foco era o potencial da tecnologia, agora a cobrança é por resultados concretos e escaláveis. Essa foi a mensagem central de Rui Botelho, presidente da SAP Brasil, durante o evento SAP NOW AI Tour Brazil, em São Paulo, baseado em reportagem do portal TIInside.

Enquanto os investimentos avançam — empresas brasileiras devem aportar, em média, US$ 20,8 milhões em IA este ano, segundo estudo da SAP com a Oxford Economics —, a maturidade para escalar a tecnologia ainda é baixa. Apenas 3% das companhias se dizem totalmente preparadas para implementar agentes de IA em larga escala. A tese da SAP é que o abismo entre o piloto e a produção está na falta de contexto e confiança.

O risco do 'quase lá'

Para ilustrar o desafio, Botelho usou uma analogia direta: um risoto com 80% dos ingredientes e procedimentos corretos é um prato que falhou. Os 20% restantes comprometem todo o resultado. No ambiente empresarial, a margem de erro é ainda menor. “Imagina se a IA está executando a folha de pagamento [...] ou o planejamento de todo o supply chain. 80%, obviamente, não é suficiente”, afirmou. “Nos processos mais críticos de negócio, a IA não pode adivinhar.”

A provocação reflete um problema real. Das empresas que já usam IA agêntica, 54% perceberam um aumento de problemas de confiabilidade com o ganho de escala, e 40% relataram agentes tomando ações incorretas. O ponto é claro: para operações que definem o funcionamento de uma companhia, um acerto parcial é, na prática, um erro completo.

O iceberg do contexto

Segundo a visão da SAP, a solução está em olhar para o que existe abaixo da superfície. Botelho apresentou a imagem de um iceberg: no topo, visíveis, estão os grandes modelos de linguagem (LLMs) que geram textos e respostas genéricas. Submersa, no entanto, está a massa de dados que realmente sustenta uma organização: processos internos, regras de negócio, políticas de governança, níveis de autorização e dados históricos.

É essa camada que a SAP chama de “contexto de negócio”. Uma previsão financeira precisa considerar dados reais de vendas e custos; uma decisão de compra depende de contratos e políticas internas. Sem acesso a essa infraestrutura de dados e regras, a IA opera num vácuo, incapaz de entregar o nível de precisão e confiabilidade que processos críticos demandam. A inteligência, portanto, não está apenas no algoritmo, mas na sua profunda integração com a realidade da empresa.

O recado para o mercado é que a corrida pela IA empresarial não será vencida apenas pela potência dos modelos, mas pela capacidade de conectá-los de forma segura e contextualizada aos fundamentos do negócio. A era dos experimentos abertos pode estar dando lugar a uma fase de integração profunda e verticalizada.

Com reportagem de Brazil Valley

Source · TIInside