Por anos, empresas encararam a inteligência artificial (IA) como uma série de experimentos pontuais. Contudo, à medida que os agentes de IA começam a se infiltrar nos fluxos de trabalho que sustentam as operações de negócios, essa abordagem se mostra cada vez mais inadequada. Organizações que transitam de pilotos isolados para agentes de IA e fluxos de trabalho autônomos enfrentam um desafio mais profundo: repensar como dados, processos de negócios, governança e pessoas se interligam, transformando a IA de um conjunto de ferramentas em parte integrante do modelo operacional da empresa.

A Mudança de Paradigma: Dados como Alicerce

A mudança fundamental, segundo Thorsten Leiduck, SVP e head global do SAP Business AI Platform Ecosystem, começa com o tratamento da IA como uma plataforma corporativa, em vez de uma coleção de projetos desconexados. "A IA é absolutamente dependente da fundação de dados", afirma. Sem uma camada de dados conectada e semanticamente rica que reflita o negócio, é impossível implementar IA de forma confiável.

A precisão se torna um fator crítico neste novo contexto. Enquanto para algumas aplicações cotidianas, "80% pode ser suficiente", em áreas como cadeias de suprimentos ou fechamento financeiro, esse nível de precisão representa "um resultado muito ruim". É essencial que a lógica de negócios e o contexto da indústria estejam embutidos nos dados e nos modelos que formam a espinha dorsal de qualquer IA.

Estratégia de Escala e a "Armadilha do Departamento de IA"

Com a base de dados estabelecida, a avaliação de quais casos de uso merecem investimento se torna crucial. Satinder Pal Singh, Associate VP North America para SAP BAIP e SAP AI Strategy na Infosys, recomenda avaliar potenciais casos de uso através de três lentes: impacto, viabilidade e escalabilidade. As empresas devem identificar onde um agente pode mover métricas de negócios, determinar se seus dados e talentos podem suportar o projeto e, crucialmente, estabelecer se o sucesso pode ser replicado. "Um piloto que não pode escalar é apenas um experimento", sentencia Singh.

A dificuldade em escalar é um problema generalizado. Segundo uma pesquisa da Infosys com mais de 500 empresas, 86% permanecem em fases de exploração ou piloto. A raiz do problema é o que Singh descreve como a "armadilha do departamento de IA", onde uma equipe técnica é isolada do negócio, resultando em pilotos tecnicamente excelentes que a área de negócios não reconhece ou adota. A mudança de mentalidade necessária é tratar a IA não como uma iniciativa tecnológica, mas como uma transformação do modelo operacional.

Governança: O Acelerador da Confiança

Escalar a IA também traz a governança para o centro das atenções. Políticas claras, controles de acesso e monitoramento são necessários para garantir que os agentes permaneçam confiáveis. "A ausência de governança não acelera a adoção de IA", alerta Singh. "Ela cria um backlog de riscos" que pode, em última instância, forçar uma parada mais disruptiva no futuro. Muitas empresas implementam IA generativa sem uma política formal, o que representa um risco significativo.

Para enfrentar esse desafio, frameworks como a SAP Business AI Platform (BAIP) oferecem um pilar de governança robusto. O SAP Agent Hub, por exemplo, permite gerenciar o ciclo de vida completo de agentes, tanto da SAP quanto de terceiros, garantindo observabilidade e controle.

A Empresa Autônoma: ROI e o Futuro do Trabalho

O objetivo final é um futuro onde sistemas agentivos coordenam o trabalho entre aplicações, atuando como "colegas digitais". A Infosys complementa a plataforma da SAP com sua expertise em implementação e contexto industrial. Os resultados práticos já são visíveis: a automação do fechamento mensal para um fabricante global gerou mais de US$ 1 milhão em economia anual. Em outra frente, a IA acelerou uma transformação S/4HANA, reduzindo o tempo de criação de especificações funcionais em 92%.

Para Singh, a oportunidade de longo prazo é uma mudança da IA como ferramenta de produtividade para "IA como parceira na tomada de decisões", ajudando líderes a entender o que está acontecendo e antecipar o que vem a seguir. A combinação de uma fundação de dados governada, contexto de processos de negócios e observabilidade completa dos agentes é o que permite a "empresa autônoma" se tornar uma operação diária, mudando o centro de gravidade das aplicações monolíticas para uma camada de valor agentiva e integrada.

Com reportagem de Brazil Valley

Source · MIT Technology Review