Pilotos de IA ficaram para trás. Agora, o foco está em processos e precificação
A inteligência artificial já provou que funciona. Isso não é mais novidade para ninguém que acompanha o mercado de tecnologia corporativa. Os pilotos foram rodados, os resultados apareceram e a empolgação tomou conta das salas de reunião mundo afora. Mas aí veio a ressaca: e agora, o que a gente faz com isso tudo?
Desde a chegada da IA generativa no final de 2022, organizações de todos os tamanhos e setores mergulharam em experimentos com a tecnologia. Atendimento ao cliente, desenvolvimento de software, procurement, marketing, operações internas — praticamente toda área de negócio ganhou algum projeto piloto envolvendo modelos de linguagem ou automação inteligente. Os primeiros esforços focaram em provar que a tecnologia conseguia executar tarefas específicas. Ela poderia responder perguntas de clientes? Auxiliar agentes de suporte? Gerar conteúdo? Ajudar colaboradores a trabalhar com mais eficiência?
A resposta para todas essas perguntas foi sim. E foi justamente aí que o problema real começou a aparecer. 🤔
A pergunta que ninguém planejou responder
Na semana passada, duas empresas de cantos muito diferentes da indústria de tecnologia chegaram à mesma conclusão, cada uma pelo seu caminho. A Levelpath, uma plataforma de procurement que ajuda organizações a gerenciar compras, contratos e gastos com fornecedores, e a NiCE, que se preparava para a edição anual da Customer Contact Week, fizeram a mesma pergunta: o que acontece depois que um piloto de IA dá certo?
Parece uma pergunta simples, mas ela está travando organizações inteiras ao redor do mundo. Escalar um projeto de IA não é apertar um botão e esperar que os resultados se multipliquem sozinhos. É uma mudança estrutural que mexe com pessoas, fluxos de trabalho, responsabilidades, orçamentos e, cada vez mais, com a forma como contratos são negociados e precificados.
O que emergiu das duas conversas é que um novo conjunto de questões está dominando as agendas corporativas. Quem é responsável pelos resultados que a IA entrega? Como o sucesso deve ser medido? Quanta visibilidade as organizações realmente precisam ter sobre uso, custos e desempenho? As respostas a essas perguntas podem determinar o futuro do uso de IA em escala nas empresas.
Os números que estão assustando os líderes de procurement
A Levelpath recentemente conduziu uma pesquisa com compradores de software empresarial e os resultados são reveladores. Nada menos que 57% dos entrevistados relataram ter enfrentado pelo menos um problema relacionado a gastos com IA nos últimos seis meses. O problema mais comum? Faturas chegando acima do que tinha sido orçado. Logo em seguida vinham equipes batendo em limites de uso e organizações tendo que redirecionar orçamento de outras prioridades para cobrir os custos com inteligência artificial.
Esses números colocam a precificação de IA no centro de uma conversa que antes era predominantemente técnica. Não adianta o modelo funcionar perfeitamente se o CFO não consegue prever quanto a brincadeira vai custar no mês que vem.
A coisa mais consistente que estamos ouvindo de líderes de procurement, em diferentes indústrias e tamanhos de empresa, é que a lacuna de governança os pega desprevenidos, disse Stan Garber, presidente e cofundador da Levelpath.
Essa declaração resume bem o momento. As organizações não estavam preparadas para gerenciar a IA como um item de orçamento contínuo e variável. Trataram o piloto como um experimento isolado e, quando chegou a hora de escalar, descobriram que não tinham os mecanismos necessários para controlar custos, monitorar uso e garantir que o investimento estava gerando retorno real.
Transparência virou prioridade — e limites de gasto ficaram em segundo plano
Um dado particularmente interessante da pesquisa da Levelpath mostra como os compradores estão reagindo a essa nova realidade. Os entrevistados eram duas vezes mais propensos a negociar maior transparência sobre uso e gastos com IA do que a impor limites rígidos de gasto. Na prática, 32% pressionaram fornecedores por relatórios mais detalhados de uso, enquanto apenas 16% implementaram tetos de gasto.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Isso é significativo porque mostra uma mudança de abordagem. Em vez de simplesmente cortar, as empresas querem entender. Querem saber exatamente para onde o dinheiro está indo, qual funcionalidade está consumindo mais recursos, qual departamento está usando mais e, principalmente, se esse uso está gerando o valor que foi prometido na fase de piloto.
Além da transparência, os compradores também estão construindo flexibilidade nos contratos. A pesquisa mostrou que 39% adicionaram cláusulas de saída ou transição, enquanto 36% encurtaram os prazos dos contratos. Essas decisões sugerem que as organizações estão relutantes em fazer compromissos de longo prazo enquanto modelos de precificação, fornecedores e tecnologias de IA continuam evoluindo rapidamente.
Faz sentido. O cenário muda a cada trimestre. Novos modelos surgem, custos de inferência caem, alternativas open source ganham força. Assinar um contrato de três anos nesse contexto é um risco que poucos estão dispostos a correr sem mecanismos de proteção. 📊
O piloto que testou mais do que a tecnologia
Stan Garber, da Levelpath, fez uma observação que vale a pena destacar. Segundo ele, as organizações que estão tendo mais progresso são aquelas que testaram mais do que a tecnologia durante a fase de piloto.
Os líderes que estão acertando trataram o piloto como uma prova de conceito para o modelo operacional, não apenas para a tecnologia, afirmou Garber.
Essa é uma distinção fundamental. A maioria das empresas usou o piloto para responder uma pergunta simples: a IA funciona? As mais preparadas usaram o piloto para responder perguntas muito mais complexas: como vamos gerenciar isso no dia a dia? Quem vai supervisionar? Como vamos medir resultados? Quais processos precisam mudar? Quanto vai custar na escala real?
Quando o piloto é tratado como prova de conceito do modelo operacional, a transição para produção acontece de forma muito mais suave. Os desafios de governança, responsabilidade e custo já foram identificados — e, em muitos casos, já foram parcialmente resolvidos — antes de a empresa comprometer orçamento e recursos em escala.
Quando a IA sai do laboratório e entra na operação de atendimento
Os desafios de governança que os líderes de procurement descrevem não desaparecem quando um contrato é assinado. Eles reaparecem — muitas vezes ampliados — quando as organizações começam a integrar IA em processos de negócio e operações voltadas para o cliente. É exatamente aí que entra a perspectiva da NiCE.
A empresa, que recentemente concluiu sua conferência anual Interactions e se preparava para a Customer Contact Week, relata que as conversas com clientes mudaram significativamente nos últimos dezoito meses.
Dezoito meses atrás, a maioria das conversas com clientes estava ancorada em pilotos focados em casos de uso pontuais como chatbots ou assistência a agentes, disse Dan Belanger, presidente da NiCE Americas.
Belanger diz que as discussões agora focam em como a IA se encaixa nas operações de atendimento ao cliente e em fluxos de trabalho mais amplos do negócio.
Clientes que lideram nesse espaço se afastaram de implantações isoladas em direção à orquestração ponta a ponta. Isso significa conectar intenção do cliente, fluxos de trabalho e resolução em um único sistema, completou Belanger.
Essa mudança é profunda. Não se trata mais de ter um chatbot que responde perguntas frequentes. As organizações agora querem saber se a IA pode autenticar um cliente, atualizar um pedido, processar um reembolso, agendar uma visita técnica ou resolver um problema completo — sem criar trabalho adicional em outro lugar do sistema. A IA deixou de ser um experimento paralelo e se tornou parte do fluxo operacional real.
O caso da Fabletics: da conversa à resolução
A NiCE aponta clientes como a Fabletics para ilustrar essa evolução. A empresa de moda fitness foi além dos tradicionais bots baseados em regras que conseguiam responder perguntas, mas não completar tarefas. A implantação de IA da Fabletics agora suporta autenticação de clientes, gerenciamento de pedidos e outros fluxos de trabalho que permitem que as interações evoluam da conversa até a resolução completa do problema.
Não começamos esse projeto para adicionar IA ao contact center. Começamos para dar aos nossos clientes um atendimento mais rápido e flexível, e para ver o que acontece quando a IA pode realmente tomar decisões em interações reais com clientes, disse Jack Roberts, diretor sênior global de tecnologia e aplicações GMS da Fabletics.
Essa declaração é reveladora porque mostra uma inversão de prioridades. A Fabletics não partiu da tecnologia — partiu do problema do cliente. A IA foi o meio, não o fim. E quando uma empresa adota essa mentalidade, a implementação tende a gerar resultados muito mais consistentes porque está ancorada em necessidades reais, não em fascínio tecnológico.
O caso também ilustra o tipo de orquestração ponta a ponta que Belanger mencionou. Em vez de ter a IA funcionando como uma camada superficial que responde perguntas genéricas, ela está integrada ao sistema de forma que consegue executar ações concretas — autenticar, consultar, modificar, resolver. É uma diferença enorme em termos de valor entregue e complexidade de implementação. ✨
O mesmo desafio visto de ângulos diferentes
O que torna essa história interessante é que líderes de procurement e líderes de atendimento ao cliente estão abordando a IA por direções completamente diferentes, mas ambos enfrentam a mesma realidade: provar que a tecnologia funciona é mais fácil do que construir os processos necessários para gerenciá-la ao longo do tempo.
Do lado do procurement, os desafios são visibilidade de custos, previsibilidade orçamentária, flexibilidade contratual e governança de gastos. Do lado do atendimento, os desafios são integração com fluxos existentes, medição de resultados, responsabilidade quando a automação falha e experiência do cliente final.
Mas no fundo, todos esses desafios são variações de um mesmo tema: a infraestrutura organizacional que precisa existir para que a IA funcione de verdade, não como um projeto de inovação isolado, mas como parte integrante da operação do negócio.
Precificação: o nó que ninguém queria desatar
Se processos e governança já são temas complexos, a precificação é o que tem gerado mais fricção entre fornecedores de IA e seus clientes corporativos. Durante a fase de piloto, os modelos de cobrança costumam ser simples ou até subsidiados — afinal, todo mundo quer que a prova de conceito funcione. O problema aparece quando chega a hora de assinar um contrato de longo prazo para uso em escala.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Quantas chamadas à API estão incluídas no plano? O que acontece quando o volume ultrapassa o previsto? Como o cliente consegue prever o custo mensal se o uso é variável? Essas perguntas parecem básicas, mas têm travado negociações inteiras. Tanto a Levelpath quanto a NiCE identificaram que a falta de previsibilidade nos modelos de cobrança é um dos principais freios para a adoção em escala.
A tendência que começa a ganhar força no mercado é a migração para modelos de precificação baseados em valor ou em resultados, em vez de cobranças por volume de uso ou por assento. Nesse formato, a empresa paga proporcionalmente ao benefício que a IA entrega — seja em redução de tempo de atendimento, em contratos processados ou em economia gerada. Isso alinha os incentivos de fornecedor e cliente de forma muito mais saudável e facilita a justificativa interna do investimento. Ainda não é um modelo universal, mas está se tornando cada vez mais comum nas conversas de renovação e expansão de contratos. 💰
Governança não é burocracia — é infraestrutura
Um ponto que merece atenção especial é a forma como a governança está sendo percebida nesse novo momento. Por muito tempo, governança foi tratada como sinônimo de burocracia — algo que atrasa projetos e impede a inovação. Mas o que os dados da Levelpath e as experiências relatadas pela NiCE mostram é justamente o oposto.
Empresas que investiram em governança desde o início do piloto estão escalando mais rápido e com menos dor. Elas sabem quem é responsável por cada decisão automatizada, têm métricas claras de desempenho, conseguem auditar o comportamento dos sistemas e possuem mecanismos de escalação quando algo sai do esperado.
Já as que trataram governança como um detalhe para resolver depois estão descobrindo que esse depois custa muito caro. Decisões tomadas por sistemas automatizados sem mecanismo de revisão, ausência de registros auditáveis, falta de clareza sobre responsabilidades — esses problemas não aparecem no piloto, mas explodem quando a escala chega. E quando explodem, costumam custar mais do que o projeto economizou. 😬
A transparência também tem um papel importante dentro das próprias organizações. Times que trabalham com ferramentas de IA precisam entender o que o sistema está fazendo, quais são seus limites e quando ele pode errar. Não significa que todo colaborador precisa entender os detalhes técnicos de um large language model, mas significa que precisa existir uma camada de explicabilidade acessível, documentação clara e canais abertos para reportar comportamentos inesperados.
O que vem depois dos pilotos
O que a Levelpath e a NiCE estão sinalizando, cada uma com seu contexto e seus desafios específicos, é que o mercado de inteligência artificial corporativa está entrando em uma nova fase de maturidade. A tecnologia em si já não é mais o principal diferencial competitivo. O que vai separar as empresas que conseguem escalar IA das que ficam presas em pilotos eternos é a capacidade de construir estruturas sólidas de processos, investir em governança real e ter conversas honestas sobre precificação e transparência.
Isso exige uma mudança de mentalidade que vai além do time de tecnologia. Liderança executiva, jurídico, finanças, operações e recursos humanos precisam estar na mesa quando se discute como a IA vai funcionar no dia a dia da empresa. Não como uma camada burocrática que trava a inovação, mas como uma estrutura que garante que a inovação aconteça de forma sustentável, responsável e com resultados que realmente aparecem no balanço.
As empresas que estão descobrindo isso agora ainda têm tempo de se organizar. Os sinais do mercado são claros, os dados estão na mesa e os exemplos práticos — como o da Fabletics — mostram que é possível ir além do piloto com sucesso. Mas exige planejamento, diálogo entre áreas e disposição para tratar a IA não como um projeto de tecnologia, mas como uma transformação de negócio.
O piloto foi só o começo. A parte realmente interessante — e desafiadora — está acontecendo agora. 🚀
