IA sem processos é rápida e confiante, mas frequentemente está errada
A Inteligência Artificial que age com velocidade e confiança pode parecer exatamente o que toda empresa precisa. Mas tem um detalhe que muita gente ignora: quando essa IA não está ancorada em processos sólidos, ela erra — e erra rápido, em escala.
Não é exagero.
Uma pesquisa do Harvard Business Review Analytic Services, encomendada pela Appian, mostrou que apenas 16% das organizações conseguem extrair alto valor mensurável dos seus investimentos em IA. Isso significa que a grande maioria está pagando caro por algo que ainda não entrega o que promete. E o pior: muitas dessas empresas nem sabem exatamente onde está o gargalo — se é na tecnologia em si, nos times que a operam ou nos processos que deveriam sustentar tudo isso.
Foi exatamente esse cenário que esteve no centro do AppianWorld 2026, em Orlando, onde a Appian foi além dos slides bonitos e trouxe casos reais de como automação de processos e IA podem funcionar juntas de um jeito que faz sentido, tanto para o negócio quanto para quem usa no dia a dia. O evento reuniu líderes de tecnologia, gestores de operações e especialistas em transformação digital para discutir algo que raramente aparece nas manchetes: a diferença entre uma IA que impressiona em demo e uma que realmente funciona em produção, sob pressão, com dados reais e consequências concretas.
O CEO da Appian, Matt Calkins, citou o relatório do HBR durante o keynote de abertura e conectou os dados à sua convicção de longa data: IA só se torna útil quando é estruturada. Ele destacou uma frase do próprio relatório — a próxima fase da maturidade em IA depende de incorporar a IA no núcleo de como o trabalho é feito — e completou com pragmatismo: a Appian faz isso há anos. O AppianWorld foi, portanto, o palco para dar substância a essa afirmação, com anúncios concretos e exemplos práticos.
A empresa tem 25 anos de história construindo sistemas para ambientes onde errar tem consequências sérias — bancos, farmacêuticas, agências governamentais. E agora ela está posicionando a IA não como uma solução mágica, mas como mais uma camada dentro de uma estrutura que já funciona. A pergunta que vale a pena fazer é: essa proposta se sustenta fora do palco do keynote? É isso que vamos explorar aqui. 👇
IA como uma nova camada de processo
Para entender o que a Appian está tentando fazer, é importante considerar de onde a empresa vem. A Appian não é, por natureza, uma empresa de IA. É uma plataforma de automação de processos que se especializou ao longo de 25 anos em digitalizar e automatizar processos de negócios complexos em grandes organizações reguladas. Pense em bancos processando pedidos de empréstimo, farmacêuticas gerenciando ensaios clínicos ou governos emitindo licenças. Processos onde um erro não é apenas custoso, mas às vezes francamente perigoso. Esse é o mercado onde a Appian atua há décadas e onde agora está adicionando a IA como uma nova camada.
Por que essa combinação é tão importante? A resposta está em uma característica fundamental da IA que é frequentemente subestimada. Wei Smith, Product Manager de Agentes de IA na Appian, foi direta durante uma sessão no evento: um agente de IA que não conhece seus processos é rápido e confiante, mas frequentemente está simplesmente errado. Velocidade e escala não ajudam se o resultado está incorreto. Elas só agravam o problema.
Jake Rank, Senior Director de Product Management para IA na Appian, viu isso na prática após a disponibilidade geral do Agent Studio. Os clientes queriam implantar agentes para praticamente tudo, o que é compreensível dado que o mercado está clamando por agentes. Mas a experiência mostrou que uma regra de negócio padrão ou uma integração simples simplesmente funciona melhor em muitas situações. A Appian incorporou essa lição no Composer, que usa requisitos inseridos para aconselhar quando você precisa de um agente e quando não precisa. As organizações que mais extraem valor da IA não são as que implantam agentes em todo lugar, diz Rank. São as que sabem quando não fazê-lo.
O problema real por trás dos números
Quando você olha para aqueles 16% que conseguem extrair valor real da Inteligência Artificial, a primeira reação é achar que o problema está na tecnologia. Que os modelos ainda não são bons o suficiente, que os dados são ruins, que falta poder computacional. Só que a realidade que emergiu no AppianWorld 2026 aponta para uma direção bem diferente: o maior obstáculo não é técnico, é estrutural. As empresas estão tentando aplicar IA em cima de processos fragmentados, mal documentados e cheios de exceções que nunca foram resolvidas. O resultado é previsível: a IA aprende os problemas junto com os fluxos e começa a replicá-los em velocidade industrial.
Esse é um ponto que a Appian tem martelado repetidamente nos últimos anos, e que ganhou ainda mais força nessa edição do evento. Automação sem processo é só caos em alta velocidade. Não importa o quão sofisticado seja o modelo de linguagem ou o quão preciso seja o sistema de reconhecimento de padrões: se o fluxo de trabalho que ele está operando não foi desenhado com clareza, com responsabilidades bem definidas e com pontos de controle adequados, a IA vai escalar justamente aquilo que deveria ser corrigido. E as consequências em setores como saúde, finanças e governo podem ser muito mais sérias do que uma simples ineficiência operacional.
- 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.
O dado do Harvard Business Review Analytic Services não é apenas um número para slide de apresentação. Ele revela uma maturidade organizacional que ainda está em construção em grande parte do mercado. As empresas que estão no grupo dos 16% não necessariamente têm a IA mais avançada ou o maior orçamento de tecnologia. O que elas têm em comum é uma disciplina de processos que antecede a adoção da IA — uma base sólida sobre a qual a automação inteligente consegue operar com previsibilidade, auditabilidade e resultado mensurável.
Participante do processo, não substituto dele
Escolher quando usar um agente é uma coisa, mas o desafio está em garantir que esse agente funcione de forma confiável. Durante o keynote, Calkins explicou como isso funciona na prática: um agente de IA recebe uma tarefa única e bem definida, só pode fazer o que o processo permite e está sempre sob supervisão humana. A Appian às vezes até verifica o resultado fazendo com que dois modelos de IA executem a mesma tarefa e comparando os resultados. Um processo é uma máquina de confiabilidade, disse Calkins. Ele captura erros antes que causem danos. Isso já era verdade para humanos, e agora é verdade para a IA. Nessa lógica, a IA não substitui o processo — ela é uma nova participante que depende do processo para funcionar.
Siddharth Goyal, VP de Automação Inteligente na Xebia, parceira de implementação da Appian, confirma isso na prática. Dois anos atrás, seus clientes faziam fila para organizar seus dados, presumindo que dados melhores eram a chave para uma IA melhor. Essa discussão mudou, ele diz. A maior parte do valor é criada quando as organizações focam no processo, não nos dados. Pense no processo dentro do qual você quer que a IA opere, e o resto vai se encaixar naturalmente.
Agentes de IA: o que mudou na conversa
Um dos temas que mais aqueceu as discussões no AppianWorld 2026 foi o papel dos agentes de IA dentro de fluxos de trabalho corporativos. Diferente do que muita gente imagina, agente não é sinônimo de autonomia total. Na visão que a Appian apresentou ao longo do evento, um agente bem construído é aquele que sabe exatamente até onde ele pode ir sozinho e quando precisa escalar para um humano. Essa distinção parece simples, mas ela representa uma virada significativa na forma como o mercado está pensando sobre maturidade em IA.
Durante anos, a conversa sobre automação girou em torno de eliminar o humano do processo. Quanto mais automatizado, melhor. Quanto menos intervenção humana, mais eficiente. Só que essa lógica começa a se tornar problemática quando você lida com decisões que envolvem risco regulatório, impacto financeiro relevante ou julgamento contextual que os modelos ainda não conseguem exercer com consistência. O que a Appian está defendendo — e o que os casos apresentados no evento corroboram — é que os agentes mais eficazes são aqueles projetados para colaborar com humanos em pontos estratégicos do processo, e não para substituí-los de forma indiscriminada.
Essa abordagem tem um nome técnico que ganhou popularidade recente: human-in-the-loop. Mas no contexto do AppianWorld, ela ganhou uma camada prática que vai além do conceito. A plataforma da Appian permite que os times configurem com precisão quais decisões um agente pode tomar de forma autônoma, quais precisam de revisão humana e quais devem ser bloqueadas até que um responsável valide. Esse nível de controle granular sobre o comportamento dos agentes é exatamente o que diferencia uma implementação madura de IA de uma aposta tecnológica sem guardrails. E para setores altamente regulados, isso não é um diferencial — é uma exigência.
Mas existe um risco sutil que Mark Talbot, Director de Arquitetura e IA na Appian, destacou com franqueza. A Appian enfatiza a importância do humano no loop, mas e se essa pessoa parar de realmente olhar? Se alguém sempre aceita a sugestão da IA sem pensar, a supervisão humana se torna uma fachada, ele disse. Supervisão real requer conhecimento do processo. Você precisa manter isso. A Appian leva esse risco a sério. No Doc Center, o módulo que permite às organizações processar e revisar documentos automaticamente, a plataforma rastreia quem consistentemente aceita todas as saídas da IA e quem realmente faz correções. Não como punição, mas como sinal: se ninguém está corrigindo nada, a pergunta não é se a IA é boa o suficiente, mas se o humano no loop ainda está realmente exercendo supervisão.
Não comece pela tecnologia: as lições de Pfizer e Carlyle
A Pfizer demonstrou no evento o que significa colocar o processo antes da tecnologia. A farmacêutica trabalha com a Appian há anos para gerenciar contratos com profissionais de saúde em 143 países. Todo dia, 75 mil funcionários trabalham com o sistema, em uma indústria onde errar não é opção. Anne Furey, VP de Meetings, External Engagements e Travel na Pfizer, foi clara durante o keynote: em nossa indústria, conformidade não é uma escolha, é nossa licença para operar.
Antes da implementação, fechar um contrato levava de seis a oito semanas, às vezes mais. Agora esse tempo foi reduzido para menos de 24 horas. Mas esse ganho não veio de implantar a IA primeiro. Sua colega Kathy Maltz, Senior Director de Digital e Technology, explicou o racional: você não pode automatizar complexidade, precisa eliminá-la primeiro. Então não começamos pela tecnologia, começamos ouvindo. Só depois que a Pfizer simplificou o processo, padronizou etapas e eliminou passos desnecessários é que a IA foi adicionada como camada extra. O resultado é um sistema onde a IA processa documentos, verifica dados e sinaliza discrepâncias, mas um funcionário sempre toma a decisão final.
Um padrão similar está surgindo na Carlyle, firma de investimentos que gerencia mais de 470 bilhões de dólares em ativos, distribuídos por milhares de entidades legais e contas bancárias em 27 países. Lá, processos de pagamento não são função de back-office — são o núcleo de como as operações acontecem. Trabalhando com a Appian, a Carlyle construiu um sistema de pagamento global onde a IA processa faturas e extrai dados automaticamente, mas humanos fornecem a aprovação. O resultado: redução de 40% no tempo entre a data da fatura e o pagamento, medida em mais de 14 mil solicitações de pagamento e mais de 4,5 bilhões de dólares em transações nos primeiros três meses. Shakira Fraser, Head de Operações Financeiras na Carlyle, foi direta ao subir no palco: isso não é um roadmap, não é um piloto, não é uma prova de conceito. Essa é uma plataforma de produção que já está entregando resultados reais.
Essencial para uma missão da NASA
Talvez o exemplo mais impressionante tenha vindo da NASA. A agência espacial americana construiu um sistema de gestão de contratos completamente novo — o NASA Contract Management System (NCMS) — com a Appian em apenas nove meses. Para uma organização com onze integrações de sistemas complexas, ativa em todos os centros da NASA e responsável por aproximadamente 85% do orçamento da agência, isso é excepcionalmente rápido.
O impulso, aliás, não foi entusiasmo — foi necessidade. A NASA perdeu 135 pessoas através de um programa de saída voluntária e não as substituiu, enquanto a missão Artemis estava acelerando. Conforme a carga de trabalho aumentava, o quadro de pessoal diminuía. Antes da implementação, especialistas em contratos trabalhavam com uma colcha de retalhos de sistemas desatualizados e isolados. Estavam tão frustrados que muitos preferiam redigir seus contratos no Word em vez de no sistema oficial. Para a organização, isso significava nenhum dado centralizado, nenhuma visão geral e nenhum controle sobre seu próprio processo de compras.
Isso mudou com a Appian, diz Melanie Landers, que liderou a implementação técnica como Enterprise Applications Program Lead. O sistema desempenhou um papel direto na missão Artemis II, com a qual a NASA enviou humanos de volta à Lua pela primeira vez desde as missões Apollo. Para essa missão, 2.700 fornecedores de 47 estados americanos colaboraram: empresas que forneceram peças, materiais e serviços especializados para a construção da cápsula Orion e do veículo de lançamento. Todo contrato necessário passou pelo NCMS. Allison Sandt, Diretora Interina do E-Business Systems Office, que liderou o lado funcional do projeto, resumiu: sem processos de compras que funcionam bem, nenhum foguete sai do chão. 85% do orçamento da NASA passa por compras. Somos parte essencial de toda missão bem-sucedida.
Processo como fundação, não como burocracia
Existe um preconceito silencioso no mundo da tecnologia quando o assunto é processo. Muita gente associa gestão de processos a burocracia, a fluxogramas intermináveis, a aprovações em cadeia que travam mais do que ajudam. Mas o que o AppianWorld 2026 deixou claro é que processo, quando bem desenhado, é exatamente o oposto disso. Ele é o que permite que a automação e a Inteligência Artificial operem com velocidade sem perder confiabilidade. É a diferença entre um carro sem freios indo rápido e um carro bem calibrado que consegue acelerar e frear com precisão.
A Appian construiu sua reputação em cima dessa premissa. Nos 25 anos de empresa, o foco sempre esteve em criar plataformas que permitissem às organizações mapear, automatizar e monitorar processos complexos em ambientes onde a margem de erro é mínima. Quando a onda de IA chegou com força, a empresa não precisou reinventar sua proposta de valor. Ela simplesmente posicionou a IA como mais uma capacidade dentro de um ecossistema que já havia sido projetado para suportar complexidade com controle. Isso é maturidade de produto e também é maturidade de visão estratégica.
Mas nem toda implementação bem-sucedida tem a escala da Pfizer ou da NASA. Mark Talbot descreveu em uma conversa com a Techzine um provedor de telecomunicações onde sua equipe construiu um agente que verifica desenhos arquitetônicos recebidos: os tipos de documento correspondem a este tipo de projeto? Parece simples, mas economiza três dias de tempo de espera por solicitação, ele disse. O agente tem acesso à base de conhecimento, percorre as etapas de forma independente e registra seu raciocínio. Um funcionário pode ver exatamente como a decisão foi alcançada depois. Isso foi seguido por um segundo caso de uso: identificar submissões duplicadas de projetos. Dois passos pequenos, ambos com economia de tempo demonstrável. Isso é exatamente o que queremos dizer com IA Séria, diz Talbot. Não é espetacular, mas é confiável e mensurável.
A tecnologia é promissora, mas ainda não está completa
Os casos dos clientes são impressionantes, mas não contam toda a história. Por trás dos sucessos existe uma realidade que a própria Appian não esconde: a tecnologia é promissora, mas ainda não está completa. Os agentes ainda não se aprimoram automaticamente, a governança entre usuários de negócio é uma questão em aberto e o caminho do piloto à produção é mais longo do que muitas organizações esperam.
Talbot é direto sobre o que os agentes da Appian são em sua essência: wrappers em torno de um LLM, assim como ferramentas comparáveis como LangChain ou LangGraph. O que diferencia a Appian não é o agente em si, mas a camada de processo ao redor dele. O refinamento dos agentes ainda é trabalho majoritariamente manual hoje. Sua equipe alimenta manualmente dados de feedback em um modelo externo e depois ajusta os prompts do agente à mão. O próximo passo é a plataforma fazer isso sozinha, diz Talbot. Toda a entrada, saída e raciocínio de um agente já estão registrados na Appian. Os dados estão lá. Agora o sistema precisa aprender com eles por conta própria, sem que ninguém precise intervir.
Rank explica por que esse passo é tão importante. Sem um loop de aprendizado, a precisão de um agente cai assim que as condições de negócio mudam, novas situações surgem ou políticas são alteradas. Você estaria constantemente consertando coisas. Com um loop de aprendizado, essa mesma mudança se torna input, ele diz. O agente reconhece o padrão e performa melhor da próxima vez. Mas há um limite claro: a definição de um agente não muda automaticamente com base no feedback dos usuários. Ajustes fundamentais sempre voltam para o ambiente de desenvolvimento, com todas as verificações associadas. O desenvolvedor decide.
A questão da governança no desenvolvimento low-code por usuários de negócio é outro ponto onde Talbot é transparente. A Appian posiciona sua plataforma em parte como um ambiente onde até funcionários não técnicos podem construir agentes. Mas o que isso significa para controle e conformidade? Isso é um desafio, diz Talbot. Eu acredito fortemente em envolver o negócio, porque eles entendem o trabalho que estamos tentando automatizar. Mas, para ser honesto, não sei se nossa abordagem atual é escalável. Seu colega Rank vê de forma diferente. Na visão dele, a responsabilidade pela conformidade recai sobre o negócio de qualquer forma, não sobre TI. Quanto mais aproximarmos as ferramentas do negócio, melhor eles podem efetivamente assumir essa responsabilidade. As duas perspectivas não são mutuamente excludentes, mas mostram que a Appian ainda está buscando internamente a resposta certa para uma pergunta que é pelo menos tão urgente fora da empresa.
Sucesso pode aumentar a complexidade
Além dos desafios técnicos e de governança, Goyal identifica outro risco a partir da experiência de implementação: as organizações sistematicamente subestimam quanto tempo leva para as capacidades realmente entregarem valor. Isso não é um interruptor que você liga. É uma jornada de vários anos, diz ele.
Eli Zogby, VP de Process and Platform Excellence na Canada Life, uma seguradora canadense que atende milhões de clientes, foi marcantemente honesto no palco sobre o quão desafiadora essa jornada é na prática. Se eu expliquei bem aqui no palco hoje, pode parecer que temos tudo sob controle, ele disse. Mas não é o caso. A Canada Life construiu casos de uso bem-sucedidos, encurtou ciclos e padronizou processos. Mas toda vez que um projeto tem sucesso, um novo perigo surge. Ironicamente, o sucesso do projeto pode na verdade aumentar a complexidade da organização, disse Zogby. Você resolve um problema local, comemora e recomeça. Mas sem padrões compartilhados, você está constantemente reinventando a roda. O passo mais difícil, portanto, não é o primeiro caso de uso. O mais difícil é o que vem depois: escalar, padronizar e alcançar adoção real.
O que separa as empresas que extraem valor das que não extraem
Voltando àqueles 16% que conseguem extrair valor mensurável da IA, vale a pena entender o que eles fazem de diferente. Com base no que foi apresentado no AppianWorld 2026 e no que os dados da pesquisa revelam, algumas características se repetem.
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.
A primeira delas é a existência de uma camada de dados limpa e bem governada antes mesmo de qualquer iniciativa de IA ser iniciada. Parece óbvio, mas na prática é um dos maiores gargalos que as empresas enfrentam. IA precisa de dados de qualidade para funcionar bem, e dados de qualidade são resultado de processos bem estruturados.
A segunda característica é a presença de uma estratégia clara de automação que vai além de casos de uso isolados. As empresas que estão no topo não estão automatizando tarefas aleatórias. Elas estão mapeando jornadas inteiras, identificando onde a IA pode agregar mais valor e onde a intervenção humana ainda é insubstituível. Essa clareza estratégica evita o desperdício de recursos em automações que impressionam em POC mas não escalam para produção com o mesmo desempenho.
A terceira, e talvez mais importante, é a cultura de medição contínua e iteração. As organizações que extraem valor real da IA não tratam a implementação como um projeto com início, meio e fim. Elas tratam como um processo vivo, que precisa ser monitorado, ajustado e evoluído constantemente. Isso exige ferramentas que permitam visibilidade em tempo real sobre o desempenho dos agentes, sobre os desvios nos fluxos automatizados e sobre o impacto mensurável de cada decisão tomada pelo sistema.
Posicionamento de mercado e a camada ao redor da IA
A pergunta que fica após todas essas observações honestas é como a Appian se posiciona em um mercado onde fornecedores como Microsoft, Salesforce e ServiceNow enxergam as mesmas oportunidades. O CEO Calkins tem uma resposta clara: ele posiciona a Appian não como concorrente dos grandes players de plataforma, mas como um complemento indispensável. Não quem fornece a energia, mas a fiação que garante que a luz realmente acenda.
A IA vai de fato mudar tudo, disse Calkins em entrevista à Techzine. Mas ela não pode fazer isso sozinha. Ela precisa de uma camada que a torne confiável em processos críticos. Nós somos essa camada.
Em outubro de 2025, o Gartner posicionou a Appian como Líder no segmento recém-definido de BOAT — Business Orchestration and Automation Technologies — ao lado de Pegasystems e ServiceNow. Mas o Gartner também observou que, até aquela publicação, a Appian havia sido mais lenta que alguns concorrentes na adoção de agentes de IA, com o Agent Studio ainda em beta na época. Jonty Padia, Practice Director na firma de análise Everest Group, vê a Appian como uma empresa com posição tecnológica forte mas estilo de comunicação cauteloso. A Appian prefere mostrar o que já está funcionando em vez do que está por vir, disse Padia. Isso constrói confiança, mas em um mercado onde concorrentes estão lançando roadmaps ambiciosos, pode significar que sua história não ressoa tão alto quanto poderia.
O CTO e fundador Mike Beckley delineou no keynote de encerramento como essa incerteza vai evoluir nos próximos anos. Sua mensagem foi estrategicamente relevante não apenas para a Appian, mas para qualquer pessoa pensando sobre onde está o valor real da IA. Ele apresentou uma visão geral de dez benchmarks de IA dos últimos anos e apontou um padrão frequentemente ignorado na discussão sobre o melhor modelo: os modelos estão convergindo. A distinção não está mais no modelo que você escolhe, disse Beckley. Seja o último modelo comercial ou uma alternativa aberta, isso importa cada vez menos. O que conta é o que você constrói ao redor dele: os processos, a governança, a estrutura que permite ao modelo fazer seu trabalho.
Beckley também descreveu mudanças específicas em como as empresas vão implantar IA nos próximos anos. O data fabric — a camada arquitetural que torna dados de diferentes sistemas disponíveis em tempo real sem mover fisicamente esses dados — está ficando mais inteligente. Hoje, a plataforma já sabe onde os dados estão e como os sistemas estão conectados. O que está vindo é uma compreensão mais profunda da natureza dessas conexões, para que um agente não apenas encontre os dados certos mas também entenda o que esses dados significam no contexto de uma decisão específica.
Os números do Gartner deixam claro o que tudo isso significa para o mercado. Hoje, apenas 5% das empresas usam uma plataforma de automação consolidada que reúne processos, agentes, bots e pessoas. O Gartner espera que esse número chegue a 70% até 2030. A corrida para conquistar essa posição começou.
O AppianWorld 2026 deixou uma mensagem clara no ar: a corrida pela Inteligência Artificial não vai ser vencida por quem tiver o modelo mais avançado ou o maior orçamento de tecnologia. Vai ser vencida por quem souber integrar IA com processos maduros, automação responsável e agentes bem calibrados. E quem ainda está tentando atalhar essa jornada vai continuar fazendo parte daqueles 84% que investem muito e colhem pouco. 🤖
