O lançamento do ChatGPT pela OpenAI, em 2022, foi o pontapé inicial de uma disrupção única em uma geração — que está apenas começando a transformar a forma como o mundo funciona. Mesmo com todo o potencial transformador da IA para redefinir setores inteiros, a maioria das empresas ainda está presa na fase de experimentação. Trimestre após trimestre, nossas pesquisas com grandes organizações revelam o mesmo cenário: menos de 20% conseguiram escalar seus esforços com IA generativa de forma realmente significativa.

O mundo dos negócios está travado.

Conhecemos bem muitas das razões por trás desse impasse: tecnologias implementadas sem uma conexão clara com resultados de negócio, projetos-piloto sem foco ou objetivos específicos, e uma infinidade de casos de uso espalhados, sem qualquer tipo de priorização dentro do vasto universo da IA. Mas, no fundo, o problema é claro — ainda que difícil de resolver: a maioria das organizações está tratando a IA generativa como uma simples implementação tecnológica, e não como uma transformação de negócio.

Diferente de ondas tecnológicas anteriores, a IA generativa não gera valor apenas com adoção básica. O retorno sobre o investimento vem de repensar profundamente como o trabalho é feito e como a empresa compete. E isso exige algo mais estruturado: um redesenho do negócio com a IA no centro da estratégia. 

Em vez disso, muitas empresas estão caindo no que chamamos de “armadilha dos ganhos pontuais” — uma enxurrada de provas de conceito e casos isolados, que até trazem ganhos pontuais de eficiência, mas não escalam. As ferramentas são implementadas, as demonstrações impressionam, mas os resultados concretos nunca chegam.

Essa armadilha não é só uma oportunidade perdida — ela representa um risco estratégico crescente. As próprias lideranças reconhecem isso: disputas em torno da IA estão surgindo em todos os setores. E à medida que a IA generativa evolui — do texto para o multimodal, do passivo para o físico, de ferramenta para agente autônomo — os riscos de adiar decisões só aumentam. Está em jogo a vantagem competitiva.

Para as empresas que já estão imersas em testes com IA, o desafio não é começar, e sim recomeçar. Recalibrar significa dar um passo atrás e perguntar: estamos focados em resultados ou apenas em atividades? Estamos nos dispersando demais? Estamos desenvolvendo a capacidade de escalar? As empresas que estão conseguindo sair dessa armadilha — com um novo compromisso vindo da alta liderança — estão adotando quatro movimentos que, de forma consistente, diferenciam os líderes em IA daqueles que ficam para trás.

Compromisso da liderança executiva 

Parece óbvio, mas na nossa experiência, esse é justamente o ponto de partida crucial ao qual muitas empresas e conselhos ainda não se comprometeram de verdade: liderança faz toda a diferença. A transformação com IA começa — e só se concretiza — na alta liderança. 

Iniciativas de base com ferramentas de IA estimulam a inovação e ajudam a movimentar a cultura interna — o que é ótimo —, mas, sozinhas, não se organizam de forma espontânea para gerar impacto em escala. Sem um direcionamento claro vindo do topo, esses esforços acabam fragmentados, isolados e, no fim, superficiais. Por quê? Porque as equipes precisam de permissão e respaldo da liderança para assumir — e sustentar — mudanças dessa magnitude. 

As empresas que estão realmente avançando com IA generativa a integram no centro de sua estratégia — com ambição proporcional ao envolvimento direto da liderança executiva. Elas definem metas ousadas, alinhadas à estratégia de negócio. Têm uma visão clara de como a IA vai transformar seu setor e deixam evidente a intenção de liderar essa mudança, não apenas acompanhá-la. E tudo isso com a liderança dando o tom desde o início. 

Um exemplo é o do CEO da Shopify, Tobi Lütke. Em abril de 2025, ele emitiu uma diretriz interna determinando que todos os colaboradores da empresa incorporassem a IA ao seu trabalho diário. Ele estabeleceu o uso da IA como uma “expectativa mínima”, exigindo que as equipes justificassem por que uma tarefa não poderia ser feita com IA antes de solicitar mais recursos ou novas contratações. 

Vemos cada vez mais empresas adotando medidas semelhantes para transformar a IA em uma prioridade estratégica e cultural. Algumas estão reformulando seus sistemas de incentivos, incorporando metas relacionadas à IA nas avaliações de desempenho, nos critérios de bônus e nas decisões de promoção. Outras estão lançando programas robustos de capacitação — com cursos, desafios e iniciativas de microlearning — para desenvolver fluência em IA em diversas áreas da organização.

Mas uma coisa é clara: nas empresas que realmente estão avançando, as lideranças executivas estão diretamente envolvidas — definindo a agenda, reforçando o objetivo, utilizando IA no dia a dia e deixando claro, de forma visível, que a adoção da tecnologia é uma prioridade. O patrocínio da liderança não é simbólico; é ativo, intencional e voltado para resultados concretos.

Menos apostas, mais impacto 

E o ponto crucial é que esses domínios não são apenas casos de uso isolados — são sistemas de trabalho. O ciclo de vida do desenvolvimento de software, por exemplo, envolve mais de 40 casos de uso distintos. Como menos da metade do tempo dos desenvolvedores é gasto realmente programando (“mãos no teclado”), apenas usar copilotos não basta. Ganhos reais de produtividade exigem mudanças coordenadas em etapas como design, testes, revisão de código e planejamento.

Vendas B2B é outro exemplo claro: um único caso de uso raramente gera impacto real, porque o trabalho de go-to-market é altamente fragmentado em dezenas de microtarefas. Para liberar mais tempo de contato com o cliente para as equipes comerciais e aumentar a conversão, é preciso reestruturar todo o ciclo de vendas — da geração de leads à proposta e fechamento.

A transformação acontece quando as organizações pensam em domínios que realmente impulsionam vantagem competitiva e retorno sobre o investimento, e não em soluções pontuais. As empresas que têm sucesso não contam com a sorte — elas fazem o trabalho difícil desde o início: definem as áreas estratégicas certas, constroem hipóteses de valor claras e top-down, e criam mecanismos para medir, gerir e escalar a reinvenção ao longo do tempo.

Redesenho completo de processos 

Não é possível alcançar transformação apenas com automação. É preciso repensar o próprio trabalho.

Para que a IA generativa gere impacto real, é preciso repensar os processos do zero: entender com precisão o ponto de partida — como o trabalho é feito hoje — e reimaginar o ponto de chegada, com a IA integrada desde a base em todo o fluxo.

Não se trata de simplesmente sobrepor ferramentas a fluxos de trabalho ineficientes. É sobre construir processos inteiramente novos, com a IA generativa no centro. E, pela nossa experiência, é o redesenho dos processos — e não a tecnologia em si — que gera a maior parte do valor.

Um exemplo marcante é o de um grande banco que transformou sua forma de se relacionar com os clientes por meio da IA. Após anos de investimento consistente na construção de uma base digital robusta — capaz de oferecer uma visão completa de cada cliente —, o banco já contava com evidências concretas do valor gerado por esse uso inteligente: em determinadas campanhas, o valor do cliente ao longo do tempo dobrou, e o índice de recomendação triplicou, medido pelo Net Promoter System®. O grande desafio, no entanto, foi escalar essa abordagem para todos os 18 milhões de clientes da instituição.

Um passo decisivo foi repensar os processos com fluxos de trabalho já pensados para funcionar com IA desde o início. O banco criou uma nova área de negócios, com times enxutos e dedicados a “missões do cliente” — ou seja, a melhorar o engajamento em momentos importantes da jornada. Em vez de disparar campanhas com mensagens de venda em momentos isolados, essas equipes passaram a usar gatilhos inteligentes para se conectar com os clientes de forma mais útil e relevante. Por exemplo: ao perceber que um cliente está fazendo saques em caixas eletrônicos que cobram tarifa, o banco envia uma notificação indicando opções gratuitas próximas.

A base tecnológica robusta do banco, somada ao uso de agentic AI — capaz de realizar raciocínios complexos e resolver problemas em tempo real —, permitiu automatizar uma grande quantidade de tarefas manuais. Com isso, as equipes com foco nas missões do cliente concentram seus esforços na geração de ideias de alto impacto, com base em dados. Esses times utilizam uma ferramenta de IA desenvolvida especificamente para essa finalidade, que permite entender melhor o comportamento dos clientes, simular diferentes estratégias de engajamento, transformar rapidamente as melhores ideias em testes e, em seguida, medir e otimizar continuamente os resultados com base no que funciona — e no que não funciona.

E os resultados? Hoje, transformar um insight sobre o cliente em uma campanha ativa leva apenas um dia — antes, esse processo podia levar de 60 a 100 dias. O que antes demandava 40 pessoas e até 10 repasses entre áreas, agora é feito por quatro ou cinco colaboradores, sem nenhuma etapa intermediária. 

Esse tipo de trabalho raramente é glamouroso. Ele exige um entendimento profundo dos fluxos atuais e, ao mesmo tempo, imaginação e compromisso para reconstruí-los do zero. Mas é justamente isso que separa ganhos pontuais de transformações de verdade.

Um modelo operacional voltado para a transformação 

Tudo o que foi descrito até aqui dá trabalho — e muito: definir prioridades estratégicas, estabelecer metas claras partindo do futuro desejado, mapear processos em detalhe, implementar tecnologia com inteligência, promover mudanças de comportamento e estruturar uma boa governança. Embora os resultados — e não as ferramentas — devam continuar no centro da transformação, a base tecnológica, os dados e a segurança são igualmente essenciais. Acertar nesses pilares exige análise rigorosa, escolhas bem pensadas e decisões de arquitetura que se sustentem no longo prazo.

Ainda assim, poucas empresas estão incorporando um verdadeiro motor de transformação ao seu modo de operar. Para deixar claro: não estamos defendendo uma estrutura rígida e centralizadora. Isso até pode funcionar em alguns contextos, mas está longe de ser o ideal na maioria dos casos. O que temos visto nas organizações bem-sucedidas é a criação de uma pequena equipe dedicada à transformação, com o papel de promover transparência contínua e flexibilidade ao longo do processo. Essa equipe apoia times de solução, que pertencem às áreas de negócio, e que são responsáveis por desenhar mudanças alinhadas aos resultados de longo prazo definidos pela liderança. Esses times testam as mudanças em parceria com as operações e as escalam por meio de um modelo bem estruturado e replicável. O papel da equipe de transformação é justamente esse: garantir repetição, coordenação e geração de valor sustentada ao longo do tempo.

Pela nossa experiência, os líderes que estão se destacando operam em duas frentes ao mesmo tempo: executar e transformar. As áreas de negócio têm um papel importante nas duas, com foco em seis frentes essenciais:

• Processo End-to-end. Olhar além dos silos e repensar como as principais fontes de valor podem contribuir para os objetivos estratégicos e financeiros do negócio. 
• Mobilização dos times de solução e ritmo de execução. Garantir que os times de solução estejam preparados para testar e escalar iniciativas, com etapas claras para remover obstáculos e liberar recursos com agilidade.  
• Infraestrutura e governança de dados. Concentrar os esforços e investimentos em dados no que realmente gera valor — em vez de tentar consertar tudo. Desenvolver capacidades para lidar com dados não estruturados e sintéticos, e estabelecer uma governança forte para garantir qualidade, reaproveitamento e alinhamento com as prioridades do negócio. 
• Escalonamento. Assumir o compromisso de escalar mudanças de forma rápida e eficiente nas operações, adaptando a escala à realidade de cada contexto — seja por território, fábrica, cliente etc. 
• Adoção. Criar e manter ciclos constantes de feedback, como relatórios semanais de adoção, para apoiar os times de solução na ampliação do uso e dar visibilidade aos avanços. 
• Qualidade da parceria entre negócio e tecnologia. Fortalecer, em toda a organização, a visibilidade sobre as plataformas habilitadoras, as oportunidades de reaproveitamento e a governança adequada para garantir consistência e impacto. 

Acreditamos que esse movimento de transformação contínua, com foco real em mudar o negócio, precisa se tornar uma característica permanente das empresas modernas. Com a aceleração da disrupção provocada pela IA, as organizações vão ter que aprender a equilibrar, o tempo todo, dois objetivos em paralelo: manter o negócio rodando e, ao mesmo tempo, transformar o negócio. E os desafios não param de crescer — são cada vez mais temas estratégicos, interfuncionais e operacionalmente complexos. Como desenhar processos para fluxos de trabalho realmente com base em "agentic workflows"? Como organizar e gerenciar a quantidade massiva de dados não estruturados gerados por IA? E como liderar — e capacitar — uma organização formada por pessoas, agentes autônomos e, quem sabe, até robôs?

As perguntas não vão parar — elas só vão se multiplicar à medida que a IA evolui. E encontrar as respostas não será um esforço pontual. Vai exigir um movimento de transformação contínuo, incorporado ao modelo operacional da empresa, além de capacidades organizacionais preparadas para sustentar essa mudança no longo prazo.

Da experimentação à transformação em escala

A IA não é apenas mais uma onda tecnológica. Ela representa uma mudança fundamental na forma como o trabalho é realizado e como o valor é gerado (Figura 1).