Cinco perguntas financeiras para escalar a IA “sem deslumbramentos”

A inteligência artificial já não precisa convencer as empresas de que pode ser útil. Depois de alguns anos de entusiasmo, experimentação acelerada e multiplicação de ferramentas, a discussão começa a mudar de natureza e o foco agora está em entender em quais aplicações a tecnologia consegue produzir valor concreto para o negócio e quais condições são necessárias para que esse valor possa ser medido e sustentado.

Leia também: Empresas já têm patrocínio para IA, mas 23% não sabem quanto investem, aponta pesquisa da CI&T e FDC

E é importante frisar aqui que experimentar continua sendo necessário, mas esse movimento deve vir ancorado em uma estratégia sólida de digitalização. Afinal, uma empresa pode ter dezenas de iniciativas de IA em andamento e, ainda assim, não saber exatamente quanto está gastando, quais resultados está produzindo ou que projetos deveriam receber mais recursos.

Uma pesquisa da Amcham Brasil ajuda a dimensionar esse desafio. Embora 84% dos executivos entrevistados afirmem que suas empresas já utilizam IA, 61% dizem que a tecnologia produziu apenas resultados pontuais ou nenhum resultado relevante. Somente 28% relatam ganhos operacionais, enquanto 3% identificam impacto em novas receitas e vantagem competitiva.

O dado não significa que a IA não esteja entregando ganhos. Ele mostra que existe uma distância entre utilizar a tecnologia e incorporá-la a processos capazes de produzir valor mensurável.

É justamente nessa passagem que a área financeira pode assumir um papel mais estratégico, inclusive direcionando perguntas centrais que deveriam fazer parte da conversa quando pensamos em dar escala para um caso de uso de inteligência artificial.

A primeira é simples: qual problema de negócio se quer resolver? A tecnologia não deveria ser o ponto de partida da decisão. Uma iniciativa pode parecer interessante do ponto de vista tecnológico e, ainda assim, ter pouca relevância econômica e operacional. O caminho mais consistente é identificar uma ineficiência, uma oportunidade de receita, uma necessidade de produtividade ou um risco e avaliar se a IA é capaz de atuar sobre aquela demanda.

A segunda pergunta é quanto custa, de fato, essa iniciativa. O cálculo não pode terminar na licença de uma ferramenta ou no valor de uma plataforma. É preciso considerar integração com sistemas existentes, infraestrutura, consumo de modelos, armazenamento, treinamento das equipes, segurança, governança e horas dedicadas à implementação e manutenção. O custo de uma solução de IA, e de qualquer tecnologia, é o conjunto desses elementos.

A terceira pergunta é qual resultado esperamos e como ele será medido. Reduzir o tempo de uma tarefa pode ser relevante, por exemplo, mas seu efeito econômico precisa ser traduzido em indicadores que permitam acompanhar a evolução. O mesmo vale para redução de erros, aumento de produtividade, conversão, retenção de clientes ou criação de novas receitas. Sem uma métrica definida antes da implementação, é fácil transformar percepção de ganho em justificativa para continuar investindo.

A quarta pergunta é qual é o impacto de não investir. Na hora de escalar uma tecnologia, em outras palavras, também é preciso entender o custo de uma operação permanecer como está. Se um processo consome muitas horas, apresenta alto índice de retrabalho ou limita a capacidade de atendimento, não adotar uma solução produz efeitos que precisam entrar na análise.

Por fim, é necessário estabelecer previamente quais critérios determinarão o futuro do projeto. Um piloto deve ter condições objetivas para ser escalado, ajustado ou encerrado. Isso evita que iniciativas continuem recebendo recursos simplesmente porque já entraram no orçamento.

A cobrança por esse olhar estratégico sobre a escala da digitalização tende a aumentar. Em levantamento divulgado pela IBM, por exemplo, 90% dos líderes de tecnologia entrevistados disseram ter dificuldade para medir o retorno sobre investimentos em inovação, justamente em um momento de expansão dos orçamentos de TI.

Tudo isso coloca a área de finanças em uma posição que vai muito além da aprovação ou reprovação de orçamento. Cabe a ela ajudar a construir critérios econômicos para a inovação, aproximando tecnologia, operação e estratégia. A disciplina financeira, nesse contexto, funciona como um mecanismo de seleção, direcionando recursos para aquilo que demonstra capacidade real de gerar valor.

Pois a maturidade em inteligência artificial não será determinada apenas pela quantidade de ferramentas disponíveis dentro de uma organização, mas pela capacidade de identificar problemas, testar soluções com responsabilidade, medir resultados e concentrar investimentos onde os dados sustentem a decisão.

E esse passo exige, por fim, menos deslumbramento e mais capacidade estratégica de escolha.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!