A inteligência artificial (IA), sem dúvidas, é um dos temas mais falados em qualquer roda de conversa, reunião ou evento, seja relacionado à tecnologia ou não. De fato, parece existir uma “pressão” para que as empresas entreguem seus produtos ou soluções, conseguindo de alguma forma incluir uma camada de IA durante esse processo. Pela ótica de quem trabalha nessa implementação, há uma pressão para aumentar a produtividade e incorporar a IA às suas rotinas.
Para os mais resistentes, será um desafio aceitar essa nova realidade pela qual o mundo todo está passando e entender que existe um leque de possibilidades para aprender novas formas de fazer mais com menos. Para aqueles que já entenderam que a ideia de que “a IA vai roubar o meu emprego” não passa de uma frase pronta do grupo mais conservador, e que, na verdade, a IA é uma ferramenta de trabalho que chegou para revolucionar como as empresas e pessoas produzem, vendem e compram produtos e serviços, surge uma oportunidade para se especializar em um novo nicho de mercado ou até mesmo mudar de área ou criar um negócio a partir disso.
De fato, a pressão existe, e podemos observar o crescimento significativo na adoção de IA pelas empresas, que aumentou de 53% em 2023 para 78% em 2024, segundo estudo publicado no relatório AI Index, do Stanford Institute for Human-Centered Artificial Intelligence (HAI). Outro dado interessante do mesmo relatório é em relação ao volume de investimentos privados em IA, que somente nos Estados Unidos atingiu, em 2024, a cifra de US$109 bilhões, sendo que aproximadamente 30% desse montante foi destinado exclusivamente para IAs generativas.
O uso de IA em Supply Chain
A adoção de inteligência artificial (IA) em cadeias de suprimentos está redefinindo a eficiência operacional, a tomada de decisões e a competitividade organizacional. Dados do Gartner revelam que, até 2028, 25% dos relatórios de KPIs serão alimentados por modelos de IA generativa (GenAI), e robôs inteligentes superarão o número de trabalhadores em setores como manufatura, varejo e logística. Organizações de alto desempenho já utilizam IA para otimizar processos críticos, como previsão de demanda e gestão de pedidos, em taxas duas vezes maiores que as de baixo desempenho.
Em 2024, a IA (incluindo aprendizado de máquina) e a GenAI emergiram como as principais prioridades de investimento para líderes de cadeias de suprimentos, conforme apontado por uma pesquisa feita pelo Gartner com 419 executivos. Nos Estados Unidos, 26% dos respondentes priorizam IA tradicional, enquanto na Europa Ocidental apenas 14% compartilham dessa ênfase, preferindo tecnologias alinhadas à Indústria 4.0, como robótica em manufatura. Essa disparidade geográfica reflete diferenças nas estruturas industriais e nas estratégias de digitalização.
Ainda de acordo com o Gartner, empresas de alto desempenho destacam-se pela implementação acelerada: 74% já estabelecem mecanismos de segurança de dados em parceria com TI, contra 61% das organizações menos eficientes. Além disso, 57% das líderes analisam dados de satisfação do cliente específicos da cadeia de suprimentos, comparados a 35% das concorrentes. Essas estatísticas sublinham a correlação entre maturidade digital e desempenho operacional. A escassez de mão de obra e os custos trabalhistas crescentes impulsionam a automação. O Gartner prevê que, até 2028, 40% dos grandes armazéns utilizarão ferramentas de engajamento de funcionários, enquanto sistemas robóticos de picking e caminhões autônomos ganharão escala.
Desafios na implementação de IA
Muito se discute sobre as aplicações de IA, mas particularmente vejo poucas pessoas debatendo sobre os desafios de implementar IA dentro de uma organização, seja qual for o segmento em que ela atua. É necessário refletir e compreender quais são esses desafios para ter clareza e, consequentemente, sucesso nessa empreitada. O primeiro e mais importante fator, frequentemente negligenciado, são os dados existentes na empresa e sua integração, pois eles são a “matéria-prima” essencial para qualquer modelo de IA.
O estudo do Instituto de Formação em Tecnologia e Liderança (IFTL) reforça a importância da qualidade dos dados e traz um dado alarmante: 42% dos projetos de IA falham na fase de treinamento devido a conjuntos incompletos ou enviesados. Setores regulamentados, como saúde e finanças, enfrentam desafios com a fragmentação de informações entre silos departamentais, onde 67% dos dados relevantes permanecem não estruturados. O sucesso de uma aplicação de IA está diretamente relacionado à qualidade dos dados utilizados. Por isso, torna-se essencial, antes de qualquer iniciativa, entender onde os dados estão armazenados, se estão integrados entre diferentes departamentos da empresa e estabelecer minimamente processos de governança para garantir o fluxo e a qualidade dos dados utilizados.
Quando pensamos em integração entre sistemas, temos um grande desafio pela frente. A incompatibilidade entre infraestruturas legadas e novas arquiteturas de IA representa um gargalo para 55% das organizações, segundo o Gartner. Sistemas de ERP e CRM desenvolvidos antes da era da nuvem frequentemente carecem de APIs adequadas para comunicação com modelos de machine learning, exigindo investimentos médios de 18 a 24 meses em modernização tecnológica. Empresas de manufatura, por exemplo, enfrentam dificuldades ao conectar sensores IoT a plataformas preditivas, resultando em lacunas de dados que comprometem a acurácia de algoritmos.
Outro fator crítico a considerar é a segurança da informação ao interagir com aplicações de IA que utilizam informações confidenciais e sensíveis. A crescente adoção da inteligência artificial generativa (GenAI) tem levantado sérias preocupações no campo da segurança cibernética. Segundo alerta recente do Gartner, essas ferramentas tendem a intensificar os riscos, sobretudo quando envolvem transferências internacionais de dados. A consultoria projeta que, até 2027, cerca de 40% das violações de segurança estarão relacionadas ao uso indevido de GenAI fora das fronteiras geográficas originais.
Uma pesquisa do Instituto IFTL revela que, somente em 2024, 23% das empresas relataram vazamentos de informações sensíveis por meio de prompts inseridos em chatbots corporativos. Esse tipo de incidente evidencia como a ausência de controles adequados pode transformar assistentes virtuais em pontos críticos de exposição.
Parte do problema está na falta de padronização regulatória. Apenas 15% das organizações contam com políticas globais consolidadas para auditoria de modelos de IA. A maioria (68%) ainda depende de estruturas regionais isoladas, o que não apenas compromete a eficácia da governança, mas também gera um ônus financeiro considerável. Estima-se que o custo de compliance para empresas multinacionais possa aumentar em até 200%, uma vez que precisam alinhar seus sistemas a regulações distintas, como o AI Act da União Europeia e as diretrizes do CFPB (Consumer Financial Protection Bureau) nos Estados Unidos.
Como resposta, o Gartner recomenda a adoção de estruturas TRiSM (Trust, Risk and Security Management), capazes de reduzir em 50% os incidentes envolvendo dados corrompidos até 2026. Soluções como ambientes de execução confiável (TEEs) e criptografia pós-quântica já estão sendo implementadas por 33% das empresas líderes, acompanhadas da criação de comitês multidisciplinares de governança de IA.
As barreiras culturais e a ausência de qualificação interna representam outro grande desafio para qualquer empresa. A resistência cultural afeta 42% das iniciativas, com gerentes intermediários bloqueando automações devido a percepções equivocadas sobre substituição de funções. Além disso, segundo o Instituto IFTL, 31% das empresas adiam projetos de IA pela falta de profissionais qualificados, situação agravada pela competição global por cientistas de dados. A disparidade salarial entre setores intensifica esse desafio, num cenário em que especialistas em IA recebem até 127% a mais em fintechs em comparação com indústrias tradicionais.
Evidentemente, não é tarefa simples recrutar profissionais com as habilidades necessárias e superar as barreiras culturais. Uma abordagem eficaz para esse entrave é a criação de laboratórios de inovação para testar casos de uso de baixo risco, priorizando ganhos rápidos de eficiência, demonstrando na prática os benefícios dessa aplicação aos profissionais mais resistentes. Outra sugestão é estabelecer parcerias entre universidades e indústria, para captar novos talentos e capacitar colaboradores internos que já possuem domínio das regras de negócio.
Outros desafios relevantes incluem a falta de uma regulação única sobre o tema, o que faz com que 78% das empresas desenvolvam múltiplas versões de sistemas de IA para diferentes jurisdições. Na União Europeia, os requisitos do AI Act exigem investimentos 30% superiores aos padrões norte-americanos, criando assimetrias competitivas. Deve-se também considerar o aspecto financeiro de qualquer projeto de implementação de IA, especialmente no que diz respeito à complexidade de demonstrar para a alta gestão o retorno financeiro (ROI – Return on Investment), principalmente em estágios iniciais onde os benefícios ainda são intangíveis. De acordo com o Gartner, demonstrar o valor da IA permanece um desafio para 49% dos líderes, sendo necessários novos KPIs alinhados a objetivos estratégicos, uma vez que métricas tradicionais como o ROI falham em capturar os ganhos em agilidade e experiência do cliente.
Apesar dos múltiplos desafios mencionados, a implementação da IA não precisa ser vista como complexa ou inatingível. Compreendendo antecipadamente os obstáculos relacionados à integração de sistemas, governança de dados, segurança cibernética e barreiras culturais, é possível traçar uma estratégia sólida e eficaz. A inteligência artificial chegou para transformar o mercado, trazendo ganhos tangíveis e intangíveis em produtividade, eficiência operacional e satisfação do cliente. Portanto, é crucial que empresas e profissionais adotem uma postura proativa, aberta à inovação e disposta ao aprendizado contínuo. Quem navegar esses desafios com clareza e resiliência colherá resultados transformadores, fortalecendo seu posicionamento competitivo num futuro impulsionado pela tecnologia.
