Sua empresa está pronta para ir além da automação? Fabiano Nagamatsu, CEO da Osten Moove, explica que a reação padrão a processos lentos e falta de visão estratégica é “comprar ferramentas”. No entanto, ele ressalta que tecnologia sem estratégia é apenas gasto, especialmente com IA. O salto competitivo vem de redesenhar processos, integrar legados e inserir decisão inteligente no fluxo operacional.
Avanços e Aceleração da IA no Mundo
Empresas globalmente têm avançado em IA. Em 2024, 65% relataram uso regular de IA generativa, subindo para 71% em 2025, normalizando a tecnologia nas funções de negócio, segundo a McKinsey & Company. Além disso, 42% das organizações “enterprise” já implementaram IA, com 40% explorando ativamente, indicando escala e projetos saindo do laboratório, de acordo com a IBM Newsroom.
No investimento, a IDC projeta US$ 227 bilhões em gastos com IA em 2025, com 67% embutidos em produtos e processos centrais. Para GenAI, o gasto deve atingir US$ 202 bilhões até 2028. Na América Latina e no Brasil, a adoção acelera: 37% das empresas implementam GenAI e 45% exploram. Pesquisas locais indicam intenção de aumentar investimentos em IA em 2025 e preferência por código aberto.
Gargalos e Desafios na Adoção de IA
Diagnósticos nacionais (TIC Empresas 2024) mostram um gap de maturidade: a maioria ainda compra “soluções de prateleira” e terceiriza a gestão de IA, enfrentando barreiras de dados, talento e integração. Mas por que tanto investimento resulta em pouca mudança?
Duas travas explicam o “vai-não-vai”. A primeira é a fragmentação, ou “AI sprawl”, com departamentos adotando ferramentas isoladas que criam sobreposição, custos e lacunas de governança. Sem interoperabilidade e um plano único, o valor se dilui, como aponta o TechRadar. A segunda é a combinação de legados e dados: arquiteturas antigas e informações dispersas travam a escala, impulsionando a modernização. O mercado de “legacy modernization” cresce para destravar a integração, aumentar a segurança e permitir que a IA escale, segundo a Mordor Intelligence.
O resultado é que muitos pilotos promissores não chegam ao processo real. Pesquisas executivas, como a da Deloitte, convergem: o valor sustentável aparece quando a IA está integrada ao processo e à decisão, não como acessório.
A Importância da Inteligência de Processos
Ir além da automação significa combinar automação, dados, modelos e governança em um ciclo fechado, onde o processo capta sinais, recomenda ou toma decisões, executa, aprende e melhora o modelo continuamente.
Nesse contexto, a inteligência de processos (process mining ou process intelligence) é fundamental, mapeando gargalos, medindo a situação atual e priorizando casos de uso com alto ROI. Esse mercado cresceu mais de 30% em 2024 e é avaliado por Gartner e Forrester.
Decision Intelligence e Automação Inteligente
Outro elemento essencial é o Decision Intelligence, que “engenheira” a tomada de decisão, unindo dados, regras, modelos e feedback para padronizar como a empresa decide. Uma pesquisa da Gartner com CDOs indica que um terço das organizações já implementa essa abordagem. Por fim, a automação inteligente (IPA), quando conectada ao negócio, potencializa ganhos operacionais e estratégicos.
Além disso, a IDC projeta que o mercado de software de automação inteligente atinja US$ 102,4 bilhões até 2028, com crescimento anual de 24,3%.
Tecnologia sem estratégia é só gasto.
Roteiro para Adoção de Tecnologias Emergentes
Ao adotar tecnologias como IA e automação avançada, um erro comum é investir em ferramentas sem direção estratégica. O primeiro passo é estabelecer uma tese de valor antes de escolher a ferramenta, definindo de três a cinco hipóteses de impacto traduzidas em métricas operacionais, como lead time, NPS, DSO, acurácia de previsão ou custo por contato.
Líderes que focam poucos casos de alto impacto conseguem escalar valor mais rapidamente. Em seguida, é crucial realizar a descoberta e priorização com base em dados reais do processo.
Técnicas como process mining, aplicadas a jornadas críticas, ajudam a medir variações, identificar retrabalho e causas raiz, simulando ganhos para priorizar áreas com maior potencial e energia organizacional.
Dados, Integração e Modernização de Legados
Os dados e a integração precisam vir primeiro, mesmo com sistemas legados. Construir um data backbone simples e incremental, com camadas de confiabilidade, catálogo, linhagem e APIs ou eventos, é essencial. A modernização de legados pode ser feita por meio do “estrangulamento”, encapsulando-os via API e migrando por domínio, reduzindo riscos e interrupções.
Essa prática acompanha a tendência de mercado que reforça a urgência da modernização para escalar a IA. Outro ponto decisivo é a operacionalização e a governança, padronizando práticas de MLOps ou LLMOps, incluindo versionamento, avaliação e monitoramento de viés e performance, além de uma governança clara com papéis definidos, gestão de riscos e auditoria.
ROI e Medição de Resultados
A regulamentação europeia, com o AI Act, já impõe exigências específicas para sistemas de alto risco e modelos de base, influenciando multinacionais no Brasil. Por fim, medir o ROI exige indicadores corretos. Nem sempre o retorno em IA se resume a cortes de custos; muitas vezes, os primeiros sinais de sucesso vêm de indicadores antecedentes, como acurácia, tempo de ciclo, taxa de automação e qualidade da decisão.
Monitorar esses indicadores orienta o caminho para o payback e evita encerrar iniciativas promissoras antes de atingirem seu potencial.
Portanto, ir além da automação não é empilhar ferramentas, mas orquestrar decisão inteligente sobre processos que importam — com IA que aprende com seus dados, integra com seus legados e toma decisões mais rápidas e melhores. É estratégia antes de software, arquitetura antes de modinha, valor de negócio antes de “features”.
Quem fizer isso agora entra no ciclo virtuoso de eficiência e escala; quem não fizer, corre o risco de ver a concorrência transformar pilotos em vantagem competitiva.
Fabiano Nagamatsu é CEO da Osten Moove.
