A nova edição do Global SIAM Survey 2025 revela que, embora 85% das empresas já utilizem Inteligência Artificial (IA) na gestão de incidentes, a maior parte delas ainda enfrenta barreiras estruturais que impedem a escalada real dessas iniciativas. De acordo com o estudo, 74% das organizações afirmam que a integração de sistemas é hoje o principal desafio, seguida por custos (64%) e privacidade de dados (50%).
O Grupo Stefanini e a Scopism lançaram o 8º relatório anual na Scopism Service North Conference, em Manchester, Reino Unido. A pesquisa reúne dados inéditos sobre adoção, maturidade e as principais tendências globais que estão moldando a evolução do Service Integration and Management (SIAM). O estudo reúne respostas de 232 participantes em 34 países e traça um panorama atualizado das práticas, desafios e tendências que moldam a integração e gestão de serviços em ambientes com múltiplos fornecedores.
Desafios na implementação da IA
Para Thiago de Morais Dutra, Delivery Executive Director da MATH, os números confirmam um diagnóstico que já estava claro no mercado: “As empresas têm dados, têm fornecedores, têm aplicações e já possuem IA funcionando em áreas específicas. O problema não é a Inteligência Artificial — o problema é o caos em volta dela. Nada conversa entre si, e quando integração, governança e padronização não existem, qualquer iniciativa de IA se torna frágil e cara”.
Segundo ele, o levantamento traduz exatamente o que ocorre no dia a dia de empresas brasileiras que enfrentam múltiplas aplicações sem coordenação, com gargalos para conectar sistemas legados e falta de visibilidade operacional, o que torna a evolução mais lenta e menos eficiente.
MATH AI Platform como solução
Diante desse cenário, a MATH Group já possui dentro do seu portfólio a MATH AI Platform, lançada em junho de 2025. Ela atua como uma camada unificadora, conectando modelos, dados, APIs e processos de forma governada, padronizada e resiliente, e integra múltiplos provedores de IA — como AWS, Azure, Google Cloud e OpenAI. Assim permite que as empresas troquem de modelo sem refazer toda a solução, ampliando a flexibilidade e a previsibilidade.
Além disso, incorpora conectores nativos para diferentes bancos de dados e ferramentas corporativas, eliminando silos e reduzindo complexidade técnica. A MATH AI Platform entrega governança absoluta: logs centralizados, rastreabilidade de ponta a ponta, políticas de segurança aplicadas a todos os agentes e assistentes, guardrails, auditoria contínua e score de confiança.
Custos e privacidade
Outro ponto crítico apontado pela pesquisa — os custos — também é endereçado pela plataforma, que incorpora FinOps nativo para controle de gastos, com visão por modelo, por agente, por squad ou por área, além de limites configuráveis e otimizador inteligente entre modelos.
Em relação à privacidade, a solução da MATH Group opera com criptografia em trânsito e repouso, controle de acesso por papéis e áreas e máscara dinâmica de dados sensíveis. Ela responde diretamente às três grandes dores identificadas pelo SIAM Survey: integração, custos e privacidade.
Na área de gestão de incidentes, a Plataforma acelera a automação com recursos como detecção antecipada baseada em observabilidade, classificação automática de tickets — reduzindo tempo de triagem em até 70% — e execução autônoma de ações, como restart de serviços, limpeza de filas, consultas e workflows completos.
IA na operação
Para Dutra, essa transformação marca um ponto de virada decisivo: “A IA finalmente saiu do hype e entrou na operação. Agora o desafio não é mais adotar IA, mas sim orquestrar essa inteligência dentro de um ambiente com múltiplos fornecedores, múltiplas APIs, múltiplos bancos de dados e múltiplos modelos. Sem uma plataforma estruturada, o que deveria gerar eficiência acaba gerando caos. A MATH AI Platform foi criada exatamente para garantir que tudo seja claro, auditável e confiável. As pessoas não temem aquilo que entendem e controlam — e é isso que permite que as empresas acelerem com segurança”.
O executivo destaca que 2025 e 2026 configuram um período decisivo para a industrialização da IA no Brasil. Segundo ele, três forças explicam esse novo ciclo: a IA deixou de ser promessa e passou a ser operação; a pressão por compliance aumentou – impulsionada por LGPD, ISO 42001 e novas exigências de auditoria –, e a falta de padronização tornou-se um problema urgente, como comprova o próprio levantamento global.
“Entramos em 2026 com a Plataforma mais preparada para liderar o ciclo de industrialização da IA no Brasil. Enquanto o mercado debate problemas, a MATH já está resolvendo o que a pesquisa aponta como barreiras críticas. Governança, integrações, multi-provedor, multi-modelo, FinOps, segurança corporativa e escala real — construímos tudo isso antes mesmo de o mercado reconhecer a urgência”.
