Por que a adoção de IA nas empresas ainda enfrenta tantas barreiras?

A inteligência artificial (IA) já integra o cotidiano de milhões de pessoas ao redor do mundo. Em aplicações pessoais, ela organiza rotinas e resolve problemas de forma intuitiva, prática e, muitas vezes, quase invisível. No contexto corporativo, no entanto, a adoção da IA segue um caminho mais tortuoso, marcado por entraves técnicos, estruturais e culturais.

Segundo pesquisa conduzida pela consultoria Maitha Tech, a maioria dos executivos ainda encontra barreiras significativas para incorporar soluções de IA em suas empresas. Entre os principais obstáculos, destacam-se a ausência de regulamentações claras e a carência de profissionais com formação especializada. Seis em cada dez entrevistados mencionaram a falta de mão de obra especializada como um dos entraves mais urgentes.

Embora muitas organizações reconheçam o potencial da IA para reduzir custos, automatizar processos e gerar novas oportunidades de receita, são poucas as que conseguem conectar essas ambições à prática de forma consistente. Para Diego Nogare, consultor executivo de IA e ML — com passagens por empresas como Microsoft, Deloitte, Bayer e Itaú — a questão envolve mais do que domínio técnico:

“Existe uma lacuna entre o desejo de inovar e a capacidade de executar com consistência. Muitas empresas iniciam projetos usando ferramentas fora da governança para validar ideias, mas sem um diagnóstico claro de maturidade ou um direcionamento estratégico, acabam falhando ao tentar colocar essas ideias em produção. Quando não se compreende o grau de prontidão da organização — em termos de dados, cultura e estrutura —, a adoção da IA tende a ser fragmentada e pouco eficaz”, afirma.

Essa desconexão entre ambição e viabilidade se reflete em iniciativas isoladas, que muitas vezes não dialogam com os objetivos estratégicos da empresa e, por isso, não entregam o retorno esperado.

Entre o potencial e a realidade

Segundo Diego, na prática, os principais desafios da adoção da IA em ambientes corporativos estão menos relacionados à tecnologia em si e mais à capacidade das organizações de traduzi-la em valor:

“Falta clareza sobre o que priorizar, como mensurar impacto e de que forma conectar a IA ao core business. Ferramentas que utilizam processamento de linguagem natural, visão computacional ou até mesmo modelos de machine learning mais tradicionais e consolidados podem representar ganhos relevantes, mas exigem dados organizados, equipes preparadas e governança técnica sólida”, explica o consultor.

Sem essa base, mesmo as soluções mais promissoras se tornam inviáveis — ou até arriscadas. É o que mostram casos como o da Samsung, que proibiu o uso do ChatGPT por funcionários após incidentes de vazamento de informações confidenciais compartilhadas na plataforma.

Já a Apple, mesmo sem enfrentar um caso concreto, adotou uma postura preventiva e também restringiu o uso da ferramenta, com receio de que dados sensíveis pudessem ser expostos em interações com modelos de linguagem. Em ambos os cenários, o problema não está necessariamente na tecnologia em si, mas na ausência de políticas internas claras, infraestrutura de dados adequada e governança capaz de sustentar a inovação com segurança.

Esses entraves refletem uma lacuna estrutural comum a muitas empresas: a falta de governança para inovação. O “Relatório de Startups de GenAI”, da Google, aponta justamente que, embora o entusiasmo com a inteligência artificial generativa seja alto, muitas organizações ainda não possuem a maturidade necessária para implementá-la de forma estratégica. Segundo o estudo, 59% das startups entrevistadas mencionam a dificuldade de alinhar a IA aos objetivos de negócio como uma barreira central — o que reforça que o desafio não está apenas em adotar a tecnologia, mas em criar condições para que ela, de fato, funcione.

“A adoção consistente de IA nas empresas não é uma corrida por ferramentas de última geração, mas um exercício de maturidade organizacional. Sem alinhamento entre visão, competências e estrutura, a tecnologia deixa de ser diferencial competitivo para se tornar apenas mais um experimento mal aproveitado. Inovar com IA exige mais do que investimento: requer decisões conscientes, lideranças preparadas e uma governança capaz de transformar dados em valor — com ética, segurança e de forma sustentável”, finaliza Nogare.

Sobre Diego Nogare:

Profissional com mais de 20 anos de experiência na área de Dados, com foco em Inteligência Artificial e Machine Learning desde 2013. É mestre e doutorando em Inteligência Artificial pela Universidade Presbiteriana Mackenzie. Ao longo da carreira, passou por grandes empresas como Microsoft, Deloitte, Bayer e Itaú. Neste último, liderou a estratégia de migração da plataforma de IA para a nuvem, entregando uma solução de desenvolvimento de IA fim a fim para todo o banco.