GenAI nas empresas: o que integrar antes de escalar e os erros mais comuns

A inteligência artificial generativa (genAI) vem ganhando espaço rapidamente nas agendas corporativas. Sua presença já é evidente em aplicações que vão desde chatbots de atendimento ao cliente até ferramentas de geração de conteúdo e suporte à tomada de decisões. No entanto, por trás desse entusiasmo crescente, é possível identificar um padrão de erros que se repete entre empresas que adotam a tecnologia sem o devido preparo estratégico.

Em vez de se perguntarem: "O que essa tecnologia pode fazer pelo meu negócio?", muitas empresas começam pela ferramenta em si, ignorando o problema que ela pretende resolver. O resultado são soluções desconectadas do negócio, com altos custos, baixo retorno e pouca adoção interna. Portanto, a implementação não basta: é a integração que garante o impacto.

Nesse processo, os erros mais comuns incluem a falta de uma prova de conceito, a escolha precipitada de modelos personalizados e a falta de métricas claras para medir o sucesso. Ao mesmo tempo, muitas organizações subestimam os desafios relacionados à governança, privacidade e segurança de dados. Modelos generativos só são eficazes quando têm acesso a dados organizados, relevantes e protegidos; e isso exige tempo, estrutura e estratégia.

As chamadas alucinações, por exemplo, continuam sendo um desafio importante. Elas ocorrem quando o modelo gera informação que parece correta, mas é falsa, inventada ou não é respaldada por fontes ou evidências verídicas. Esta limitação vem sendo mitigada com as atualizações mais recentes, que incluem modelos que consultam bases de conhecimento utilizando técnicas como RAG.

De acordo com um artigo da ACM de maio de 2024, a tabela de classificação mantida pela Vectara indicava taxas de alucinação entre 2,5% e 8,5% para os principais modelos da época. Atualmente, esses números caíram para menos de 2% entre os principais fornecedores de LLM. Notavelmente, os novos modelos GPT-5 da OpenAI e Gemini 2.5 Pro do Google alcançaram taxas de alucinação inferiores a 1,5%. Embora os resultados sejam positivos, mecanismos de mitigação ainda são necessários para aplicações críticas.

A Nearsure, uma empresa da Nortal, publicou recentemente um white paper sobre aplicações de genAI no qual são abordados os principais obstáculos que poderiam ser evitados no momento de adotar a genAI. O primeiro é começar sem ter identificado um problema empresarial que se queira resolver, o que leva a soluções genéricas e desconectadas de resultados tangíveis. Em segundo lugar, muitas empresas prescindem da prova de conceito (PoC), omitindo a validação de requisitos e arquiteturas antes de escalar. O terceiro é não pré-estabelecer métricas claras de sucesso, o que dificulta a mensuração do impacto na produtividade, custos ou qualidade. Para alcançar a adoção bem-sucedida, as métricas e os limites de decisão devem ser definidos por estágio (PoC, MVP, produção, escalonamento), juntamente com uma governança que forneça rastreabilidade de ponta a ponta e visibilidade operacional. Isso manterá um ciclo de feedback que facilita o aprendizado, a correção e o avanço com evidências.

Por fim, construir modelos personalizados desnecessários, como LLMs personalizados do zero, sem antes avaliar opções públicas, combinados com técnicas como RAG, gera custos desproporcionais. Esses fatores associados comprometem a eficácia e o desempenho dos projetos de genAI.

De fato, de acordo com dados da Gartner, até o final de 2025, espera-se que cerca de 30% dos projetos de IA Genial sejam abandonados após a PoC. Isso se deve à baixa qualidade dos dados, controles de risco inadequados e à falta de benefícios comerciais claros.

Portanto, uma boa prática é começar pequeno e com um foco específico, em vez de escalar rapidamente. Casos de uso específicos, como agentes jurídicos com tecnologia de IA, automação de atendimento ao cliente ou assistência na triagem de currículos, permitem testar hipóteses, gerar resultados e amadurecer a arquitetura tecnológica com menos riscos.

Por exemplo, call centers que utilizam genAI para transcrever e resumir chamadas relataram uma economia média de tempo de 2 a 3 minutos por chamada, além de ganhos de produtividade e maior precisão no acompanhamento do cliente. De acordo com um estudo da IDC, o uso de genAI em uma operação de atendimento ao cliente resultou em um aumento de 25% na produtividade, economizando dois minutos por chamada.

Um fator adicional que vale a pena mencionar é a gestão de mudanças: engajar usuários, oferecer treinamento e redesenhar processos em conjunto. Para alcançar melhorias reais de produtividade, além da tecnologia, precisamos repensar novas formas de trabalhar.

A adoção bem-sucedida geralmente é gradual: inicialmente, com aplicações isoladas e de baixo risco, como copilotos internos ou geração de conteúdo. Depois, é possível avançar para integrações com bancos de dados e ferramentas já estabelecidas. Casos mais avançados, por sua vez, envolvem a conexão da genAI aos sistemas centrais da empresa e fluxos operacionais críticos, com políticas de segurança, controle de acesso e governança.

A genAI não é uma solução plug-and-play. Ela requer estratégia, contexto e integração. Empresas que a veem como uma camada complementar, e não como uma substituta, terão maiores chances de sucesso. É necessário integrar antes de escalar, começar pequeno antes de crescer e resolver o problema antes de implementar a ferramenta. Só então a genAI deixará de ser uma tendência e se traduzirá em valor tangível para o negócio.

*Diego Garagorry é COO da Nearsure, uma empresa da Nortal.

Sobre a Nearsure

A Nearsure, uma empresa da Nortal, é uma parceira estratégica em inovação digital e crescimento empresarial. Com mais de 10 anos de trajetória, oferece soluções tecnológicas integrais que permitem às empresas destacarem-se na era digital e da inteligência artificial. Sua proposta cobre todo o ciclo de transformação digital: desde o design de produtos e a implementação de plataformas CXM e CE, até o desenvolvimento de software sob medida, a otimização de plataformas, operações em nuvem, gestão de dados e soluções baseadas em inteligência artificial, incluindo tecnologias avançadas de GenAI e low-code.

A empresa conta com uma equipe de mais de 600 profissionais altamente qualificados, distribuídos em 28 países da América Latina, com uma média de mais de sete anos de experiência. Graças ao seu modelo distribuído e a uma taxa de retenção de talentos de 90%, a Nearsure garante soluções escaláveis, ágeis e personalizadas que respondem aos desafios de transformação digital de clientes em todo o continente.