Disputa global por liderança em inteligência artificial avança em setores pouco visíveis

A inteligência artificial se consolidou como prioridade estratégica, não mais como aposta, mas como imperativo. O volume de investimento confirma essa leitura. Projeções amplamente repercutidas apontam para um ciclo de expansão consistente, com a IA assumindo protagonismo dentro dos budgets de tecnologia.

A evolução tecnológica segue em ritmo acelerado e isso, paradoxalmente, intensifica o problema. De acordo com o Gartner, em análise recente sobre custos de IA generativa, o custo de inferência de modelos de IA pode cair até 90% até o fim da década. Em teoria, isso democratiza o acesso. Na prática, aumenta exponencialmente o uso e, com ele, a dependência de dados estruturados, confiáveis e disponíveis em escala.

Ou seja, o que definirá projetos de IA bem-sucedidos não será apenas a sofisticação dos algoritmos ou a escala de investimento. Será a capacidade de transformar dados em decisão com consistência. E isso começa muito antes da IA.

À medida que a tecnologia amadurece, o ponto crítico se desloca para a infraestrutura que sustenta tudo isso. E, dentro da maioria das empresas, essa infraestrutura continua sendo, em grande medida, definida pelo ERP.

É ali que a operação ganha forma. Onde pedidos são registrados, estoques atualizados, receitas reconhecidas, fluxos financeiros organizados. Em outras palavras, é ali que o negócio se transforma em dado. Quando esse processo ocorre de forma consistente, a inteligência flui. Quando não ocorre, qualquer camada adicional de tecnologia passa a operar sobre uma base instável.

A ideia de que a IA pode ser simplesmente “acoplada” à operação existente se mostra cada vez mais frágil. A tecnologia não reorganiza processos, não padroniza cadastros, não resolve inconsistências históricas. Ela processa o que recebe com mais velocidade, mais escala e, portanto, mais impacto. Quando a base é sólida, o resultado é ganho de eficiência. Quando não é, o efeito é amplificação do erro.

Durante anos, os ERP´s foram implementados com foco em transação e controle. O objetivo era garantir que a operação funcionasse e que os números fechassem. Pouco se discutia a qualidade analítica dos dados gerados ou sua capacidade de alimentar decisões automatizadas. Essa lógica, embora adequada ao contexto da época, se mostra insuficiente diante das demandas atuais.

No contexto de implementações, empresas que revisitaram essa base, simplificando processos, reduzindo customizações e estruturando dados com maior rigor, avançam com mais velocidade. Conseguem testar aplicações com maior confiança, reduzir o tempo entre análise e decisão e escalar iniciativas com menor fricção. Não necessariamente porque adotaram tecnologias mais sofisticadas, mas porque criaram as condições para que elas funcionem.

Organizações que mantêm estruturas fragmentadas enfrentam um obstáculo menos visível, porém mais profundo. A IA, nesses ambientes, não atua como acelerador. Atua como um revelador de inconsistências. Expõe divergências, amplifica erros e reduz a confiança nos resultados — exatamente o oposto do que se espera de uma tecnologia cujo valor está na capacidade de apoiar decisões.

Esse é, talvez, o ponto mais desconfortável de toda essa discussão. Em um momento de euforia tecnológica, o diferencial competitivo não está apenas na adoção de novas ferramentas, mas na disciplina de organizar aquilo que sustenta essas ferramentas. Processos, dados, governança. Elementos que determinam, de forma silenciosa, quem consegue transformar promessa em resultado.

ERP bem estruturado é pré-condição de IA. No fim, a tecnologia pode até ser o motor. Mas é a qualidade dessa base — silenciosa, muitas vezes negligenciada — que define se esse motor, de fato, entrega desempenho. E é ali, longe dos holofotes, que essa corrida está sendo vencida ou perdida.

*Bruno Viscaíno é diretor de tecnologia e arquitetura da Ninecon