O principal entrave para escalar a IA nas empresas é a falta de estratégia.
A falta de estratégia clara é o maior entrave para escalar a inteligência artificial (IA) nas empresas brasileiras, afirma o economista e executivo Cássio Mota, professor de Estratégia e Balanced Scorecard na pós-graduação em Gestão Estratégica em Finanças da PUC Minas. Para Mota, o problema é crônico: organizações subutilizam as escolas de formulação estratégica, confundem modismo com direção e perdem coordenação entre áreas — vícios que a IA apenas expõe. Estudo da Harvard Business Review citado pelo professor reforça o diagnóstico: 85% das companhias já usam ou testam GenAI, mas 45% não têm roteiro estratégico; 42% carecem de talentos e 39% tropeçam em silos internos.
O que falta: método, priorização e coerência
Mota resume o quadro em três lacunas: (1) intenção estratégica explícita, (2) escolhas coerentes e (3) execução mensurável. Na prática, projetos de IA nascem como pilotos isolados, sem tese de valor, sem owner executivo e sem governança de dados. O resultado é familiar ao campo da estratégia: muita atividade, pouco resultado.
A literatura que Cássio Mota leciona ajuda a organizar o terreno. As escolas de estratégia (design, planejamento, posicionamento; empreendedora, cognitiva, aprendizado; poder, cultural, ambiental; e a integradora, de configuração) oferecem lentes para formular e ajustar caminhos, em vez de “apenas implementar ferramentas”. É nessa visão integradora que a IA deve ser enquadrada — como meio a serviço de uma posição competitiva clara, e não um fim em si.
Também é útil lembrar os 5 Ps de Mintzberg — plano, padrão, posição, perspectiva e “trama” — para separar intenção de hábito, escolha de mercado e modo de operar. Ao alinhar IA com esses “Ps”, a empresa reduz o risco de confundir proof of concept com estratégia.
Como organizar a casa: da tese ao Balanced Scorecard
Cássio enfatiza o Balanced Scorecard (BSC) como ponte entre formular e executar: traduzir a estratégia em objetivos, indicadores, metas e iniciativas, alinhando processos, pessoas e recursos — condição para sustentar desempenho e vantagem competitiva no tempo. Em IA, isso significa ligar casos de uso a metas de receita, custo, experiência do cliente e riscos, com owners e prazos definidos.
Passo a passo (90–120 dias)
Tese e portfólio de valor — Defina onde a IA cria impacto: crescimento (vendas, pricing), eficiência (automação, atendimento), risco/controles (fraudes, compliance) e inovação de produto. Relacione cada caso a KRs financeiros e operacionais.
Escolhas estratégicas — Reforce o posicionamento (custo, diferenciação ou foco) e o papel da IA para sustentá-lo. Evite dispersão em “todas as frentes” — escolha poucos casos de alto valor e interdependência.
Arquitetura e dados — Institua governança de dados, ciclo de vida de modelos, critérios de privacidade/segurança e guardrails de uso responsável. Decida o locus (nuvem pública, privada, híbrida ou edge) conforme dados sensíveis, latência e custo total.
BSC da IA — Em cada perspectiva do BSC, explicite:
Financeira: ROI do caso, redução de Opex/Capex, payback.
Clientes: NPS/CSAT, TME/ASA, churn, conversão assistida por IA.
Processos: automações por célula, tempo de ciclo, first-contact resolution, precisão do modelo.
Aprendizado & Pessoas: horas de treinamento, adoção por área, reskilling em dados/IA.
**Governança e run ** — Crie um Comitê de IA (Negócio, TI/Dados, Riscos, Jurídico, RH). Estabeleça stage gates (descoberta, MVP, escala), kill rules, e orçamento plurianual.
Talento, tecnologia e escala: o que o mercado está fazendo
A falta de talentos permanece entre os gargalos. Por isso, além de contratação seletiva, O Professor Dr. Cássio Mota recomenda programas internos de capacitação (cientistas de dados, prompt engineers, gestores de produto de IA) e parcerias. No plano tecnológico, crescer com padrões abertos e nuvem híbrida dá flexibilidade para treinar/rodar modelos conforme custo, segurança e conformidade — visão alinhada ao que relatam fornecedores e consultorias sobre acelerar IA “com liberdade de escolha” e evitar dependência de um único stack.
Serviço ao leitor — Guia prático para líderes
Perguntas-chave para o Conselho e a Diretoria
Qual tese de valor da IA (receita, eficiência, risco, inovação) em 12–24 meses?
Quais 3–5 casos de uso âncora e os KRs financeiros?
Como garantimos dados confiáveis e governança de modelos (documentação, vieses, auditoria)?
Qual o modelo de funding (Opex/Capex) e nossas regras de matar projetos?
Sinais de alerta
Muitos pilotos, nenhum em produção.
Métricas técnicas sem ligação com resultado (ex.: acurácia sem impacto de negócio).
Dependência de um fornecedor (tecnologia ou consultoria).
Ausência de dono executivo por caso de uso.
KPIs essenciais de IA (por perspectiva BSC)
Financeira: ROI, payback, redução de custo por transação.
Clientes: NPS, taxa de resolução no primeiro contato, tempo médio de atendimento.
Processos: produtividade/hora, tempo de ciclo, retrabalho, precision/recall.
Pessoas: adesão a cursos, usage por área, retenção de talentos críticos.
Por que estratégia antes de ferramenta
As escolas prescritivas (design, planejamento, posicionamento) alertam para o risco de excesso de formalismo sem aprendizado; as descritivas (empreendedora, cognitiva, aprendizado, poder, cultural, ambiental) lembram que estratégia se forma também “no fazer” e sob constrangimentos políticos e culturais; a configuração integra esses vetores, ensinando a sustentar estabilidade e orquestrar transformações sem romper a organização. Em IA, isso se traduz em sequenciamento: consolidar ganhos táticos, preparar a próxima onda de casos e, periodicamente, promover saltos (novas capacidades, dados e talentos).
Cássio Mota, é Economista, MBA em Marketing, mestre e doutor em Administração, executivo há 30 anos e docente há 22, Mota leciona Estratégia e Balanced Scorecard na PUC Minas, com foco em formular e executar estratégias a partir de objetivos, indicadores e iniciativas integrados. Seu enfoque aplica clássicos da estratégia (Porter, Mintzberg, Miles & Snow, Chandler, Ansoff) aos desafios contemporâneos — como IA e dados — com pragmatismo de gestão. https://www.linkedin.com/in/cassiomotabh/
Conclusão
O recado ao mercado é direto: IA sem estratégia é custo. IA com estratégia vira resultado. Antes de modelos e stacks, as empresas precisam de clareza de rumo, escolhas coerentes e execução medível. O resto — tecnologia, nuvem, fornecedores e talentos — vem como meios para cumprir metas que importam ao negócio.
