Empresas de tecnologia precisam promover ativamente a coerência em IA

Quando as soluções se tornam o problema

As empresas de tecnologia aplicaram IA em praticamente todas as áreas do negócio. Os recursos de IA tornaram-se ferramentas essenciais no desenvolvimento de produtos, nas operações voltadas aos clientes e nas áreas de finanças, segurança e gestão de riscos. Essa ampla integração da IA tem gerado um potencial significativo em determinadas funções, mas também uma complexidade igualmente significativa.

“Quando suas equipes começam a lançar soluções e processos de IA independentes e não controlados por toda a organização, os resultados iniciais podem ser impressionantes, mas, no fim, podem se tornar contraditórios e incoerentes”, diz Andrea Schulz, líder da indústria de Tecnologia da Grant Thornton.

Soluções de IA desconectadas frequentemente geram problemas relacionados a:

• Controles: falta de governança e políticas, uso não controlado de modelos, dados sem proteção adequada e ausência de gestão de riscos.
• Dados: estruturas de dados inconsistentes, lacunas de acesso às informações, análises incompletas, modelos de IA alimentados por informações insuficientes e conclusões equivocadas.
• Força de trabalho: adoção fragmentada da IA, lacunas no desenvolvimento de competências, fluxos de trabalho desconectados, duplicação de esforços e perspectivas inconsistentes.
• Fornecedores: proliferação de fornecedores de IA, custos excessivos, padrões conflitantes, complicações relacionadas à segurança e pouca integração entre soluções.
• Objetivos: metas inconsistentes entre as soluções, métricas incompatíveis e incapacidade de mensurar claramente o retorno sobre o investimento.

Em conjunto, esses problemas acabam limitando a agilidade da empresa no curto prazo, bem como sua capacidade de planejar, implementar, mensurar e capturar valor de longo prazo com a IA.

De fato, os participantes do setor de tecnologia na pesquisa Impacto da IA 2026 da Grant Thornton indicaram que a incerteza regulatória e de conformidade é a principal barreira para escalar soluções de IA. Embora as regulamentações governamentais ainda estejam em evolução, a preocupação mais imediata é a ausência de governança interna capaz de ajudar as empresas de tecnologia a definir os casos de uso adequados, os padrões de dados, as responsabilidades e outras decisões corporativas. Sem essa orientação, soluções não padronizadas permanecem confinadas aos silos em que foram criadas.

Incerteza regulatória é a principal barreira para escalar a IA

Pergunta: Quais são as principais barreiras que impedem a IA de gerar impacto em escala na sua organização? (Selecione até três opções.)

Para recuperar o nível de controle necessário para uma gestão de riscos e um planejamento eficazes, as empresas precisam de uma governança inteligente que alinhe seus casos de uso de IA, processos, estruturas, fornecedores, dados, conformidade e segurança em todo o conjunto de soluções em evolução.

“Ao mesmo tempo, a governança precisa proporcionar um caminho eficiente para a inovação em conformidade. É assim que se cria uma governança que gera valor para o negócio”, comenta Schulz.

As empresas de tecnologia precisam incentivar a inovação em IA e, ao mesmo tempo, garantir que essa inovação contribua efetivamente para o desempenho financeiro, por meio de agilidade, escalabilidade e gestão de riscos eficazes.

Coerência proativa em IA

As empresas de tecnologia já observaram como as soluções de IA podem melhorar o desempenho nas áreas de finanças, operações, riscos e outras funções. No entanto, as organizações precisam de coerência em IA para escalar e ampliar o valor de suas soluções no futuro.

Seis etapas para construir a coerência da IA

Os líderes podem adotar medidas práticas para promover a coerência da IA em soluções existentes e iniciativas em evolução.

1. Estabeleça responsabilidade compartilhada entre áreas

“A coerência da IA não pode ser alcançada sem colaboração entre áreas”, comenta Tony Dinola, sócio de Modernização Tecnológica da Grant Thornton. As organizações devem estabelecer estruturas de governança que reúnam líderes das áreas de Finanças, Riscos, Tecnologia e Negócios em torno de prioridades compartilhadas. “É preciso definir claramente quem é responsável pelos resultados, e não apenas pelas atividades”, acrescenta Dinola. Esse envolvimento desde o início ajuda a garantir que as decisões reflitam o impacto para toda a organização, e não apenas perspectivas funcionais isoladas.

2. Integre estruturas de risco e controle

Incorpore a IA aos processos existentes de gestão de riscos, incluindo testes de controles, monitoramento e elaboração de relatórios.

 “Estabeleça um plano com responsabilidades definidas para avançar em direção a modelos de validação contínua que proporcionem visibilidade em tempo real sobre o desempenho dos sistemas e os pontos onde os riscos surgem”, afirma Greg Haberer, diretor executivo de Risk Advisory da Grant Thornton. 

Essa validação contínua fortalece a confiança nas soluções e nos resultados, além de reduzir o risco de surpresas em avaliações regulatórias.

3. Racionalizar ferramentas e ambientes de dados

Avalie onde as iniciativas de IA estão gerando duplicidade ou fragmentação. Consolide ferramentas e alinhe as fontes de dados para promover consistência e escalabilidade. Essa etapa melhora a eficiência de custos e possibilita relatórios mais precisos, além de uma medição de desempenho mais confiável.

4. Identificar e definir casos de uso relevantes para IA

Garanta que a organização documente claramente os casos de uso de IA de forma padronizada, permitindo que os líderes avaliem e comparem seus requisitos e retornos potenciais. Essa abordagem, embora simplificada, oferece uma base consistente para priorização e planejamento, orientando os investimentos em IA.

5. Vincular iniciativas de IA aos direcionadores de valor do negócio

Assegure que as iniciativas de IA estejam alinhadas aos principais resultados de negócio, como crescimento de receita, otimização de custos, redução de riscos e melhoria da experiência do cliente.

“Avalie seus casos de uso em termos de como eles contribuem para esses resultados e certifique-se de estabelecer métricas claras de sucesso”, diz Dinola.

Esse processo é um elemento fundamental para a priorização e para as decisões de investimento em novas iniciativas.

6. Desenvolver capacidades operacionais, não apenas modelos

Concentre-se em como a IA opera dentro da empresa. Desenvolva processos, fluxos de trabalho e funções de suporte que garantam que os resultados gerados pela IA sejam acionáveis e efetivamente integrados à tomada de decisão. Isso inclui incorporar insights de IA ao planejamento financeiro, à avaliação de riscos e aos processos operacionais, garantindo que a tecnologia gere valor prático e sustentável para o negócio.

Progresso unificado

Conforme observado na pesquisa Impacto da IA 2026 da Grant Thornton, as empresas de tecnologia adotaram a inteligência artificial em um ritmo mais acelerado do que desenvolveram os controles necessários para sua gestão.

Para alcançar a coerência em IA, as organizações precisam adotar uma visão unificada em todo o modelo operacional. Isso implica promover visibilidade e accountability entre as áreas de finanças, riscos, tecnologia e operações. Todas as funções de negócio devem compartilhar uma perspectiva comum sobre o desempenho da IA, os riscos associados ao seu uso e os mecanismos implementados para sua gestão. Essa transparência favorece uma tomada de decisão mais rápida e fortalece a responsabilização organizacional.

As organizações mais avançadas estão ultrapassando os limites das iniciativas iniciais de IA à medida que desenvolvem modelos operacionais mais conectados. Ao estabelecer estruturas de governança que integrem padrões e diretrizes aos processos contínuos da empresa, elas tornam possível a gestão permanente tanto dos riscos quanto do desempenho.

Essa abordagem apoia a transição de avaliações periódicas para um modelo de monitoramento, testes e resposta contínuos, garantindo que os sistemas de IA façam parte desse processo permanente, e não sejam tratados como uma exceção. A execução conectada e contínua também favorece decisões mais rápidas, responsabilidades mais claras e resultados mais consistentes. Além disso, permite que as organizações se adaptem às mudanças de cenário mantendo a confiança no funcionamento de seus sistemas.

A coerência em IA não acontece por acaso. As organizações precisam promover ativamente esse alinhamento, conectando estratégia corporativa, execução e governança em torno das soluções de inteligência artificial. Sem isso, as empresas terão dificuldades para transformar o valor gerado por projetos-piloto de IA em resultados financeiros concretos.