Durante anos, a maturidade em inteligência artificial foi associada à qualidade dos dados, à capacidade computacional e à escolha dos modelos mais avançados. Essa lógica fez sentido enquanto as organizações ainda buscavam compreender o potencial da tecnologia. Hoje, porém, ela começa a perder força.

A nova fronteira competitiva agora está na capacidade organizacional de transformar experimentação em operação. As empresas que conseguem capturar mais valor da IA não são necessariamente aquelas que alcançaram um estado ideal de preparação, mas as que aprenderam a testar continuamente, incorporar novos casos de uso e adaptar seus processos com velocidade.

Essa mudança também altera a forma como profissionais de tecnologia devem olhar para a estratégia de dados. Estruturar informações continua sendo essencial, mas deixou de ser uma etapa que antecede a inovação. Em organizações mais maduras, dados, modelos e processos evoluem continuamente, alimentando uma operação em que pessoas e agentes inteligentes passam a trabalhar de forma integrada.

Esse movimento também amplia um desafio frequentemente subestimado. Preparar as pessoas para operar em um ambiente onde decisões possam ser compartilhadas entre profissionais e agentes inteligentes. Para entender como esse cenário tem se refletido nas organizações, conversamos com Pedro Moura, Sales Director LATAM da CrewAI.

O mito dos dados perfeitos

Poucos argumentos atrasam tanto iniciativas de inteligência artificial quanto a ideia de que primeiro é preciso concluir toda a estratégia de dados para só então começar a desenvolver casos de uso.

Qualidade, governança e arquitetura continuam sendo pilares indispensáveis para escalar IA. O problema surge quando esses elementos são tratados como uma linha de chegada, e não como capacidades que evoluem continuamente conforme a organização incorpora novos modelos, aplicações e fontes de informação.

A provocação faz sentido porque a IA mudou a própria natureza da estratégia de dados. Em vez de buscar uma arquitetura “pronta”, organizações mais maduras constroem uma infraestrutura capaz de evoluir continuamente.

No relatório State of AI 2026, a Deloitte chama esse modelo de Living AI Backbone: uma espinha dorsal de IA baseada em plataformas modulares, nativas em nuvem, produtos de dados organizados por domínio e integração contínua entre dados operacionais, de experiência e fontes externas. O objetivo passou a ser a criação de uma base tecnológica capaz de incorporar novos agentes, modelos e aplicações sem reconstruções constantes.

Na prática, torna-se também uma competência organizacional. Ao mesmo tempo, isso não significa flexibilizar padrões de qualidade. Quanto mais autônomos se tornam os agentes, maior passa a ser a dependência de dados confiáveis, rastreáveis e governados.

Experimentação deixou de ser uma iniciativa corporativa

A adoção da IA já deixou de depender exclusivamente da estratégia corporativa. Em muitas organizações, a transformação começou pelos próprios profissionais, que passaram a incorporar assistentes de IA ao trabalho antes mesmo da definição de políticas, programas de capacitação ou diretrizes formais.

No Brasil, 44% dos profissionais aprendem IA pesquisando por conta própria, 34% são autodidatas, enquanto apenas 31% recebem treinamento formal das empresas. O movimento revela um descompasso importante onde a adoção já acontece na ponta, mas o desenvolvimento estruturado de competências ainda avança em ritmo inferior.

Pedro identifica essa mesma dinâmica entre marcas que mais evoluem.

“O que eu tenho visto hoje é que as empresas que têm um pouco mais de liberdade para testar, prototipar rápido, elas estão acelerando mais rápido, porque elas falham rápido, entendem por que falharam e conseguem evoluir porque já tiveram uma lição aprendida.” Pedro Moura, Sales Director LATAM da CrewAI

Mais do que acelerar projetos, experimentar tornou-se uma competência organizacional. O desafio dos líderes será criar ambientes seguros para que esse conhecimento individual seja incorporado aos processos, à governança e à estratégia tecnológica da empresa.

O próximo desafio será administrar uma força de trabalho híbrida

À medida que agentes inteligentes param de executar tarefas isoladas para participar continuamente das operações, muda também a forma como organizações deverão medir produtividade, estruturar processos e exercer liderança.

Essa mudança representa muito mais do que automação. Ela inaugura uma nova lógica operacional, em que pessoas e agentes passam a compartilhar responsabilidades dentro dos mesmos fluxos de trabalho.

Ao mesmo tempo, essa transformação aumenta a pressão sobre a infraestrutura de dados. Quanto mais agentes participam da operação, maior é a necessidade de disponibilizar informações consistentes, contextualizadas e governadas em tempo real. Não por acaso, profissionais que estruturam, integram e industrializam dados estão entre os mais demandados pelas organizações, enquanto 51% dos profissionais brasileiros já utilizam assistentes de IA para analisar volumes de informação que não conseguiriam processar sozinhos. Mas até que ponto essas análises são confiáveis se a IA utilizada pelos colaboradores não está conectada aos dados da empresa? Sem acesso ao contexto do negócio e a uma base de dados governada, as respostas podem ser tecnicamente plausíveis, mas insuficientes para apoiar decisões críticas.

Pedro amplia essa discussão ao falar sobre indicadores de desempenho.

“Eu acho que, em algum momento, vão ter até indicadores de negócio focados nisso. Hoje a gente fala de receita por empregado. Eu acho que vai existir alguma coisa como receita por quantidade de agentes que a empresa tem. Então realmente é uma nova massa de trabalho. Você vai ter gestores gerenciando as duas coisas e tecnologia passa a ser o novo RH por ser o facilitador da criação desses agentes.” Pedro Moura, Sales Director LATAM da CrewAI

Para os CIOs, essa talvez seja a principal mudança dos próximos anos. O desafio não é mais selecionar modelos, contratar plataformas ou acelerar pilotos de IA. A responsabilidade começa a incluir o desenho de uma arquitetura operacional capaz de integrar pessoas, agentes, processos, dados e governança dentro de um mesmo ecossistema. A TI assume um papel central na orquestração dessa nova força de trabalho digital.

Se no passado a vantagem competitiva estava na capacidade de coletar dados, nos próximos anos ela estará na capacidade de transformá-los continuamente em contexto para agentes inteligentes.

Nesse cenário, a estratégia de dados idealmente precisa ser uma competência permanente da organização. Da mesma forma, a IA não é mais uma iniciativa restrita à inovação para assumir um papel estrutural no modelo operacional das empresas.

Para os líderes de tecnologia, isso amplia significativamente o escopo da função. O CIO não será responsável apenas por disponibilizar infraestrutura ou selecionar plataformas de IA. Caberá a ele criar as condições para que pessoas e agentes aprendam, decidam e operem sobre uma base de dados confiável, governada e em constante evolução.