Nesse mesmo período, a adoção de IA avançou rapidamente dentro das organizações, muitas vezes impulsionada por iniciativas distribuídas entre diferentes áreas de negócio. O que começou como experimentação localizada evoluiu para um uso mais recorrente em funções críticas, pressionando as áreas de tecnologia a estruturar esse movimento de forma mais consistente. Segundo a McKinsey & Company, 88% das organizações já utilizam IA em pelo menos uma função de negócio, evidenciando que a adoção deixou de ser um diferencial e passou a ser uma realidade disseminada.
Na prática, o que se observa na maioria das organizações é um movimento marcado por velocidade e descentralização. Áreas de negócio começam a adotar ferramentas, testar modelos e buscar ganhos rápidos, muitas vezes sem coordenação central. Esse padrão, embora natural em ciclos de adoção tecnológica, cria uma fragmentação.
Esse movimento é, em grande parte, impulsionado pela pressão por resultados rápidos e pela facilidade de acesso a novas ferramentas, o que incentiva iniciativas isoladas dentro das áreas de negócio.
Como explica Clinger Lamônica, Diretor de Arquitetura e Experiência Digital do Grupo Marista:
O problema é que essa descentralização, quando não acompanhada de uma estratégia arquitetural, compromete a capacidade de escala. A tecnologia avança, mas a organização não acompanha.
Ao longo dos últimos anos, a adoção de IA cresceu de forma consistente em diferentes funções de negócio, reforçando que a tecnologia já está disseminada nas organizações, ainda que de forma desigual e, muitas vezes, desconectada.
Quando a IA se espalha de forma orgânica pelas áreas, o impacto não se limita à eficiência. Ele atinge diretamente governança, segurança e consistência tecnológica.
Esse cenário é cada vez mais comum e coloca a arquitetura corporativa no centro da discussão. Escalar IA exige coordenação entre sistemas, dados e decisões tecnológicas, indo muito além do que a capacidade computacional ou acesso a modelos exige.
É nesse ponto que organizações mais maduras começam a se diferenciar. No caso do Grupo Marista, o movimento inicial foi estrutural:
Essa decisão tem implicações profundas. Ao estabelecer uma base arquitetural, a organização passa a:
- reduzir redundâncias e retrabalho
- mitigar riscos de segurança e uso indevido de dados
- acelerar a adoção com diretrizes claras
- criar condições para escalar
A governança entra como complemento dessa base. Diferente do que muitas empresas ainda acreditam, governança não é um freio à inovação. Pelo contrário, ela é o que permite que a inovação aconteça de forma sustentável, especialmente em ambientes complexos e distribuídos.
Esse ponto também aparece na análise da Gartner, que reforça que os ganhos mais relevantes com IA vêm da sua integração ao longo de todo o ciclo de desenvolvimento e operação.
Uma vez estabelecida a base arquitetural e de governança, o desafio passa a ser operacional. Como garantir que a IA consiga escalar com consistência dentro da organização, sem gerar gargalos técnicos ou limitações de infraestrutura.
Nesse contexto, a arquitetura precisa ser pensada desde o início para crescimento. Isso significa adotar modelos flexíveis, baseados muitas vezes em cloud, capazes de absorver rapidamente o aumento de demanda conforme novos casos de uso ganham tração. Passa a ser necessário garantir que iniciativas bem-sucedidas consigam evoluir para soluções críticas de negócio sem necessidade de reestruturações profundas.
A escolha de parceiros tecnológicos também passa a ter um papel decisivo. Provedores de cloud e plataformas de IA se tornam extensões da capacidade da organização, influenciando diretamente a velocidade de inovação, o acesso a novas tecnologias e a capacidade de expansão.
No entanto, mesmo com arquitetura adequada e parceiros consolidados, a escala não acontece automaticamente.
Ferramentas, modelos e plataformas só geram valor quando são incorporados às rotinas de trabalho e utilizados para resolver problemas concretos de negócio. Sem isso, a IA permanece como uma camada paralela, desconectada das operações.
É nesse ponto que entra o fator mais crítico da equação: as pessoas.
O letramento em IA é um pilar estratégico. Isso envolve não apenas capacitar tecnicamente os times, mas desenvolver uma nova forma de pensar o trabalho, em que a IA é incorporada como ferramenta de apoio à decisão, automação e geração de valor.
Além disso, o papel da liderança se torna ainda mais relevante. Não basta disponibilizar tecnologia, é necessário fomentar o uso, incentivar a experimentação responsável e criar um ambiente onde equipes de tecnologia e negócio se sintam seguras para incorporar a IA em suas rotinas.
No fim, a escala da IA é definida pela capacidade dos líderes de mobilizar pessoas, alinhar incentivos e transformar potencial em uso efetivo.
Para líderes de tecnologia, o avanço da IA marca uma mudança de responsabilidade. O papel da liderança passa a ser o de orquestrar uma capacidade organizacional de IA, sustentada por arquitetura, governança e adoção em escala.
Nesse contexto, a expectativa em relação ao impacto da IA ainda está distante dos resultados efetivamente capturados.
Esse descompasso já é percebido diretamente pelos CIOs.
Os dados mostram que, em áreas críticas como redução de custos, aceleração do time to market e otimização de talentos, a maior parte das organizações ainda reporta resultados abaixo ou apenas dentro do esperado. Esse gap, na maioria dos casos, não está relacionado à tecnologia em si, mas à ausência de uma base estruturada que sustente a escala, exatamente onde arquitetura, governança e adoção organizacional se tornam decisivas.
Nesse cenário, líderes de TI precisam atuar em três frentes simultâneas.
A primeira é estrutural. Definir uma arquitetura que organize o uso de IA dentro da empresa, estabelecendo padrões, direcionando escolhas tecnológicas e criando uma base que permita crescimento sem retrabalho. Essa é a camada que sustenta tudo o que vem depois.
A segunda é organizacional. Implementar governança e modelos de decisão que equilibrem autonomia das áreas com controle de riscos. Aqui, o desafio é garantir que ele aconteça de forma segura, consistente e alinhada às prioridades do negócio, não é restringir o uso.
A terceira, e mais desafiadora, é cultural. Escalar IA depende diretamente da capacidade de engajar pessoas, desenvolver competências e transformar a forma como equipes trabalham. Sem isso, mesmo as melhores plataformas tendem a gerar valor limitado.
Porque, no fim, a diferença entre organizações que experimentam e aquelas que escalam não está no acesso à tecnologia, mas na capacidade de estruturar, coordenar e mobilizar a organização para transformar potencial em valor.
