Cinco erros que travam projetos de inteligência artificial em pequenas e médias empresas

A inteligência artificial já entrou na rotina das grandes empresas brasileiras e ainda tropeça na base da economia. A pesquisa TIC Empresas, do Cetic.br, ligado ao NIC.br, encontrou 17% das companhias do país usando algum tipo de IA. Entre as grandes, o índice chega a 50%. Entre as que têm de 10 a 49 funcionários, fica em 15%.

A diferença tem menos a ver com apetite por tecnologia do que com o que existe antes de o projeto começar. Uma empresa grande tem área de dados montada, gente para documentar processo e orçamento para uma etapa de diagnóstico que não entrega nada visível no primeiro mês. Quem tem estrutura menor costuma pular exatamente essa etapa, e é nesse ponto que o projeto se perde.

Um levantamento da iniciativa NANDA, do MIT Media Lab, apontou que 95% dos projetos-piloto de IA generativa nas empresas não produziram impacto mensurável no resultado financeiro. De acordo com Carlos Perobelli, CEO da Nexmuv, empresa de tecnologia que mantém uma operação dedicada à implementação de inteligência artificial, o theGarage IA, a explicação está na ordem em que o projeto é conduzido. Ele trabalha com três camadas: pessoas, processos e tecnologia. O profissional sustenta que essa é a única sequência que sobrevive à rotina da empresa.

“Automatizar um processo ruim apenas acelera a ineficiência. Automatizar com um time despreparado produz uma solução que ninguém usa”, diz Carlos Perobelli. “As três camadas são pré-condição uma da outra”.

Cinco erros que travam projetos de IA nas pequenas e médias empresas

Para o especialista, cinco erros aparecem com mais frequência nas pequenas e médias empresas que estão começando. Abaixo, descubra quais são e o que fazer para evitá-los.

1. Escolher a ferramenta antes de decidir o processo

A conversa costuma começar pela pergunta errada, sobre qual modelo ou plataforma contratar. Antes disso, é preciso saber qual processo da empresa vai mudar, quem responde por ele e qual resultado se espera dessa mudança. “Quando o projeto começa pela escolha da ferramenta, a empresa está respondendo a uma pergunta que ainda não fez”, diz Carlos Perobelli.

O que fazer: escolha um processo com dono definido, métrica clara e volume suficiente para que uma automação apareça no resultado. Processo sem dono não sustenta projeto.

2. Começar sem medir a linha de base

Muita empresa contrata inteligência artificial sem registrar quanto tempo, quanto dinheiro ou quantos erros aquele processo custa hoje. Sem esse número, não existe comparação possível depois. “Sem linha de base, o que a empresa apresenta no fim do projeto é percepção. Ninguém consegue provar ganho contra um número que nunca foi medido”, afirma Carlos Perobelli.

O que fazer: meça o indicador por pelo menos um mês antes de qualquer contratação. Se o processo não tem indicador, criar um é a primeira entrega do projeto.

3. Tratar a bagunça de dados como detalhe técnico

O dado de que a automação precisa quase sempre está dividido entre sistemas que não se falam, e parte dele vive em planilhas fora do sistema oficial. Isso entra no cronograma como um item de infraestrutura e vira o maior atraso do projeto. “O levantamento de dados é a etapa que ninguém quer pagar e que decide o resultado”, esclarece Carlos Perobelli.

O que fazer: antes de assinar, peça um levantamento de onde está o dado, quem alimenta cada campo e com que frequência. A resposta muda prazo e preço, e é melhor descobrir isso no começo.

4. Confundir comprar pronto com adaptar

Entre as empresas brasileiras que já usam inteligência artificial, 80% adotaram software ou sistema pronto, segundo a mesma pesquisa do Cetic.br. Comprar pronto é o caminho indicado para quem não vai desenvolver modelo próprio, e não encerra o trabalho.

O relatório do Banco Mundial dedicado ao tema, o World Development Report 2026, descreve um percurso de três tempos: adotar, adaptar e avançar; e insiste na etapa do meio. Ferramenta importada precisa ser ajustada à língua, às regras e aos dados de cada operação. “Comprar a ferramenta é a parte fácil e barata. O trabalho está em fazer ela caber em um processo que já existe e que ninguém documentou”, diz Carlos Perobelli.

O que fazer: reserve tempo e orçamento para a etapa de configuração. Uma boa referência é tratar a licença como a menor linha do projeto.

5. Entregar o sistema sem preparar quem vai operar

O piloto funciona na apresentação, agrada à diretoria e morre na rotina, quase sempre porque a equipe que ia usar o sistema soube dele na semana da entrega e não teve treinamento nem tempo para mudar a forma de trabalhar. A pergunta que o especialista faz na entrada de cada projeto é se quem vai supervisionar o sistema consegue discordar dele com fundamento.

“Automação entregue a um time que não foi treinado volta a ser planilha em três meses”, afirma Carlos Perobelli.

O que fazer: inclua treinamento no escopo, defina quem responde pelo sistema depois da entrega e combine uma revisão do indicador algumas semanas após a virada.

A atenção ao porte médio não é exclusividade brasileira

As próprias desenvolvedoras dos modelos passaram a montar áreas de serviços para levar a tecnologia até a operação dos clientes. A Anthropic criou uma empresa de serviços de inteligência artificial em sociedade com bancos e gestoras, com foco declarado em companhias de médio porte. Segundo o Sebrae, os pequenos negócios respondem por 97% das empresas do país.

“A tecnologia hoje está disponível para empresa de qualquer porte. O que ainda falta é gente capaz de traduzir a operação de cada uma delas para dentro do sistema”, finaliza Carlos Perobelli.

Por Mateus Decker