Jean Pierre Lessa e Santos Ferreira explica desafios de escalar IA

Conforme assevera o executivo de tecnologia com mais de 25 anos de experiência, Jean Pierre Lessa e Santos Ferreira, a inteligência artificial nas empresas brasileiras deixou de ser apenas uma experiência de inovação, mas transformar testes em aplicações de escala ainda é um dos principais desafios. Portanto, essa mudança exige mais do que escolher uma ferramenta: envolve arquitetura, dados, processos e capacidade de integração.

O movimento já aparece nos indicadores do mercado. Pesquisa TIC Empresas 2025, divulgada pelo Cetic.br em junho de 2026, mostra que a proporção de empresas brasileiras que utilizam IA passou de 13% em 2024 para 17% em 2025. Entre as grandes empresas, com mais de 250 funcionários, o avanço foi de 38% para 50%.

O crescimento indica que a tecnologia está alcançando uma parcela maior das organizações. Ao mesmo tempo, aumenta a necessidade de transformar iniciativas isoladas em soluções capazes de funcionar de maneira contínua e integrada ao negócio.

O desafio começa quando o projeto precisa sair do piloto

Testar uma aplicação de IA em um ambiente controlado costuma ser diferente de colocá-la para funcionar em uma operação com milhares de usuários, sistemas legados e grandes volumes de dados.

Um levantamento global da Deloitte, realizado com mais de 3 mil executivos, mostra esse descompasso. Apenas 23% dos respondentes brasileiros afirmam ter conseguido levar 40% ou mais de seus projetos de IA para a escala. Por outro lado, 58% dizem que, no máximo, 20% dos pilotos chegaram à implementação.

Nesse contexto, o especialista Jean Pierre Lessa e Santos Ferreira aponta que a escala muda a natureza do problema. Uma solução pode apresentar bons resultados em um teste e, ainda assim, encontrar dificuldades quando precisa lidar com segurança, disponibilidade, integração de sistemas e custos de processamento.

A diferença está menos na demonstração da tecnologia e mais na capacidade de incorporá-la à rotina. Isso significa definir onde a IA será utilizada, quais dados poderá acessar, como seus resultados serão avaliados e de que maneira as pessoas participarão do processo.

Dados e arquitetura passam a determinar o resultado

A qualidade dos dados se torna ainda mais importante quando a inteligência artificial deixa de atender a um experimento específico e passa a participar de processos críticos. Um relatório do Cetic.br mostra que, entre as empresas brasileiras que utilizam IA, aplicações relacionadas à mineração de texto e análise de linguagem avançaram de 33% para 38% entre 2024 e 2025. A geração de linguagem natural teve crescimento ainda maior, passando de 20% para 30%.

Porém, aumentar o número de aplicações também pode ampliar a complexidade tecnológica. Sistemas diferentes precisam trocar informações, bases de dados devem estar disponíveis de maneira adequada e mecanismos de segurança precisam acompanhar o crescimento do uso.

Jean Pierre Lessa e Santos Ferreira aponta, fundado nisso, que esse processo aproxima a inteligência artificial de decisões tradicionais de arquitetura de soluções. A empresa precisa avaliar como os modelos serão conectados aos sistemas existentes, quais informações poderão ser utilizadas e como manter desempenho e confiabilidade quando a demanda aumentar. A infraestrutura também entra nessa equação. A IBM aponta que arquiteturas fragmentadas, dívida técnica, segurança, conformidade e resiliência podem criar obstáculos entre a experimentação e resultados confiáveis em escala.

Escalar IA também significa redesenhar processos

Outro ponto relevante é que a implementação não termina quando o modelo começa a funcionar. Em muitos casos, a tecnologia modifica etapas que antes dependiam exclusivamente de decisões humanas ou de sistemas convencionais.

A pesquisa da Deloitte mostra que 30% das organizações brasileiras participantes já redesenham fluxos críticos em torno da IA. O levantamento também aponta que 42% dos executivos brasileiros entrevistados utilizam a tecnologia com o objetivo de promover mudanças estruturais nos negócios. Isso ajuda a explicar por que projetos de IA exigem participação de diferentes áreas. Tecnologia pode construir a solução, mas sua efetividade depende de operações, dados, segurança, gestão e usuários finais.

Para o diretor de tecnologia, Jean Pierre Lessa e Santos Ferreira, essa integração é parte essencial da transformação digital. A inteligência artificial tende a gerar mais impacto quando deixa de ser tratada como uma ferramenta isolada e passa a fazer parte da arquitetura do negócio.

A próxima etapa é transformar experimentação em operação

O avanço da inteligência artificial nas empresas deve continuar, mas a maturidade será medida cada vez menos pela quantidade de testes realizados e mais pela capacidade de gerar aplicações confiáveis e sustentáveis.

A Deloitte aponta que 49% dos líderes brasileiros entrevistados esperam levar pelo menos 40% de seus experimentos de IA para a operação nos próximos três a seis meses. O dado indica uma pressão crescente para transformar investimentos em resultados concretos.

Nesse cenário, o especialista em tecnologia Jean Pierre Lessa e Santos Ferreira destaca, em sua experiência, que escalar IA envolve equilibrar velocidade e controle. Quanto mais a tecnologia passa a participar de processos relevantes, maior é a necessidade de governança, qualidade dos dados, infraestrutura adequada e clareza sobre os objetivos de negócio.

A tendência, portanto, não aponta apenas para mais ferramentas de inteligência artificial. O movimento representa uma mudança na forma como empresas estruturam tecnologia e processos. Aquelas que conseguirem conectar dados, infraestrutura, pessoas e estratégia terão condições de transformar experimentos em aplicações permanentes, aproximando a IA da operação cotidiana.