Para André Junges (foto em destaque), CRO do Grupo Supero, é necessário organizar a base de dados antes de aplicar a tecnologia
Segundo o relatório State of AI da McKinsey, 88% das empresas já utilizam IA em alguma função, mas a maioria permanece em fase experimental, sem escala. O cenário evidencia um desafio comum no mercado: a distância entre experimentar IA e implementá-la de forma estratégica, escalável e operacionalmente sustentável.
“O que vemos com frequência é a organização ter o objetivo de implementar IA de forma bem estruturada no papel e descobrir, já no meio do caminho, que as informações não estão organizadas, ou que os sistemas não se comunicam, e além: que o processo que a IA deveria automatizar nunca foi documentado. Não é um problema de tecnologia, e sim de preparo”, comenta André Junges, CRO do Grupo Supero, ecossistema de tecnologia especializado em operações complexas.
Segundo o executivo, existem três conceitos que CIOs, líderes de operação e empresas precisam dominar antes de avançar em qualquer implementação de LLM (Large Language Model ou Grande Modelo de Linguagem) para implementar IA além do hype.
1. Modelos de linguagem não identificam dados inconsistentes — apenas processam as informações disponíveis
LLMs operam com base em padrões estatísticos e contexto já existente. Isso significa que, quando recebem informações desatualizadas ou incompletas, podem gerar respostas plausíveis, mas incorretas. “Em operações industriais e logísticas, em que informações circulam entre ERPs, sensores e sistemas legados com diferentes padrões, garantir integração e qualidade dos dados deixa de ser uma etapa preparatória e passa a ser condição fundamental para resultados confiáveis”, explica André.
2. Processos não documentados dificultam automações consistentes
Para o especialista, quando um fluxo operacional existe apenas na execução cotidiana das equipes, sem critérios definidos ou tratamento estruturado de exceções, a automação se torna mais suscetível a falhas e retrabalho. “Esse costuma ser um dos principais gargalos identificados após o início dos projetos”, contextualiza.
3. O modelo é apenas parte da infraestrutura necessária para a IA funcionar em produção
Em ambientes corporativos, LLMs não operam isoladamente. O funcionamento adequado depende de uma camada de integração, contexto, validação, governança e conexão com sistemas externos. De acordo com André, em muitos projetos, essa infraestrutura representa a maior parte do esforço técnico da implementação. Quando essa camada é subdimensionada, aplicações que funcionam bem em testes tendem a enfrentar dificuldades no ambiente operacional.
“Não existe atalho entre a decisão de implementar IA e a operação funcionando com IA. O que existe é um conjunto de decisões técnicas e de negócio que precisam ser entendidas antes. Empresas e líderes de operação que tratam isso como etapa, e não como condição, chegam à implementação com as bases certas e com muito menos retrabalho, finaliza Junges.
