Compartilhar matéria
A inteligência artificial já se tornou parte intrínseca na rotina de pequenas e médias empresas no Brasil, que já reconhecem os benefícios que a tecnologia pode trazer a seus negócios.
De acordo com uma pesquisa da Serasa Experian, 36% das empresas apontam o ganho de produtividade, a redução de custos e a melhoria no atendimento ao cliente como as principais vantagens da adoção de IA.
Apesar do interesse, muitas PMEs (pequenas e médias empresas) ainda tropeçam ao incorporar a IA em seu dia a dia. O principal gargalo é a falta de conhecimento das soluções e suas aplicações práticas, seguido da ausência de profissionais capacitados, a preocupação com a segurança de dados e, por fim, o custo financeiro, mostra também a pesquisa do Serasa.
O resultado contraria a percepção de que o investimento seria o principal obstáculo para a adoção da IA. O desafio real está em entender como transformá-la em uma ferramenta útil para a operação.
“Hoje, não há mais uma barreira de acesso. A grande dificuldade está nos passos seguintes dessa história”, afirma Tatiana Oliveira, conselheira e mentora de estratégia e governança em IA para pequenas, médias e grandes empresas.
Para ela, parte desse desafio está nos erros cometidos pelas empresas ao longo do processo de adoção — desde a escolha das ferramentas até a definição de como incorporá-las à rotina. A seguir, Tatiana aponta cinco dos principais erros na adoção de IA por pequenas empresas e indica os caminhos para contorná-los:
1. Olhar para a ferramenta, antes de entender o problema
Em meio ao desejo de utilizar alguma tecnologia de automação, empresas compram assinaturas e passam a utilizar diferentes ferramentas sem antes definir o gargalo operacional a ser superado. “O resultado disso é um uso difuso, com resultados e riscos impossíveis de medir”, afirma.
A ordem correta é, segundo ela, entender o problema, seus riscos e, somente então, fazer a escolha pela ferramenta adequada.
“Muitas vezes, a empresa não tem um ‘problema de IA’, mas sim um desafio gerencial que pode ser facilmente solucionado com algumas competências humanas de gestão e controle.”
2. Confundir produtividade individual com resultado da empresa
Há uma confusão envolvendo o ganho de produtividade gerado pela inteligência artificial. Para Tatiana, muitas PMEs estão relacionando métricas como economia de tempo pela redução de tarefas repetitivas e ganho de eficiência ao desempenho operacional da empresa da qual fazem parte — o que é precipitado.
“A economia de tempo não significa melhoria nos indicadores da empresa, tampouco lucro ou novas receitas. O ganho real precisa estar nos indicadores dos processos onde a IA está inserida”, diz.
3. Automatizar processos ruins
Antes mesmo de implementar IA — especialmente as voltadas à automação — em larga escala, é preciso revisitar processos complexos e ineficientes. Sem isso, a empresa corre o risco de amplificar erros e cometer desperdício de recursos, avalia a conselheira.
4. Não controlar o uso de dados sensíveis
O amplo uso de ferramentas públicas sem o rigor do controle corporativo intensifica riscos de vazamento de dados, quebra de sigilo e exposição de informações sensíveis. “Usários copiam contratos, dados pessoais e de clientes e informações financeiras sem se dar conta dos riscos”, diz.
Para isso, defende que é preciso estabelecer uma política corporativa clara de dados, usar licenças corporativas e ter uma condução rígida ao lidar com informações diversas.
5. Acreditar na IA generativa sem validação
A inteligência artificial, principalmente a generativa, não é sempre uma fonte confiável à primeira vista. Tatiana reforça a importância de validar as informações concedidas pela IA, evitando a propagação de dados incorretos e a tomada de decisão baseadas em informações imprecisas.
“A revisão humana e fontes confiáveis são indispensáveis”, comenta.
Os caminhos corretos
Corrigir todos esses erros depende, em boa medida, da capacitação dos times e de uma mudança cultural corporativa profunda, avalia a especialista.
“As empresas precisam entender que é preciso mudar culturalmente e adaptar o pensamento para receber a tecnolgia”, diz.
Além disso, a qualidade das informações que municiam a IA é indispensável em uma implementação bem-sucedida, complementa.
“No universo da tecnologia usamos muito a frase ‘entra lixo, sai lixo’ para resumir o que podemos esperar dos resultados de uma IA que trabalha alimentada por dados pobres. Alimentar modelos com bases sujas apenas acelera a produção de problemas”, completa.
Por fim, Tatiana é enfática: nenhum processo ou agente de IA pode rodar sem um ser humano por trás. Delegar a decisão final integralmente ao algoritmo é uma violação grave de boas práticas de governança.
“Se a sua empresa infringir a LGPD ou deixar vazar dados confidenciais de um cliente por conta de um processo automatizado, quem você vai culpar? A IA? Não existe isso. Precisa ter sempre um ser humano fazendo curadoria, validação e prestando contas”, afirma.
Texto de Maria Clara Dias
Acompanhe Economia nas Redes SociaisTópicosInteligência Artificialpequenos negócios
Conteúdo reproduzido originalmente em: CNN por joaonakamura.
