Como implementar IA na empresa: o guia completo em 6 etapas

Toda semana eu entro em uma sala de reunião onde a conversa começa do mesmo jeito.

Alguém da diretoria diz: “Fernando, a gente já comprou as licenças. Distribuímos para o time todo. Fizemos um workshop. E, sinceramente, não mudou nada.”

Aí eu faço uma pergunta que costuma provocar um silêncio desconfortável: qual processo da empresa está diferente hoje por causa dessa compra?

Quase nunca tem resposta. E não é porque as pessoas dessas empresas são ruins. É porque elas fizeram a implementação de trás para frente — começaram pela ferramenta, quando deveriam ter começado pelo diagnóstico.

Este guia é o caminho inverso. Seis etapas, na ordem em que elas funcionam.

O retrato do Brasil: muita adoção, pouca maturidade

Os números ajudam a entender o tamanho do problema.

A pesquisa TIC Empresas, do Cetic.br, mostra que o uso de inteligência artificial nas empresas brasileiras subiu de 13% para 17% entre 2024 e 2025. Entre as grandes empresas, o salto foi de 38% para 50% — metade delas já usa IA de alguma forma.

Parece ótimo. Só que levantamentos de mercado divulgados em 2026 apontam que cerca de 7 em cada 10 empresas brasileiras ainda estão em estágio iniciante ou experimental de adoção. Ou seja: usam, mas não colhem.

E tem um dado que deveria estar na pauta de todo conselho: um estudo de 2026 apontou que 8 em cada 10 organizações brasileiras já precisaram pausar ou reverter alguma implementação de IA por questões de governança — parte relevante delas por vazamento de dados ou de informações pessoais.

Traduzindo: o Brasil está adotando rápido e estruturando devagar. Essa é a lacuna que este guia se propõe a fechar.

Etapa 1 — Diagnóstico de maturidade digital

Antes de escolher ferramenta, você precisa saber onde a empresa está pisando. Eu uso cinco dimensões. Cada uma recebe uma nota de 0 a 4, e a nota mais baixa determina o ritmo do projeto inteiro — não adianta ter tecnologia de ponta com dado bagunçado.

1. Dados. Onde a informação da empresa mora? Está em planilhas soltas no drive de cada gerente ou em sistemas integrados? Quem tem acesso a quê? Existe um dono para cada base? IA sem dado organizado é chute com sotaque de autoridade.

2. Processos. Os fluxos críticos estão mapeados e documentados, ou vivem na cabeça de três pessoas? Você não consegue automatizar o que não consegue descrever.

3. Pessoas. Qual é o nível real de letramento digital do time? Não o que o RH imagina — o real. Quantos usam IA hoje, com que frequência, para quê? E quantos usam escondido, no ChatGPT pessoal, colando dado da empresa? (Essa última pergunta costuma ser a mais reveladora.)

4. Governança. Existe política de uso de IA escrita? Alguém definiu o que pode e o que não pode entrar num prompt? Há adequação à LGPD para o tratamento desses dados?

5. Liderança. A diretoria usa IA no próprio trabalho ou só cobra que o time use? Essa é a dimensão que mais reprova empresas grandes. E é a que mais determina o resultado.

Some as cinco notas. Abaixo de 10, o próximo passo é letramento e organização de dados — não é comprar plataforma. Entre 10 e 15, dá para rodar pilotos com escopo controlado. Acima de 15, a empresa está pronta para escalar.

Esse diagnóstico não precisa levar seis meses de consultoria. Ele cabe em duas semanas de conversas bem conduzidas. É exatamente por isso que palestrantes e consultores de inteligência artificial — eu incluído — têm sido chamados para imersões executivas: um ou dois dias com o time de liderança para levantar essas cinco dimensões, nivelar o vocabulário e sair com as prioridades definidas. Não é para a diretoria virar técnica. É para ela parar de decidir no escuro.

Etapa 2 — Escolher os casos de uso antes das ferramentas

Este é o ponto onde a maioria das empresas erra, e erra caro.

A pergunta certa não é “qual IA a gente compra?”. É “quais três dores da nossa operação a IA resolve primeiro?”.

Para escolher, eu cruzo três critérios em cada candidato a caso de uso:

• Frequência. Quantas vezes por semana esse trabalho acontece? Automatizar algo que roda uma vez por trimestre não muda o jogo.
• Dor. Quanto tempo, retrabalho ou dinheiro isso custa hoje? Se ninguém reclama, não é prioridade.
• Risco. O que acontece se a IA errar aqui? Um e-mail de marketing com erro é constrangedor. Um cálculo de dosagem, um parecer jurídico ou uma análise de crédito com erro é outra categoria de problema.

O ponto de partida ideal é o quadrante alta frequência + alta dor + risco controlado. Na prática, quase sempre aparecem os mesmos suspeitos: triagem e resposta de atendimento, análise de documentos e contratos, geração de propostas comerciais, consolidação de relatórios e pesquisa de mercado.

E a regra que eu mais repito: escolha três casos. Não trinta. Empresa que começa com trinta pilotos termina o ano com trinta pilotos.

Etapa 3 — Escolha de ferramentas (agora sim)

Com os casos de uso definidos, a escolha da ferramenta deixa de ser uma questão de moda e vira uma questão de encaixe. Cinco critérios que eu uso:

Onde o dado vai parar. É a primeira pergunta, não a última. A ferramenta treina modelo com o que você digita? Tem contrato empresarial com garantia de não-treinamento? Onde ficam os servidores? Aquele estudo dos 80% de rollbacks por governança começa exatamente aqui.

Horizontal ou vertical. Ferramentas horizontais (ChatGPT, Claude, Gemini, Copilot) resolvem muitos problemas de forma razoável e são a base do letramento. Ferramentas verticais resolvem um problema específico muito bem — jurídico, saúde, contábil. A maioria das empresas precisa de uma horizontal para todos e uma ou duas verticais para as áreas críticas.

Integração com o que já existe. Uma IA que não conversa com o seu ERP, CRM ou base de conhecimento vira mais uma aba aberta. E aba aberta demais é o caminho mais curto para o abandono.

Modelo de custo. Licença por usuário é previsível, mas você paga por gente que não usa. Cobrança por consumo escala melhor, mas exige monitoramento. Decida com base no padrão de uso que você mediu no piloto — não no que o vendedor projetou.

Curva de aprendizado. A ferramenta mais poderosa que o time não usa perde para a ferramenta mediana que ele usa todo dia.

Um alerta: não distribua licença para a empresa inteira no primeiro mês. Comece pelos times dos três casos de uso. Licença ociosa não é só desperdício de orçamento — é a prova que o cético interno vai usar contra o projeto na reunião seguinte.

Etapa 4 — Engajamento das equipes: de letramento a fluência

Aqui está a parte que nenhuma plataforma resolve por você.

Dar acesso a uma ferramenta não cria capacidade. Ninguém aprendeu inglês porque ganhou um dicionário. O caminho é letramento → prática → fluência, e ele tem etapas que não dá para pular:

Fundamentos primeiro. Antes de usar, o profissional precisa entender o que a IA é, o que ela faz bem e onde ela erra. Essa etapa elimina os dois maiores inimigos do uso produtivo: o medo e o deslumbramento. Quem tem medo não usa. Quem está deslumbrado usa errado e não confere.

Depois, como pedir. A diferença entre uma resposta genérica e um resultado profissional está quase toda na forma de perguntar. É a etapa que dá o retorno mais rápido e mais visível.

Depois, como delegar. Assistentes personalizados, automações e agentes. É onde a produtividade deixa de ser individual e vira processo.

E, no topo, criar. Times que passam a resolver com IA problemas que antes dependiam de fila de TI ou orçamento de agência.

Três coisas sustentam essa jornada no dia a dia, e elas valem mais do que qualquer aula:

• Campeões internos. Escolha de 5 a 10 pessoas nas áreas de negócio — não em TI — para serem referência. A adoção se espalha por prova social muito mais rápido do que por comunicado do RH.
• Um canal para quando a pessoa travar. O momento mais perigoso do aprendizado é quando alguém trava. Se não tem onde perguntar, ela desiste e volta ao jeito antigo. E não volta mais.
• Ritmo semanal. A IA muda toda semana. O aprendizado também precisa mudar. Vinte minutos por semana de prática guiada valem mais do que oito horas de workshop uma vez por ano.

Etapa 5 — Gestão da mudança: o que ninguém coloca no slide

A resistência à IA quase nunca aparece como resistência. Ela aparece como agenda cheia, como “estou sem tempo de testar”, como “no meu caso é diferente”.

Por baixo disso tem uma pergunta que ninguém faz em voz alta: “isso vai me substituir?”

Enquanto essa pergunta não for respondida com clareza, sua implementação vai ser sabotada em silêncio — e sabotagem silenciosa não aparece em dashboard.

O que funciona:

Faça o contrato explícito. A liderança precisa dizer, com todas as letras, o que vai acontecer com as pessoas cujo trabalho for automatizado. Realocação? Requalificação? Redução de quadro? Qualquer resposta honesta é melhor do que o silêncio, porque o silêncio o time preenche sozinho — sempre com a pior hipótese.

Não meça o que não importa. Número de licenças ativas e horas de curso não são resultado. Resultado é tempo de ciclo de um processo, retrabalho evitado, volume atendido, receita destravada. Se o seu indicador de IA é “% de colaboradores com acesso”, você está reportando atividade, não impacto.

Comemore em público o que deu certo. E, principalmente, conte também o que não deu. Um caso de uso que falhou e foi explicado abertamente compra mais confiança do que dez cases de sucesso apresentados em PowerPoint.

Comece pela liderança. Um diretor que abre a IA na frente do time e mostra como usou naquela análise ensina mais em cinco minutos do que um treinamento inteiro. E o contrário também é verdade: liderança que não usa autoriza o time a não usar.

Etapa 6 — Governança e escala

Quando os primeiros casos derem certo — e eles vão dar —, a pressão para escalar é imediata. É aí que a governança deixa de ser burocracia e vira condição de sobrevivência.

O mínimo viável:

1. Política de uso escrita e curta. Uma página, em português claro. O que pode entrar num prompt e o que nunca pode: dado pessoal de cliente, informação sob NDA, dado financeiro não divulgado, código proprietário.
2. Revisão humana obrigatória em tudo que sai para cliente, para órgão regulador ou para o mercado.
3. Registro dos casos de uso ativos. Quem é o dono, qual ferramenta, qual dado é tocado, qual o risco. Sem esse inventário, ninguém consegue responder à auditoria — nem descobrir a IA que alguém plugou por conta própria.
4. Um fórum de decisão com negócio, TI, jurídico e RH na mesma mesa. IA não é assunto de TI. É decisão de liderança com suporte técnico.

Cinco cases brasileiros — e a lição de cada um

Os números abaixo são os divulgados publicamente pelas próprias empresas e pela imprensa especializada. Eles importam menos pelo tamanho e mais pelo padrão que revelam.

Itaú Unibanco — volume vence aposta única. O banco reportou no início de 2026 mais de 750 casos de uso de IA em desenvolvimento e cerca de 150 já em produção, além do ia.i, sua interface conversacional, liberada inicialmente para uma fração da base de clientes e expandida por etapas. A lição: não existe “o projeto de IA”. Existe portfólio, e existe liberação gradual em vez de virada de chave.

Bradesco — o assistente que amadureceu por uma década. A BIA nasceu em 2017 sobre o Watson e hoje opera integrada a IA generativa. O banco reportou 74 milhões de interações só no primeiro semestre de 2026, com retenção entre 85% e 90% na primeira camada de atendimento digital e uma base ativa mensal que cresceu sete vezes em doze meses. A lição: os ativos de IA que dão resultado hoje foram construídos há anos. Quem começar agora está começando com atraso — o que é péssimo motivo para não começar.

Ambev — o gargalo que virou vantagem. A companhia reportou em 2026 que análises de pesquisa de mercado que levavam até três meses passaram a ser feitas em cerca de um dia, com apoio de agentes e modelos de dados. A lição: o ganho que muda o negócio raramente é “escrever e-mail mais rápido”. É a decisão que agora acontece em outra escala de tempo.

Magazine Luiza — IA em cima de um ativo que já existia. O Luizalabs desenvolveu, em parceria com o Google, a camada de IA generativa que passou a alimentar a Lu, conectada a dados do marketplace para sugerir produtos e resolver pendências de pedido. A lição: a empresa não inventou um personagem novo. Colocou IA dentro de um ativo de marca que o cliente já conhecia — atrito de adoção quase zero.

Casas Bahia — a assistente como camada de recomendação. A varejista desenvolveu a Bah.IA para sugerir produtos a partir do perfil do consumidor. A lição: em varejo, o caso de uso com retorno mais direto costuma estar na jornada de compra, não no back-office.

O fio comum entre os cinco: nenhum deles começou grande. Todos começaram com um problema específico, mediram, e só então escalaram.

Um cronograma de 90 dias que funciona

Dias 1 a 30 — Diagnóstico. As cinco dimensões de maturidade. Mapeamento do uso informal que já existe (e existe). Nivelamento da liderança — é aqui que a imersão executiva encaixa. Saída: os três casos de uso escolhidos.

Dias 31 a 60 — Piloto. Times pequenos, ferramentas definidas, política de uso publicada, campeões internos formados. Métrica de antes e depois medida de verdade, não estimada.

Dias 61 a 90 — Evidência e decisão. Consolidação dos números, apresentação honesta ao comitê (o que funcionou e o que não funcionou), definição do que escala e do que morre. Plano de letramento para a próxima onda de áreas.

Noventa dias não transformam uma empresa. Mas transformam uma discussão vaga sobre IA em uma decisão baseada em evidência da sua própria operação — que é exatamente o que falta na maioria dos comitês hoje.

Os cinco erros que matam a iniciativa

1. Começar pela ferramenta. Comprar licença antes de saber qual problema resolver.
2. Tratar como projeto de TI. IA muda processo e muda gente. Isso é decisão de liderança.
3. Confundir treinamento com fluência. Certificado prova presença. Fluência aparece no resultado.
4. Não falar sobre emprego. O medo não some porque ninguém falou dele. Ele só sai do dashboard.
5. Medir acesso em vez de impacto. “90% do time tem licença” não é um resultado. É uma fatura.

Por onde você começa amanhã

Se eu pudesse resumir tudo em uma única recomendação, seria esta:

Pare de perguntar qual IA comprar e comece perguntando qual processo dói mais.

A tecnologia é a parte fácil e barata dessa equação. A parte difícil é diagnóstico honesto, escolha de prioridade, letramento com método e coragem de liderança para conduzir a mudança em vez de terceirizá-la.

O Brasil está adotando IA mais rápido do que está aprendendo a usá-la. A janela de vantagem competitiva não está em ter a ferramenta — daqui a pouco todo mundo terá. Está em ter um time que sabe o que fazer com ela.

E isso não se compra. Se constrói.

Conheça as palestras do Fernando