O grande desafio da inteligência artificial nas empresas atualmente não é a falta de tecnologia de ponta, mas um abismo crescente entre o que é construído e o que é efetivamente adotado. Em apresentação no AI Festival, realizado pela Startse em São Paulo, Ana Trisovic, pesquisadora do CSAIL no MIT, revelou que os modelos mais avançados de IA desenvolvidos por gigantes como OpenAI e Google são 22 vezes maiores do que os modelo medianos adotados em produção ou na ciência. Segundo a pesquisadora, essa lacuna mostra que a fronteira tecnológica está avançando muito mais rápido do que a capacidade de absorção por parte das empresas, sugerindo que o sucesso na era da IA depende menos de acessar o modelo da moda e muito mais de uma estratégia sólida de implementação.

Muitas organizações creditam o fracasso de seus projetos de IA a falhas técnicas, como a falta de dados estruturados ou infraestrutura computacional insuficiente. No entanto, o diagnóstico de Ana aponta para problemas mais profundos, somam-se aos achados da pesquisadora, tópicos como falta de estratégia clara e a negligência com a cultura e a estrutura organizacional. De acordo com dados apresentados por Ana, cerca de 95% das iniciativas de IA têm impacto zero. Esse número é explicado por três modos principais de falha: escolher modelos baseando-se apenas em rankings (benchmarks), tratar a IA como uma simples aquisição de software (procurement) e apostar todas as fichas em um único fornecedor.

Armadilha da Compra

Um dos pontos centrais da palestra da pesquisadora do MIT foi o alerta sobre a instabilidade dos benchmarks. Ana destacou que um modelo que lidera os rankings hoje pode perder sua utilidade em pouco tempo, ou simplesmente não se traduzir em valor para o caso de uso específico da empresa. “Não compre um modelo olhando apenas para a linha de liderança”, alerta Ana. Para os executivos, a recomendação é clara: em vez de seguir o hype, as empresas devem realizar avaliações internas semanais com seus próprios dados e fluxos de trabalho antes de tomar uma decisão.

Além disso, ela criticou a visão da IA como uma simples ferramenta de contratação. Muitas empresas assinam contratos caros esperando que a produtividade surja por “mágica”, mas esquecem que o valor real vem da integração. Ana afirma que o contrato com o fornecedor representa apenas 10% do trabalho; os outros 90% residem no planejamento de dados, ajuste fino (fine-tuning), monitoramento e integração nos processos da empresa. Sem essa mudança na estrutura organizacional e na cultura de processos, a IA permanece como um acessório caro e ineficaz.

Modelos Abertos vs. Fechados: A Estratégia para o Brasil

A pesquisadora trouxe dados interessantes sobre a preferência por modelos abertos, embora os modelos fechados (como o GPT-4 ou Claude) cresçam em capacidade de raciocínio complexo. Atualmente, 81% dos usuários científicos de IA preferem modelos abertos devido ao custo, controle e privacidade. Para empresas brasileiras, essa distinção é vital. Como o Brasil é um importador de modelos, Trisovic sugere uma estratégia híbrida: usar modelos abertos para o grosso do volume de trabalho e modelos fechados apenas para tarefas de fronteira que exijam alta capacidade de raciocínio.

Ana afirmou que a personalização é o maior preditor de criação de valor. Ela exemplificou que uma firma jurídica brasileira com dez anos de dados próprios pode criar um modelo diferenciado que nenhum fornecedor de API global conseguiria replicar. “A questão não é se você é dependente [de tecnologia estrangeira], mas como você gerencia essa dependência”, alertou a pesquisadora, sugerindo que empresas mantenham pelo menos um modelo aberto rodando localmente para mitigar riscos geopolíticos e de custos.

Três princípios para sua estratégia

Ao final da sua apresentação, Ana Trisovic deixou três princípios fundamentais para os executivos que desejam cruzar o abismo de adoção da inteligência artificial:

1. Aposte na capacidade de adoção, não apenas no modelo em si;
2. Combine modelos abertos com customização, reservando modelos fechados para tarefas genéricas de alta complexidade;
3. Assuma que seu modelo atual será obsoleto em 24 meses ou menos.

O recado da pesquisadora do MIT é um choque de realidade: a IA não é um produto que se compra e esquece, mas uma capacidade organizacional que precisa ser cultivada. O diferencial competitivo não virá de qual API você chama, mas de quão bem você integra essa inteligência ao seu pipeline, aos seus dados e à cultura da sua empresa.