Existe um grupo crescente de executivos que critica pilotos e POC de inteligência artificial creditando a eles parte das falhas para escalar ou gerar valor com a tecnologia. O argumento se baseia no fato de muitas vezes esses pilotos não serem realizados em ambientes de produção, ainda que com pequenos grupos, o que faz com que quando levados para realidade, acabam não funcionando. Assim, superar a fase de testes e levar projetos de IA para o centro das operações críticas se apresenta como um dos maiores desafios enfrentados pelas grandes organizações. Durante o FICO Forum Brasil 2026, executivos dos três maiores bancos do país debateram como ultrapassam o estágio das Provas de Conceito (POCs), estruturando a governança de dados e mensurando o retorno sobre o investimento (ROI) além das métricas financeiras tradicionais.

Um dos diagnósticos mais contundentes do painel foi sobre a necessidade de mudar a abordagem em relação às POCs. Para as lideranças presentes, o teste pelo teste não gera valor se não houver um plano claro de implantação em larga escala desde o primeiro dia.

“A discussão sobre como escalar deve vir antes da POC. Se o negócio ou o time não tem uma estratégia clara de como escalar, não deveríamos nem começar a POC, porque ela tende a trazer mais frustração do que aprendizado. Não adianta achar que, depois dos resultados, você vai descobrir que estruturou os dados numa planilha, que pode funcionar para mil clientes, mas é inviável para 10 milhões”, afirmou Rafael Cavalcanti, CDAO do Bradesco.

Se a mentalidade da escala deve estar presente desde o início, a maturidade da gestão também importa, especialmente quando voltamos os olhos para as falhas que podem ocorrer no processo. E lidar com falhas em processo de inovação, embora seja premissa amplamente compartilhada, nem sempre é praticada. 

Visão entregada e geração de valor

“Temos muitos casos de sucesso em POCs, mas se não falarmos sobre os fracassos, não estamos abordando o processo de POC como ele deveria ser. Se você tem um plano de rollout antes mesmo de obter os resultados e decidir se escala ou não, você não está fazendo a POC da forma correta. Deveríamos ter mais falhas do que sucessos”, pontuou Kauê Oliveira, head de engenharia de software e dados do Itaú Unibanco. 

A falta de visão integrada no momento de desenhar a solução bem como a falta de ligação com a estratégia corporativa também aparecem como gargalos no mercado. “Pesquisas mostram que 95% das empresas que usam IA não estão obtendo o retorno esperado sobre seus investimentos. O motivo principal é que as pessoas pensam no resultado antes de considerar como os dados são construídos, como é a governança e como as equipes são engajadas e treinadas”, compartilhou Janaina Storti, head de relações com investidores do Banco do Brasil. 

Em recente conversa com o Coletivo Tech o CDO da farmacêutica Sanofi se posicionou contrário a POCs ou pilotos por entender que eles não têm lastro com o mundo real. Ou seja, testa-se em ambiente controlado e quando entra em produção, acaba por não funcionar. Algo que conversa com o argumento da planilha para mil clientes que não funciona para 10 milhões, como detalhou Cavalcanti, do Bradesco. Mas se esse tem sido um problema crescente, há uma boa prática para isso?

“Há uma percentagem muito elevada de POCs que falham porque se tem uma grande ideia, mas como isso não fez parte da intenção inicial do que estavam fazendo, quando se têm de cruzar esses limiares de prontidão — “Isto é seguro? Tem baixa latência? Cumpre com a conformidade regulamentar? Cumpre com os nossos padrões para a IA?” —, como isso não foi incorporado desde o início, morre logo ali antes de chegar à produção”, explicou. Mike Trkay, CIO da FICO.

Arquitetura e Engenharia

Mas uma vez ultrapassada a barreira da POC, o sucesso não é exatamente garantido e ele passa por um salto de eficiência da IA. Algo que está menos relacionado ao modelo escolhido e mais à robustez da arquitetura de engenharia que os sustenta.

“A grande virada na tecnologia de IA não está no modelo em si, mas em onde ele deve ser aplicado. Podemos usar um modelo de fronteira para resolver todos os problemas de fraude? Podemos, mas não acho que devamos. Se há questões que podem ser resolvidas com regras e fluxos determinísticos, devemos fazer isso. A IA entra para resolver tarefas complexas. O ROI não está no código, mas em como ajustamos o caso de uso para a entrega certa ao cliente”, dividiu Oliveira.

Para o Bradesco, encarar soluções de IA com a mesma disciplina de produtos de software tradicionais é indispensável para garantir escalabilidade e estabilidade.

“Precisamos pensar no produto de IA como um produto de software mais complexo. O ciclo de vida de desenvolvimento de software existe por uma razão: design, codificação, teste, validação e operação em escala. Hoje, muitos dos desafios ao colocar projetos em produção ocorrem porque ainda estamos usando frameworks antigos para tecnologias muito novas”, defendeu Cavalcanti, em uma fala que conversa com argumento recorrente de não colocar IA em processo ruim. 

ROI e governança

Embora o impacto na receita e na redução de custos seja essencial em instituições financeiras e também em outros segmentos interessados nos ganhos de IA, o painel reforçou que medir o ROI exige olhar para métricas intangíveis, como tempo de resposta e na melhoria contínua da experiência do usuário.

No Banco do Brasil, o projeto “BB Sou Eu” (voltado à confirmação de transações em tempo real) ilustra como a eficiência operacional se traduz em valor de relacionamento. “Quando olhamos para 85 milhões de clientes, temos 35 milhões interagindo diariamente em canais digitais. Desenvolvemos uma solução em que fazemos a avaliação de risco em tempo real e, no mesmo instante, o cliente recebe uma mensagem perguntando se realizou a compra. Com o ‘BB Sou Eu’, reduzimos a fricção, aumentamos em 6 vezes a comunicação com o cliente em relação à ferramenta anterior e recuperamos valores que seriam perdidos”, resumiu Janaina. 

Outro pilar central nessa discussão é o papel da governança como acelerador, e não como obstáculo à inovação. E o tema tem sido amplamente debatido pela dificuldade que muitas lideranças têm encontrado no desenvolvimento de uma governança aderente à IA. 

“Aprendemos que, com a governança correta, podemos acelerar de forma mais segura. Lançamos nossas diretrizes públicas para uso ético da IA e as atualizamos para considerar IA agêntica e robôs. Mas a IA por si só não transforma nada; pessoas transformam. Investimos continuamente em capacitação: este ano, temos 36 mil pessoas em treinamento contínuo em IA, além da liderança, porque se o líder não entende de IA, o time também não avança”, completou Janaina.