O otimismo com a inteligência artificial corporativa convive com um gargalo de confiança. Dados da nova edição do estudo 2026 State of Responsible AI, realizado pela FICO em parceria com a Corinium Global Intelligence, escancaram o problema: enquanto 85,1% dos executivos afirmam que a IA atendeu ou superou as expectativas de retorno sobre o investimento (ROI), apenas 5,2% dos líderes de tecnologia se sentem muito confiantes para explicar decisões tomadas por algoritmos.

Na prática, quase a totalidade do mercado (94,8% dos entrevistados) admite operar em algum nível de penumbra operacional quando o assunto é auditabilidade e explicabilidade. O resultado é uma paralisia estratégica na linha de frente: 71,5% das decisões que impactam diretamente os clientes ainda são tomadas sem qualquer uso de IA, permanecendo ancoradas em julgamento humano (33,3%), sistemas baseados em regras (21,4%) ou analítica tradicional (16,8%).

A ilusão da eficiência interna

O descompasso entre a satisfação com o ROI e a fraqueza na governança reflete o estágio atual de maturidade das empresas, que ainda focam em tarefas periféricas de produtividade diária em detrimento do ecossistema de decisões core. Diversos estudos mostram ganhos superficiais, muitas vezes apenas no nível pessoal e não no organizacional, ou seja, tarefa que auxilia o colaborador de alguma forma, mas com zero impacto para corporação, seja financeiro, seja de ganho de eficiência.

“As empresas estão apenas começando a arranhar a superfície do uso da IA, então suas expectativas ainda são baixas. O ROI atendeu às expectativas porque elas capacitaram a força de trabalho com ferramentas para ajudar a escrever e-mails ou gerenciar calendários”, analisa Scott Zoldi, Chief Analytics Officer (CAO) da FICO. “Quando olho para os números, vejo que as empresas estão atraídas pelo ganho de eficiência interna, mas ainda não evoluíram para o grande valor, que é tomar decisões melhores que impactem o cliente.”

Esse receio de expor o negócio a falhas reputacionais ou regulatórias atua como um freio de mão para aplicações mais avançadas. Apenas 2,4% das organizações implementaram IA agêntica de forma ampla em processos voltados ao cliente, enquanto 71,5% mantêm a tecnologia restrita a testes e pilotos. As barreiras centrais para escalar agentes autônomos recaem sobre preocupações com segurança (40,1%) e problemas na qualidade ou integração de dados (38,3%).

Essa cautela é respaldada pela percepção de risco sobre os impactos financeiros de um diagnóstico ou concessão incorreta. “Quando falamos de ROI em IA, as pessoas focam no benefício, mas uma pergunta cada vez mais frequente é: qual é o custo de estar errado?”, destaca Mike Trkay, CIO da FICO. “Quando você quantifica isso no ROI sem ter a estrutura para explicar como a decisão foi tomada, o risco desestimula o uso, pois o impacto de um erro pode ser muito maior do que o benefício inicial.”

Governança e padronização como ponto de partida

A pesquisa que ouviu 1.004 líderes seniores de tecnologia, risco e dados mostra que o caminho para superar a desconfiança passa pela institucionalização de metodologias estruturadas. Para 71,9% dos participantes, o estabelecimento de padrões para o desenvolvimento de modelos é a iniciativa com maior potencial de impactar positivamente o uso da IA, seguida de perto pela adoção de arquiteturas de modelos interpretáveis (67,9%).

Embora 58,8% declarem usar ferramentas para detecção de viés e 53,5% realizem auditorias periódicas, a ausência de um padrão único e consolidado gera fragmentação: 71,2% das organizações operam com plataformas de IA apenas parcialmente implementadas, e somente 8,2% contam com uma arquitetura técnica única e compartilhada.

O desafio passa invariavelmente pela estruturação da governança de IA que tem sido um calcanhar de Aquiles para líderes das iniciativas de IA. Para CIOs e lideranças de tecnologia que enfrentam dificuldades para estruturar arcabouços de governança específicos para IA, a recomendação é focar na padronização antes de diversificar algoritmos.

“Tudo começa com um padrão de IA. O primeiro passo é garantir, dentro da organização, que todos aceitem que deve haver apenas um padrão, porque não adianta ter mais de um”, recomenda Zoldi. “A maioria das organizações olha para o desempenho do modelo e depois tenta justificar o seu uso. Mas os critérios de sucesso devem ser: em primeiro lugar, ser ético; em segundo, ser interpretável; em terceiro, não causar danos; e só então o desempenho”, ensinou.

Do ponto de vista operacional, a construção dessa governança não exige reinventar a roda, mas reordenar competências de conformidade que a gestão de TI já domina.

“A maioria dos CIOs já possui um conjunto de competências sobre estruturas de conformidade e compliance, como SOC ou PCI. Usar essa mentalidade e aplicá-la à IA responsável é um conjunto de habilidades que eles já possuem e só precisam reaplicar”, explica Mike Trkay. “O PCI, por exemplo, não diz exatamente como você deve cumprir, mas estabelece o padrão do que precisa ser feito. Use as habilidades que você já tem como CIO e aplique-as a essa nova tecnologia.”