Os modelos de inteligência artificial não só evoluem em velocidade impressionante como estão mais poderosos, conseguem executar tarefas complexas e começam a assumir atividades que antes dependiam exclusivamente de profissionais experientes. Mesmo assim, muitas empresas ainda não conseguem transformar os investimentos em IA em resultados concretos para os negócios.

Essa contradição foi trazida por Arvind Jain, fundador e CEO da Glean, durante o Web Summit Lisboa 2026. O executivo questionou a obsessão do mercado pela inteligência dos modelos e defendeu que o verdadeiro diferencial da IA corporativa está em outro componente: o contexto.

Para Jain, não basta disponibilizar ferramentas avançadas aos funcionários. A inteligência artificial precisa entender como cada empresa funciona, quais conhecimentos seus profissionais acumularam e como as decisões são tomadas no dia a dia.

O conhecimento das empresas ainda está preso às pessoas

O executivo explicou que muitas organizações estão tentando substituir parte do trabalho realizado por seus funcionários por sistemas de inteligência artificial. O problema começa quando essas ferramentas precisam executar atividades no mesmo nível de um profissional que acumulou anos de experiência.

Isso exige mais do que acesso a documentos e bancos de dados. É necessário reproduzir parte do conhecimento prático, da experiência e da capacidade de julgamento que orientam o trabalho humano. Jain definiu esse conjunto de informações como o contexto organizacional. O desafio é que uma parcela significativa desse conhecimento não está documentada. Existem manuais, processos, guias e fluxos de trabalho, mas muitas decisões dependem de critérios que permanecem na cabeça dos funcionários.

“Pense no contexto como a experiência coletiva, a inteligência e o know-how de toda a sua força de trabalho. Como o trabalho acontece dentro da sua empresa? Uma vez que você o captura, uma vez que descobre como reunir todo esse contexto, aí sim você pode realmente levá-lo para os seus sistemas de IA”, apontou.

Camada de contexto pode conectar diferentes agentes de IA

Uma das soluções defendidas pelo executivo é a criação de uma camada de contexto corporativa, capaz de reunir informações distribuídas pelos diferentes sistemas utilizados pelas empresas. A partir dessa integração, a tecnologia organiza as informações e disponibiliza o contexto para outros sistemas de inteligência artificial por meio do MCP (Model Context Protocol).

Jain destacou que simplesmente oferecer conexões via MCP ou APIs não resolve toda a questão. Embora essas tecnologias permitam que sistemas de IA acessem informações empresariais, nem sempre conseguem reunir todos os elementos necessários para compreender um processo de negócio.

Isso acontece porque o conhecimento está espalhado por diferentes plataformas. Quando um agente precisa executar uma tarefa, pode ser difícil reunir todas as informações em tempo real. A alternativa é construir essa camada de contexto antecipadamente. Assim, os sistemas conseguem consultar informações já organizadas sobre clientes, produtos, parceiros e processos internos.

Outro ponto importante é que essa estrutura pode funcionar como uma plataforma horizontal. Em vez de criar uma base de conhecimento independente para cada agente, a empresa estabelece uma camada compartilhada, utilizada por diferentes departamentos e ferramentas de IA.

Empresas começam a trocar volume de tokens por retorno financeiro

Apesar dos avanços tecnológicos, a distância entre a satisfação dos funcionários e os resultados percebidos pelas lideranças continua significativa.

Jain comentou uma pesquisa segundo a qual 75% dos funcionários dizem estar satisfeitos com a ajuda da inteligência artificial no trabalho cotidiano. Quando a pergunta é direcionada aos líderes empresariais, porém, apenas 13% afirmam perceber geração de valor para os negócios.

Essa diferença ajuda a explicar uma mudança na maneira como as organizações avaliam seus investimentos em IA. O executivo afirmou que o mercado começa a deixar de lado a lógica de consumir cada vez mais tokens, movimento que chamou de token maxing, para priorizar o token yield: o valor efetivamente obtido a partir dos recursos computacionais utilizados.

A mudança mais importante, entretanto, está na definição do que a tecnologia deve entregar. Em vez de simplesmente tornar cada funcionário mais produtivo, as empresas começam a procurar processos inteiros que possam ser automatizados e cujos custos e economias sejam mensurados.

Próxima etapa da IA corporativa depende de contexto

O CEO da Glean demonstrou otimismo sobre a capacidade das empresas de superar o paradoxo da inteligência artificial.

Para ele, existe hoje uma compreensão maior de que modelos avançados precisam trabalhar com uma camada de contexto para produzir resultados relevantes. A combinação entre essas duas estruturas deve permitir avanços em processos empresariais ao longo do próximo ano.

“Vamos ver um número significativo de processos de negócios sendo aprimorados com IA ao longo do próximo ano. Minha esperança é que veremos a conversa mudar do ROI ou do valor de negócio da IA para todas as coisas novas e incríveis que você pode construir com IA”, finalizou Jain.