Sem liderança formal, iniciativas de IA tendem a se pulverizar entre áreas, criando lacunas de responsabilidade
Autora: Elis Hernandes
A corrida pela inteligência artificial ganhou status de prioridade estratégica nas empresas brasileiras. Orçamentos robustos, metas agressivas de adoção e promessas de eficiência transformaram a IA em pauta permanente nos conselhos. Mas, em meio ao entusiasmo, uma pergunta simples tem sido ignorada: quem está no comando da governança? E mais, as organizações estão estruturadas para tomar decisões rápidas sem comprometer segurança, conformidade e geração de valor?
A discussão não começa na tecnologia, mas na base. Se a empresa não tiver dados estruturados e preparados, o data readiness, os custos poderão ser maiores. Em outras palavras, acelerar sem planejamento, organização e direção pode levar a empresa mais para longe do que para frente.
A adoção massiva de IA ao longo de 2025 revelou um cenário comum: organizações investiram pesado antes de organizar a casa. O resultado? Projetos que não entregam retorno, riscos jurídicos subestimados e dificuldades para medir resultados concretos.
Antes de investir pesado, é preciso definir com clareza quem responde pelas decisões críticas. Sem liderança formal, iniciativas de IA tendem a se pulverizar entre áreas, criando lacunas de responsabilidade. Quando um algoritmo comete um erro, seja um banco informando uma taxa de juros incorreta a milhares de clientes ou ao gerar uma recomendação sensível no setor de saúde, a pergunta inevitável surge: de quem é a culpa?
Além do risco reputacional, há implicações legais. No Brasil, a Lei Geral de Proteção de Dados Pessoais, LGPD, impõe regras claras sobre tratamento, armazenamento e transferência internacional de dados. Processar informações em servidores fora do país sem controle adequado pode expor a companhia a multas e sanções.
Esse cenário reforça que governança não deve ser vista como entrave à inovação, mas como condição para que ela aconteça de forma sustentável.
Existe a necessidade de um responsável pela integridade dos dados que alimentam os modelos. Dados ruins geram resultados ruins. E, dependendo do setor, isso não é um erro tolerável e pode comprometer o negócio.
Um dos principais entraves à governança eficaz está dentro da própria estrutura organizacional. Dados em silos, isolados entre financeiro, marketing, tecnologia e outras áreas, impedem análises integradas e ampliam riscos de inconsistência. Sem integração entre áreas, a tomada de decisão se torna mais lenta e menos estratégica, extremamente o oposto do que a IA promete entregar.
Alinhar tecnologia, jurídico, compliance e negócios não é tarefa trivial. Não existe fórmula única. Algumas empresas chegaram a proibir o uso de IA internamente como medida preventiva. Mas, na prática, a proibição raramente se sustenta. A tecnologia já faz parte do cotidiano dos profissionais.
A alternativa mais eficaz tem sido investir em capacitação, estabelecer políticas claras de uso e integrar a governança de IA aos objetivos estratégicos da companhia. Não é IA pela IA. É IA conectada ao propósito e ao resultado do negócio. Isso exige métricas bem definidas, acompanhamento contínuo e alinhamento entre estratégia e execução.
O papel do C-Level: fazer a conta fechar
Se a governança define as regras, cabe ao C-Level garantir que o investimento faça sentido. O desafio vai além da conformidade regulatória. Trata-se de assegurar retorno sobre investimento, mitigação de riscos e vantagem competitiva.
Nem todo projeto de IA gera ganhos reais. Muitas empresas descobriram que automatizar tarefas pontuais não justifica aportes milionários. Pior: parte da liderança sequer consegue rastrear com precisão o retorno obtido. Em um cenário de revisão orçamentária, isso pode significar cortes e descontinuidades de iniciativas promissoras.
O papel da alta gestão é equilibrar experimentação e disciplina financeira. É preciso testar, aprender e ajustar, mas com métricas claras, monitoramento contínuo e responsabilidade definida. Organizações que conseguem combinar responsabilidade formal com capacidade de adaptação tendem a avançar de forma mais consistente na agenda de IA.
Os sinais de que a empresa ainda não está pronta para escalar IA são claros, como a ausência de política formal de dados, falta de integração entre áreas, inexistência de métricas de ROI e desconhecimento dos riscos regulatórios. Nesses casos, acelerar pode ser um erro estratégico. Da mesma forma, estruturas excessivamente centralizadoras ou excessivamente dispersas indicam que o modelo de decisão ainda precisa evoluir.
A inteligência artificial deixou de ser tendência para se tornar realidade competitiva. Mas, sem governança sólida, liderança definida e dados organizados, a promessa de inovação pode se transformar em crise.
Antes de apertar o acelerador, talvez a pergunta mais estratégica não seja “qual ferramenta adotar?”, mas sim: “quem está no comando?”
Elis Hernandes é diretora de desenvolvimento da Marlabs.
