O que aprendemos colocando IA, dados e cloud em produção, escrito por quem fez.
A ISO/IEC 42001 não avalia se o seu modelo acerta. Avalia se a sua empresa sabe onde usa IA, quem responde por cada uso e o que faz quando algo dá errado. O que a norma pede, como ela conversa com a LGPD e um plano de 90 dias.
Agentic AI é o ponto em que o software deixa de sugerir e passa a agir em nome da empresa. As cinco camadas até aqui, o que o mercado está mostrando e como decidir até onde um agente pode ir.
Reconstruímos o site da Cortex IQ com o Lovable e ganhamos semanas de frontend. O que a ferramenta não resolveu (crawlers de IA lendo uma página vazia, analytics sem registrar visitas, idiomas trocados) foi trabalho nosso. O relato completo, com o que corrigimos depois.
Agentes de código no terminal mudaram o que conta como trabalho normal de um desenvolvedor. Os estudos mostram ganho real e também ilusão de ganho. O que muda, o que não muda, um caso deste próprio site e como um CTO deveria introduzir a ferramenta.
Arquitetura cyborg é a regra que usamos para decidir, em cada processo, o que fica com pessoas e o que fica com a IA. De onde vem a ideia, o que a pesquisa diz sobre ela e como a aplicamos no nosso próprio trabalho.
O Brasil ainda não tem lei específica de IA em vigor, mas a LGPD já alcança cada prompt, cada base de RAG e cada agente que lê e-mail. O que a ANPD já fez, o que o artigo 20 exige de verdade e um checklist de 30 dias.
Um comitê que analisa todo pedido de IA na reunião mensal produz uma coisa: uso de IA fora do comitê. Como classificar risco, quem senta na mesa, que prazos definir e o que fazer nos primeiros 60 dias.
Quando alguém pergunta "por que o modelo decidiu isso, para esse cliente, nessa data?", a resposta precisa já estar gravada. O que a LGPD já permite cobrar, o que registrar em cada decisão e um teste para fazer esta semana.
A pergunta certa não é "IA ou RPA". É se cada etapa do processo precisa de interpretação ou só de repetição. Critérios, custos escondidos, um exemplo de contas a pagar e o que o caso Klarna ensina.
O ROI de um agente se mede no custo do processo inteiro, antes e depois, incluindo o tempo de quem revisa o que ele faz. O que medir, quando medir e um cálculo de exemplo para levar à diretoria.
Um agente de IA amplifica o processo que encontra. Cinco sinais, cada um com um teste que cabe numa semana, para saber se a sua empresa já pode sair do piloto isolado ou se precisa fechar lacunas antes.
Em 2024, a Gartner projetou que ao menos 30% dos projetos de IA generativa seriam abandonados depois da prova de conceito. Depois, disse que foram pelo menos 50%. Os motivos quase nunca são o modelo, e a maioria dá para prever antes do primeiro dia.
Cada etapa responde a uma pergunta diferente, e errar a etapa custa orçamento, prazo e credibilidade. Como distinguir PoC, MVP e produto num projeto de IA, com um exemplo aplicado e um checklist para a próxima reunião de escopo.
Uma prova de conceito de IA termina bem quando alguém consegue decidir com ela: escalar, ajustar ou descartar. O checklist que usamos para chegar lá, começando pelo que precisa existir antes do primeiro dia.
Com formatos abertos como Apache Iceberg, lake e warehouse deixaram de ser escolhas excludentes. A decisão agora passa por quais respostas o negócio precisa toda semana, quem vai consultar os dados e como você prefere pagar por isso.
O modelo funciona no notebook e morre antes de virar processo. As pesquisas apontam para o mesmo lugar: problema mal definido, dado de produção diferente do dado de treino e ninguém responsável depois do lançamento.
Na análise mais recente da CB Insights, 70% das startups encerradas ficaram sem capital. Mas o caixa acabando é o sintoma. A causa que aparece por trás, em 43% dos casos, é um produto sem encaixe com o mercado.
Uma PoC de IA é um experimento curto, de escopo fechado, que testa uma hipótese com os dados da empresa antes de virar projeto. A maioria para porque nasce sem critério de sucesso, sem baseline e sem dono da decisão.
Governança de IA é o conjunto de regras, papéis e controles que define como a empresa escolhe, usa e monitora sistemas de IA. Começa com inventário, dono e política mínima, não com comitê grande nem ferramenta. Plano de 90 dias.
Agentes de IA na saúde rendem mais e expõem menos trabalhando com compra, engenharia clínica e documentação regulatória, longe do prontuário. Dado de saúde do paciente é sensível para a LGPD: base legal específica, minimização e revisão humana.
No varejo, a IA que se paga primeiro melhora o dado do produto e prevê a demanda por SKU. Personalização vem depois, com histórico de compra suficiente. Um catálogo de 2.000 anúncios reescrito com LLM mostra por onde começar.
Uma distribuidora B2B ganha com IA em três pontos, nesta ordem: pedido estruturado na entrada, previsão de demanda por cliente e produto, e roteirização das entregas. Sem o pedido virando dado, não há o que prever nem o que rotear.
Manutenção preditiva começa pelo dado que a frota, a oficina ou a linha já geram, não pelo sensor novo. Escolha um componente caro quando para, meça o histórico e teste um modelo simples em um ciclo curto.
Matching, preço dinâmico e antifraude partem do mesmo dado que o app já coleta: posição, tempo e comportamento. Comece por um caso com regra simples, meça, e troque por modelo quando o volume justificar.
Consultoria quando a necessidade é urgente, o volume de iniciativas é baixo ou incerto e não há time para absorver. Equipe interna quando IA faz parte do produto. Híbrido quando precisa de resultado agora e capacidade própria depois.
CTO as a Service faz sentido quando a empresa depende de software e ainda não justifica um CTO em tempo integral. CTO interno faz sentido quando a tecnologia é o produto e o time precisa de liderança diária.
Advisor as a Service é acompanhamento estratégico contínuo, em sessões semanais, para founders e times pequenos decidirem modelo de negócio, MVP e tecnologia com critério. O advisor orienta; a decisão e a execução continuam com o founder.