Uma gerente de RH de uma empresa de médio porte em Belo Horizonte me contou que passou três semanas tentando convencer o board a contratar mais dois analistas de folha de pagamento. Enquanto isso, o concorrente direto deles — uma empresa do mesmo tamanho, no mesmo setor — tinha implantado um agente de IA que processava a folha de 400 funcionários em 47 minutos, com zero retrabalho. Ela não perdeu o argumento por falta de dados. Perdeu porque a empresa ainda estava debatendo se devia usar IA, enquanto o mercado já estava debatendo como usar melhor.
Esse é o ponto que a maioria das empresas brasileiras ainda não pegou: o problema não é resistência à tecnologia, é a ilusão de que ainda há tempo para decidir com calma. A janela de “exploração segura” fechou. Quem ainda está na fase de comitê para avaliar se vai adotar IA em algum processo está, na prática, já ficando pra trás. Não de forma dramática — não vai quebrar amanhã. Mas a distância operacional entre quem implantou e quem não implantou está crescendo a uma velocidade que não aparece no balanço do trimestre. Aparece daqui a 18 meses, quando você olha pra margem e não entende o que aconteceu.
1. O que os números dizem (e o que eles escondem)
O relatório anual de adoção de IA do McKinsey Global Institute — que existe e é publicado todo ano — apontou que, em 2024, mais de 65% das empresas pesquisadas já usavam IA generativa em pelo menos uma função de negócio. Um ano antes, esse número era menos da metade. A velocidade de adoção dobrou. No Brasil, levantamentos do setor de tecnologia indicam que grandes bancos nacionais e as principais redes de varejo já têm times dedicados a agentes de IA rodando em produção — não em piloto, em produção.
Mas o número que mais importa não é esse. É o seguinte: a maioria das empresas que adotou IA nos últimos 18 meses não substituiu pessoas em massa. Ela redistribuiu trabalho. O analista financeiro que levava 6 horas pra montar um relatório de fechamento agora leva 40 minutos — e usa as outras 5 horas pra fazer análise que antes não tinha tempo de fazer. Isso parece ótimo. E é. Mas também significa que, se o seu concorrente tem esse analista e você não tem, a diferença de capacidade analítica entre as duas empresas cresceu de forma desproporcional.
2. Três sinais de que sua empresa está atrasada (sem perceber)
Não precisa de diagnóstico caro pra saber onde você tá. Responde essas três perguntas:
- Seu time ainda copia e cola informação entre sistemas? Se a resposta é sim — de CRM pra planilha, de e-mail pra ERP, de relatório pra apresentação —, você tem um gargalo de automação que qualquer ferramenta de IA de nível básico resolveria em semanas.
- Seu atendimento ao cliente ainda depende de uma fila humana pra perguntas repetitivas? “Qual o status do meu pedido?”, “Como faço pra cancelar?”, “Qual o horário de funcionamento?” — essas perguntas custam dinheiro e paciência que ninguém precisa gastar em 2026.
- Sua liderança ainda trata IA como projeto de TI? Se a iniciativa de IA da sua empresa está parada esperando aprovação do comitê de tecnologia, separada das metas de negócio, você tem um problema de governança que a tecnologia não vai resolver sozinha.
Se você respondeu sim pra pelo menos duas, o problema não é orçamento. É prioridade.
3. O que realmente funciona: o modelo que empresas brasileiras estão usando agora
Deixa eu te contar o que vi funcionar na prática — não o que consultoria vende em deck, mas o que realmente saiu do papel.
Uma empresa de logística no interior de São Paulo — não vou citar o nome porque não tenho autorização — tinha um processo de auditoria de notas fiscais que consumia três pessoas em tempo integral. Eram planilhas, comparações manuais, e-mails de confirmação com transportadoras. Em 2025, eles implantaram um fluxo com um modelo de linguagem conectado ao sistema de ERP deles. Não foi perfeito logo de cara: nas primeiras duas semanas, o modelo errava em notas com campos fora do padrão — coisa de fornecedor pequeno que não segue o layout correto. Tiveram que criar uma exceção manual pra esse caso. Mas depois de ajustado, o processo que levava 3 pessoas e 5 dias passou a levar 1 pessoa e meio dia. As outras duas pessoas foram realocadas pra controle de qualidade de rotas — uma função que a empresa sempre quis ter mas nunca conseguia viabilizar.
Esse é o padrão real: implantação imperfeita, ajuste rápido, ganho concreto. Não existe implantação de IA sem fricção inicial. Quem espera o projeto perfeito pra começar não começa.
4. O que não funciona (e por que muita empresa continua tentando)
Aqui vai minha opinião direta, sem eufemismo:
Treinamento genérico de “IA pra todos” não funciona. Já vi empresas gastarem R$ 80 mil num programa de capacitação de IA pra toda a empresa — 4 horas de curso online, certificado no final, ninguém mudou nada. Treinamento sem caso de uso real é só custo com aparência de progresso. O que funciona é treinar um time pequeno num problema específico e deixar o resultado falar.
Comprar ferramenta sem dono não funciona. A empresa assina uma plataforma de IA, manda o link pro time, e espera que alguém use. Não vai usar. Ferramenta sem responsável vira mais uma aba aberta que ninguém acessa. Toda implantação precisa de uma pessoa — não um departamento, uma pessoa — que seja dona daquilo.
Começar pelo projeto mais complexo não funciona. A lógica parece fazer sentido: “se der certo no caso mais difícil, dá pra qualquer coisa”. Na prática, o projeto complexo demora, trava, consome energia política e quando não entrega no prazo esperado, a diretoria perde a fé na iniciativa inteira. Começa pelo mais simples. O ganho rápido cria o crédito político pra fazer o projeto difícil depois.
Tratar IA como solução pra problema de processo ruim não funciona. Se o processo é uma bagunça, a IA vai automatizar a bagunça. Antes de qualquer implantação, o processo precisa estar mapeado e minimamente organizado. IA amplifica o que já existe — pra bem e pra mal.
5. As funções que mais mudam em 2026 (e como se preparar)
Não existe função imune a mudança, mas algumas estão mudando mais rápido do que as pessoas percebem:
Atendimento e suporte: não é mais sobre ter ou não ter um chatbot. É sobre ter um agente que resolve — não só responde. A diferença entre “consulte nosso FAQ” e “já cancelei seu pedido e o estorno cai em 3 dias úteis” é enorme. Empresas que ainda entregam o primeiro estão perdendo cliente sem entender por quê.
Marketing e conteúdo: o trabalho não acabou — mudou de natureza. Profissional de marketing que só sabe executar template vai ter problema. Quem sabe estratégia, briefing e curadoria de qualidade vai ter mais demanda, porque a velocidade de produção aumentou e alguém precisa dar direção a isso.
Jurídico e compliance: revisão de contrato, triagem de documentos, identificação de cláusulas de risco — tudo isso já está sendo feito por IA em escritórios que se anteciparam. Não é substituição de advogado. É eliminação do trabalho braçal que advogado júnior fazia e que consumia tempo de sênior revisar.
Financeiro e controladoria: conciliação, fechamento, relatórios de variação — a IA já faz. O controller que entende o negócio e interpreta os números continua sendo indispensável. O que processa dado por processo manual está ficando vulnerável.
6. Governança sem burocracia: como criar regras que não travam tudo
Esse é o ponto que mais esquece. Adotar IA sem governança é problema. Mas criar governança que vira travamento burocrático é problema igual.
O que funciona é simples: define três coisas antes de qualquer implantação. Primeiro, quem é o responsável pelo resultado — não pela tecnologia, pelo resultado de negócio. Segundo, qual é o critério de sucesso em 90 dias — número específico, mensurável, que a liderança consiga ler sem precisar de tradução técnica. Terceiro, qual dado não pode entrar no modelo — questão de privacidade, de LGPD, de segurança. Isso não precisa de comitê. Precisa de uma reunião de duas horas com as pessoas certas e um documento de uma página.
A LGPD no Brasil já tem interpretações mais maduras sobre uso de IA em processos internos. Não é motivo pra não começar — é motivo pra começar com consciência. A maioria dos casos de uso internos não apresenta risco regulatório sério se os dados forem tratados corretamente.
O próximo passo — e ele é menor do que você acha
Não precisa de roadmap de 12 meses pra começar. Precisa de três movimentos essa semana:
Hoje: identifica um processo repetitivo no seu time que consome mais de 3 horas por semana e não exige julgamento humano sofisticado. Só um. Escreve numa folha o que entra nesse processo, o que sai, e quem faz.
Essa semana: conversa com uma pessoa do time que já usa alguma ferramenta de IA por conta própria — no ChatGPT, no Copilot, no que for. Pergunta o que ela tá fazendo e o que tá funcionando. Esse conhecimento já existe na sua empresa e provavelmente ninguém formalizou ainda.
Nos próximos 30 dias: monta um teste de 30 dias num único processo, com uma pessoa responsável, um critério de sucesso claro e autorização pra errar. Não precisa de aprovação de board. Precisa de coragem pra começar pequeno.
A gerente de BH que me contou a história do começo, aliás, não perdeu o emprego. Ela mudou a abordagem: parou de pedir mais headcount e começou a pedir orçamento pra um piloto de automação. Em dois meses tinha resultado. Em quatro, tinha aprovação pra expandir. O board não mudou de opinião por causa de argumento — mudou por causa de número concreto. Esse é o caminho.