Por que projetos de IA fracassam: a armadilha do experimento científico e como evitá-la

É fácil imaginar: um cientista solitário se tranca em uma garagem por semanas e então surge com uma descoberta que muda o mundo. Ou um grupo corporativo malicioso de skunkworks que só aparece a cada poucos meses para apresentar sua mais recente invenção inovadora.

A inovação no vácuo (pessoas brilhantes trabalhando isoladamente) teve seus momentos, e a ideia certamente mantém um lugar na imaginação do público

Mas vou contar uma situação em que ela não funciona e, na verdade, pode fazer mais mal do que bem: a adoção da IA empresarial.

A tentativa de implementar a transformação da IA empresarial no vácuo é garantia de fracasso. Excluir seus stakeholders estratégicos, líderes de unidades de negócios e colaboradores significa, em última análise, negligenciar as perspectivas e os recursos de que você precisa para ter sucesso.

Essa abordagem pode ser a razão pela qual, de acordo com o 2025 CEO Study do IBM Institute for Business Value (IBV), apenas 16% das iniciativas de IA alcançaram escala no nível empresarial. Um relatório recente da iniciativa NANDA do MIT compartilhou descobertas ainda mais severas: que 95% dos projetos de IA generativa falham.

Em muitos casos, as empresas se envolvem em múltiplas provas de conceito (POCs) que equivalem a pouco mais do que experimentos científicos impraticáveis. Eles podem inspirar admiração no início (ou FOMO, como observou o IBV), mas acabam gerando um valor insignificante. Como alguém com uma profunda experiência em finanças, sei que as organizações podem fazer melhor (muito melhor) do que se entregarem a um retorno sobre o investimento tão escasso.

Iniciativas de IA que alcançam escala podem causar impacto além de apenas uma pequena parte da organização e alcançar retorno real no mercado. Mas transcender silos não acontece por acidente. Requer alinhamento e apoio da gerência, incluindo a diretoria executiva e até os membros do conselho.

Líderes e gerentes podem ajudar a orquestrar a colaboração e os sistemas que geram eficiência e aumentam o impacto. Por exemplo, quando vários departamentos trabalham em seus próprios casos de uso distintos de IA, equipes separadas investem tempo em esforços redundantes, desde a pesquisa de quais modelos de IA usar até o desenvolvimento de programas de governança. Por outro lado, quando as equipes se reúnem, elas podem combinar recursos e estabelecer uma abordagem unificada que está pronta para escalabilidade, agregando mais valor à organização como um todo.

Uma empresa que se destacou nessa abordagem unificada é a PepsiCo. Nos últimos anos, a PepsiCo colaborou com a IBM® Consulting para criar uma plataforma de tecnologia unificada que abriga cerca de 100 casos de uso de IA generativa. Sentamos com as equipes da PepsiCo para mapear sua arquitetura de dados e IA, identificar lacunas e criar serviços reutilizáveis para seus casos de uso de IA generativa mais importantes.

Os serviços reutilizáveis foram disponibilizados por meio da plataforma de Tecnologia unificada, capacitando equipes em toda a empresa com modelos pré-aprovados, ferramentas e melhores práticas. A plataforma também permitiu visibilidade centralizada, garantindo que os projetos estivessem em conformidade com os padrões da PepsiCo, algo que o desenvolvimento ad hoc por meio de fornecedores terceirizados não poderia oferecer.

Com todas essas bases cobertas, as equipes da PepsiCo aceleraram a experimentação, o desenvolvimento e, por fim, o tempo de lançamento no mercado. Os resultados foram soluções impulsionadas por IA que vão desde designs de garrafas do Gatorade hiperpersonalizados até o posicionamento otimizado do produto nas prateleiras do varejo.

As plataformas e ferramentas certas são críticas para uma abordagem escalável e unificada à IA. Mas dois outros elementos são indiscutivelmente tão importantes: dados e cultura.

Os dados são a espinha dorsal de um programa de IA de sucesso. É neles que os modelos de IA são treinados e é o que as empresas usam para determinar se vale a pena prosseguir com um caso de uso. No entanto, os especialistas estimam que menos de 1% dos dados empresariais, até agora, foram incorporados a modelos de IA. Esses dados não utilizados representam uma enorme oportunidade para as empresas.

Aproveitar isso significa trabalhar na solidificação de suas bases de dados, ou seja, garantir que seus dados estejam limpos, organizados e seguros, enquanto buscam pilotos de IA. No caso da PepsiCo, a empresa colaborou com a IBM Consulting em uma estratégia de dados robusta para gerenciar seus mais de 60 petabytes de dados.

Mais perto de casa, a organização de dados era um componente central na iniciativa da IBM de transformar nossos próprios recursos humanos com a IA agêntica. O treinamento e o ajuste fino de modelos em conjuntos de dados específicos de domínio nos ajudaram a desenvolver um agente virtual, o AskHR, que automatizou mais de 80 tarefas de RH e agora se envolve em 1,5 milhão de conversas com funcionários anualmente.

Os funcionários podem usar o AskHR para solicitar cartas de verificação de emprego, enviar solicitações de férias e receber informações importantes sobre tudo, desde licenças médicas até indenizações. Como resultado, desde o ano passado, os chamados de suporte e os custos operacionais caíram substancialmente, enquanto nossos profissionais de RH têm maior largura de banda para se concentrar nas prioridades estratégicas.

É claro que o AskHR não teria alcançado sua escala se nossos funcionários não estivessem dispostos a usá-lo. Isso também vale para praticamente todas as outras iniciativas empresariais de IA. Líderes empresariais devem ter o cuidado de estabelecer o tom e a cultura adequados em torno da adoção da IA.

Isso significa ser aberto a como a IA aprimora o trabalho dos funcionários e, ao mesmo tempo, prepará-los para colher esses benefícios. Para estes últimos, os programas de educação e treinamento de habilidades são fundamentais; entender como as ferramentas impulsionadas por IA funcionam e como usá-las da melhor maneira.

Em muitos casos, os gerentes aprendem ao lado de seus funcionários, e isso é ótimo: reforça o fato de que a adoção bem-sucedida da IA na empresa é um esporte de equipe. No final das contas, estamos todos aprendendo, melhorando e ultrapassando limites juntos. Skunkworks e silos não precisam ser aplicados.