A IA está indo além da fase de experimentação.
Em diversos setores, as organizações estão fazendo investimentos significativos em IA para promover a otimização da produtividade, acelerar a tomada de decisões e descobrir novas oportunidades de crescimento. No entanto, muitos líderes ainda buscam um caminho claro que os leve de projetos-piloto a resultados de negócios mensuráveis.
Embora nove em cada 10 (88%) organizações estejam testando a IA, apenas 19% relatam ganhos significativos nos negócios, de acordo com o relatório The State of Organizations 2026 da McKinsey. O desafio aqui continua sendo implantar e escalar a IA de uma forma que seja confiável, governada e que entregue valor tangível.
Esse obstáculo moldou muitas das conversas no Alteryx on Tour mais recente, em Londres (Reino Unido), onde clientes, parceiros e líderes do setor compartilharam perspectivas sobre o que é realmente necessário para levar a IA de um gerador de ideias a uma tecnologia pronta para produção. Três temas se destacaram.
1. O desafio determinante: confiança
A oportunidade que a IA apresenta é enorme – e os riscos de implantá-la sem a governança e os controles certos também.
À medida que a IA fica integrada a mais processos críticos de negócios, a confiança se tornou, com razão, o desafio determinante. Os líderes precisam de confiança de que as saídas geradas por IA podem ser compreendidas, validadas e governadas antes de serem usadas em decisões importantes, e em larga escala.
Durante a palestra principal, o CEO da Alteryx, Andy MacMillan, contou sobre um caso simples que capturou o maior obstáculo da IA — a natureza probabilística. Após receber um conselho financeiro incorreto de um modelo de linguagem avançado, ele perguntou a outro LLM por que a resposta estava errada.
A resposta? "Os LLMs costumam errar."
Se não dá para confiar na IA, então ela não pode ser colocada em operação.
Para resolver, ele apresentou a estrutura VURA: a IA deve ser visível, compreensível, repetível e auditável para dar às organizações a confiança de que cada insight é transparente, explicável e fundamentado em uma lógica de negócios confiável.
Isso fica ainda mais evidente à medida que as organizações começam a adotar a IA agêntica. Diferente dos chatbots tradicionais, que respondem a perguntas básicas, espera-se que os agentes de IA analisem informações, ajam e tomem decisões de forma autônoma. Sem confiança, governança e transparência, esse potencial rapidamente se transforma em risco.
A preocupação é generalizada. Apenas 3% dos analistas se sentem confortáveis com IA totalmente autônoma, destacando a importância da confiança, transparência e governança à medida que as organizações correm para escalar a IA.
Claro, isso não quer dizer que as organizações devam parar de usar IA ou modelos de linguagem avançados. A oportunidade não é a IA substituir os fluxos de trabalho confiáveis que já preenchem dashboards ricos em insights, relatórios de missão crítica e automações de nível empresarial. A oportunidade é expandir esses fluxos de trabalho para a IA.
Fluxos de trabalho de analytics e lógica de negócios existentes viram a base para a IA, transformando fluxos de trabalho de ativos estáticos em interativos. Usuários corporativos podem interagir com tudo isso usando linguagem natural, enquanto a IA raciocina sobre a lógica de negócios em vez de gerar isoladamente as respostas. O resultado é uma tomada mais rápida das decisões sem sacrificar a transparência ou a rastreabilidade.
2. Na era dos LLMs, a especialização nos negócios é importante
As organizações passaram anos investindo em plataformas modernas de dados na nuvem, fluxos de trabalho de analytics e modelos de governança. O próximo passo não seria trocar esses investimentos por IA, mas conectar a IA aos dados confiáveis, à lógica de negócio e à experiência que já moldam as decisões.
Isso é importante porque a IA não consegue inferir automaticamente os controles financeiros, as políticas operacionais e os requisitos regulatórios de uma organização. Para escalar com sucesso, a IA precisa de conhecimento especializado de negócios integrado à forma como é criada, governada e usada.
Essa mensagem teve repercussão durante o Alteryx on Tour.
Durante a sessão do UBS, o banco destacou a importância de “governar o sistema, não o usuário”. O objetivo não é restringir o uso de IA e analytics pelas equipes de negócios, mas dar a elas uma base segura e governada, na qual possam contribuir com segurança e eficácia.
Isso envolve permitir que uma variedade de usuários — de citizen builders a usuários corporativos do dia a dia e profissionais avançados — apliquem analytics onde entendem o contexto, enquanto a TI mantém os controles, padrões e diretrizes necessários para escalar com confiança.
As organizações que escalam a IA não estão escolhendo entre negócios e TI – elas estão juntando ambos para combinar dados confiáveis, expertise nos negócios e governança em resultados melhores.
Comece sua jornada: baixe agora nossos Kits de Início prontos para IA
3. Solucione problemas de negócio (não técnicos)
À medida que a IA continua dominando as manchetes, muitas das histórias mais envolventes se concentram em solucionar desafios práticos.
Um exemplo notável veio da Marine Conservation Society. Com uma equipe menor de dados e analytics, a organização beneficente criou um modelo baseado em IA para medir o impacto das políticas públicas no lixo das praias, ajudando a defesa ambiental baseada em evidências.
A equipe está usando analytics e IA para transformar descobertas complexas em relatórios em idioma simples antes de disponibilizar insights via agente de IA conversacional. Isso permite que as partes interessadas façam perguntas complementares em idioma natural – estendendo o acesso a insights sem colocar mais demandas sobre a equipe de analytics.
Esse mesmo princípio se refletiu em todo o evento. Em vez de buscar automação e IA por si só, as organizações estão incorporando a tecnologia aos fluxos de trabalho que movem os negócios.
A varejista de cartões UK Greetings automatizou totalmente a geração de relatórios de inteligência de negócios e agora está escalando casos de uso de analytics em todo o supply chain, desde a redução de desperdícios até a otimização de oportunidades de vendas.
A Marex compartilhou como está usando o Alteryx One para a autoautomação contínua, enquanto a Zenith mostrou como a automação está transformando as operações financeiras em larga escala.
As organizações não começam pela IA para depois procurar um caso de uso. Elas começam com um desafio dos negócios e usam analytics, automação e IA para solucioná-lo de forma mais rápida e inteligente.
O que vem a seguir?
A conversa sobre IA e agentes está evoluindo rapidamente.
As organizações estão indo além da experimentação e fazendo uma pergunta mais importante: como escalar de forma responsável?
A resposta é construir bases de confiança, incorporar expertise de negócios e empoderar as pessoas mais próximas do trabalho para inovar com confiança.
À medida que a IA continua avançando em ritmo acelerado, as organizações que criam o maior valor não serão necessariamente aquelas que a adotam mais rapidamente. Serão as que constroem confiança primeiro – combinando dados, expertise de negócios e IA para entregar resultados significativos de negócios.