O uso intensivo de Inteligências Artificiais por profissionais e organizações foi um dos marcos de 2025. É preciso reconhecer, contudo, que o uso da tecnologia foi errático e não produziu os resultados esperados.

As organizações passaram a lidar com o aumento da produtividade individual de seus colaboradores, mas também com a perda de produtividade organizacional. O termo work slop entrou no vocabulário de gestores e gerentes de empresas de diferentes tamanhos.

Embora grave, este é apenas um dos desafios quando o assunto é IA nas organizações. Outros fatores, como segurança de dados, compartilhamento de informações sensíveis e visão estratégica, também compõem esse cenário, que tende a se tornar ainda mais complexo.

Para dar certo e gerar resultados, um projeto de Inteligência Artificial deve ser organizado em seis etapas, que evoluem em complexidade. Quem faz essa afirmação é Cassio Pantaleoni, diretor de Artificial Intelligence Solutions & Strategy da Quality Digital, empresa parceira estratégica de importantes players do mercado, em especial do varejo e indústria, quando o assunto é IA e transformação digital.

O executivo argumenta que “cada uma dessas etapas é responsável por maturar a organização em direção a um uso seguro, eficiente e escalável da IA”.

1ª etapa – Produtividade Pessoal

Nesse estágio inicial, de acordo com Pantaleoni, os colaboradores começam a utilizar a IA generativa como assistentes individuais, desenvolvendo agentes básicos de nível 1 e nível 2.

Ele explica que os agentes de nível 1 funcionam a partir de perguntas bem formuladas, entregando respostas diretas. Já os agentes de nível 2 incorporam materiais estruturados (ou não estruturados) ao prompt, permitindo que a IA produza respostas parametrizadas conforme o conteúdo utilizado.

“É também nesse momento que surgem as primeiras preocupações: evitar o uso de dados pessoais, informações estratégicas ou qualquer insumo que possa gerar risco regulatório, reputacional ou operacional”, complementa.

2ª etapa – Inovação

Superada a fase inicial e estabelecidos os limites adequados, a jornada avança para o segundo pilar: o uso da IA para brainstorming e prototipação acelerada.

De acordo com o executivo, neste estágio, a IA pode gerar apresentações adaptadas ao contexto de cada cliente, simular propostas de valor e produzir protótipos visuais ou textuais. Igualmente, a IA pode apoiar a elaboração de materiais que fortalecem o diálogo interno e externo. “Esse estágio marca o início da transformação da IA como instrumento de inovação dentro da empresa”, destaca o diretor da Quality Digital.

3ª etapa – Segurança

A partir do momento em que agentes, prompts e bases de dados começam a circular, é preciso estabelecer parâmetros de segurança: controles rígidos sobre vazamento de informações, governança sobre propriedade intelectual, padrões de integração com sistemas internos e estratégias de proteção.

Pantaleoni alerta para um risco crescente e muitas vezes desconhecido pelas equipes de negócios: o prompt injection. “Quando um agente de nível 2, treinado com determinado material, é compartilhado, pode inadvertidamente expor dados sensíveis a quem não deveria acessar esse conteúdo. Variações maliciosas do prompt podem extrair informações indevidas. O risco, portanto, é real e demanda atenção especializada”, explica.

4ª etapa – Conformidade

Nesse estágio, sempre de acordo com Pantaleoni, a pergunta central passa a ser “como a IA está sendo usada?”. Ele argumenta que a organização já utiliza a tecnologia para produtividade, inovação e integração, mas precisa monitorar riscos reputacionais, operacionais e financeiros. Além disso, necessita garantir práticas éticas na utilização dos modelos. “Ferramentas de auditoria, mitigação de vieses, monitoramento de fluxos de uso e políticas internas embasam essa etapa, que se torna fundamental para dar previsibilidade e confiança ao restante da jornada”, sustenta.

5ª etapa – Custo

Cassio pondera que, à medida que segurança e conformidade se fortalecem, o consumo de IA cresce. Com isso, os custos variáveis associados a tokens tornam-se relevantes, assim como os custos fixos de plataforma, licenciamento, integrações e manutenção de ambientes seguros. “Sem governança financeira adequada, o uso descontrolado da IA pode rapidamente comprometer o orçamento e desorganizar a gestão. Monitoramento contínuo e modelos internos de accountability tornam-se indispensáveis”, reforça.

6ª etapa – Produtividade Organizacional

Nesse estágio, os ganhos deixam de ser isolados e passam a transformar a empresa como um todo. De acordo com Cassio, a tomada de decisão se acelera, os fluxos operacionais tornam-se mais eficientes, surge uma visão única e confiável das informações, e a empresa passa a operar com maior segurança e consistência. “Ao evitar problemas como o work slop, garantir alinhamento entre equipes e padronizar o uso da IA por meio de guardrails, cria-se um ambiente onde a inovação se torna contínua e escalável”, afirma.

Pantaleoni argumenta que a jornada da IA generativa não é apenas tecnológica; é estratégica, cultural e operacional. “Organizações que conseguem avançar conscientemente por esses seis pilares maximizam valor, reduzem riscos e estabelecem condições reais para inovar de forma sustentável em um cenário cada vez mais orientado por dados e automação inteligente”, conclui.