Resposta direta: porque a pressa para colocar agentes de IA em produção e a disciplina de governança continuam sendo tratadas como duas decisões separadas, quando deveriam ser a mesma. Uma pesquisa da Sinch com 2.527 executivos, divulgada nesta semana, mostra que 76% das empresas brasileiras já operam agentes de inteligência artificial em produção — mais que a média global (62%) e mais que os Estados Unidos (67%). O problema é o outro lado do mesmo dado: 80% dessas empresas já precisaram interromper ou reverter pelo menos uma implementação, acima da média global de 74%, e 39% dessas reversões aconteceram por vazamento de dado ou informação pessoal.
Eu já vi esse padrão antes de virar estatística de pesquisa. Não é novidade de IA — é o que sempre acontece quando uma tecnologia nova entra numa empresa mais rápido do que a governança que deveria acompanhá-la. A diferença é que, desta vez, o Brasil está batendo recorde nos dois lados ao mesmo tempo: recorde de adoção e recorde de reversão.
Principais aprendizados
- 76% das empresas brasileiras já têm agentes de IA em produção, à frente dos EUA (67%) e da média global (62%) — o Brasil não é atrasado em adoção, é rápido demais para a governança que tem hoje.
- 80% das empresas brasileiras já reverteram alguma implementação de IA, acima da média global de 74% — e 39% dessas reversões vieram de vazamento de dado ou informação pessoal, não de a IA “não funcionar”.
- O Marco Legal da IA (PL 2.338) segue parado na Câmara, mas a ANPD já testa um sandbox regulatório com empresas reais e foi indicada, em projeto de lei complementar do Executivo, para coordenar o futuro Sistema Nacional de IA — a governança prática está sendo construída antes da lei, não depois.
- Diligência de fornecedor de IA não precisa ser um ato de fé: simular o comportamento real de um sistema com dado real, antes de assinar contrato, é hoje um padrão de mercado, não exceção.
- Capital também mudou de critério: o volume de fusões e aquisições de tecnologia no Brasil caiu no primeiro semestre, mas quem compra paga prêmio por dado proprietário aplicado a um problema de negócio — não mais por “ter IA” como funcionalidade isolada.
O que a pesquisa da Sinch realmente mostra?
O número que chama atenção não é o 76% — é o 80%. Uma empresa que já colocou um agente de IA em produção não é, por si só, uma empresa madura em IA. É uma empresa rápida. Madura é a que consegue manter o que colocou no ar sem precisar desligar.
Reparem no detalhe que a pesquisa isola: 39% das reversões não aconteceram porque o agente “não entregou resultado” — aconteceram porque vazou dado ou informação pessoal. Isso não é falha de modelo de linguagem. É falha de perímetro: quem tinha acesso a quê, com qual dado, sob qual controle. É o tipo de problema que se previne antes de escalar, não se conserta depois que o agente já está atendendo cliente.
Na minha experiência — mais de 30 anos decidindo tecnologia em empresas grandes, antes de fundar a HAIA — o momento em que um projeto de IA vira notícia ruim quase nunca é o dia do lançamento. É a terceira ou quarta semana, quando o volume real de uso expõe uma lacuna de governança que ninguém tinha testado porque o piloto rodou pequeno demais, com pouca gente, por pouco tempo.
Por que esperar o Marco Legal não é estratégia?
O PL 2.338, o Marco Legal da IA, segue parado na Câmara dos Deputados. Isso não é novidade — eu já escrevi sobre isso antes, e continua sendo verdade. O que mudou nesta semana é o tamanho do vácuo que outras instituições estão preenchendo enquanto o Congresso não vota.
A ANPD (Autoridade Nacional de Proteção de Dados) já colocou em teste um sandbox regulatório com três empresas reais, testando na prática o que uma futura regulação de governança, segurança e uso de dado sintético deveria exigir. E, num projeto de lei complementar apresentado pelo próprio Executivo, a ANPD foi indicada como coordenadora do futuro Sistema Nacional para Desenvolvimento, Regulação e Governança de IA — o SIA. Ou seja: a arquitetura de regulação prática já está sendo desenhada, por via administrativa, antes mesmo de o Marco Legal sair do papel.
Para quem decide tecnologia numa empresa média, o recado é direto: a ausência de lei nunca foi motivo válido para adiar governança interna — e agora existe ainda menos desculpa, porque o próprio Estado está demonstrando, com o sandbox, o tipo de controle que vai ser cobrado. Empresa que espera a lei sair para organizar a casa vai chegar atrasada duas vezes: atrasada na adoção de IA e atrasada na governança que a lei vai exigir.
Que critério evita reverter um agente de IA depois de colocá-lo no ar?
Guiei, há pouco tempo, a diligência de um grande grupo educacional antes da contratação de um fornecedor de robô de cobrança de inadimplência construído sobre GPT-4. Em vez de aceitar uma demonstração controlada pelo próprio vendedor — o tipo de demo que mostra só o melhor caminho possível —, exigimos simular o comportamento real do robô no site do próprio fornecedor, usando CPF e celular de um caso real da base do cliente.
O resultado, depois da contratação, foi consistente com o que a simulação já tinha mostrado: cerca de 2 pontos percentuais de melhora nos índices de recuperação de inadimplência, com a IA respondendo por aproximadamente 14% do resultado consolidado — ainda dependente de intervenção humana nos casos de parcelamento mais complexos. Nenhuma surpresa desagradável depois do lançamento, porque a diligência já tinha simulado o comportamento real antes da assinatura, não depois.
Esse é o critério que separa quem reverte projeto de quem não reverte: simular com dado real antes de assinar, não confiar só no discurso do fornecedor. Três perguntas práticas que uso nessas diligências, e que qualquer empresa consegue aplicar antes de escalar um agente de IA:
- O fornecedor permite simular o comportamento real do sistema, com dado real da minha empresa, antes de eu assinar contrato?
- Existe um responsável nomeado — não uma área, uma pessoa — pelo que esse agente faz depois que ele está em produção?
- O perímetro de dado e acesso desse agente foi definido uma vez, por escrito, ou está sendo descoberto na prática conforme o uso cresce?
Se a resposta para qualquer uma dessas três for “não sei”, a empresa ainda não está pronta para escalar — está pronta para pilotar, o que é uma etapa diferente e mais barata de errar.
Já escrevi antes sobre por que governança de dados, não orçamento, é o que trava a maioria das empresas brasileiras na hora de escalar IA — o padrão da Sinch só confirma, com número nacional, o que eu já via caso a caso.
Perguntas frequentes
Por que tantas empresas brasileiras revertem projetos de IA?
Porque a velocidade de adoção não veio acompanhada, na mesma proporção, de controle sobre dado, acesso e responsável definido. Segundo a Sinch, 80% das empresas brasileiras já reverteram alguma implementação, e 39% dessas reversões foram por vazamento de dado ou informação pessoal — um problema de governança, não de qualidade do modelo de IA.
O que é o sandbox regulatório da ANPD?
É um ambiente de teste controlado, com três empresas reais selecionadas, no qual a ANPD experimenta na prática critérios de governança, segurança e uso de dado sintético para IA — antes de qualquer regulação específica virar lei. A ANPD também foi indicada, em projeto de lei complementar do Executivo, para coordenar o futuro Sistema Nacional de IA.
Preciso esperar o Marco Legal da IA ser aprovado para ter governança?
Não. O PL 2.338 segue parado na Câmara dos Deputados, sem previsão de votação. A LGPD já se aplica a qualquer tratamento de dado pessoal feito por um agente de IA hoje, e o próprio Estado, via sandbox da ANPD, está testando controles antes da lei existir — não há motivo para uma empresa adiar sua própria governança interna esperando o Congresso.
Qual é o primeiro passo prático antes de colocar um agente de IA em produção?
Simular o comportamento do agente com dado real, num ambiente controlado, antes de assinar contrato com o fornecedor ou liberar acesso para o público final — e nomear, por escrito, quem é o responsável pelo resultado depois que ele estiver no ar. Sem essas duas condições, o risco de reversão sobe, com ou sem IA.
Gillian Pellegrino é fundadora da HAIA e tem mais de 30 anos de carreira em tecnologia, com IA conversacional aplicada desde 2011 — muito antes de virar tema de pesquisa nacional. Hoje ajuda empresas médias brasileiras a decidir onde a IA gera resultado mensurável, sem repetir os 80% que já precisaram reverter o que colocaram no ar.
