Muitas empresas continuam a falar de inteligência artificial como se estivessem apenas a acrescentar uma nova ferramenta ao que já existe. Esse é, talvez, o erro mais caro desta fase tecnológica. Tornar uma empresa AI Native não significa instalar mais software, lançar alguns pilotos ou colocar IA sobre sistemas antigos. Significa reconstruir o núcleo digital da organização para que dados, aplicações, processos e decisão funcionem de forma integrada, rápida e escalável. O que está em causa é a competitividade.

Durante anos, a transformação digital foi tratada como um exercício relativamente linear. Falava-se de migração para a cloud, renovação de infra-estrutura, automatização de tarefas e novos canais digitais. Tudo isso continua relevante. Mas a IA alterou a natureza do problema. Uma empresa pode ter feito esse percurso inteiro e continuar, ainda assim, profundamente mal preparada para capturar valor real desta nova vaga tecnológica.

A razão é simples. A inteligência artificial funciona melhor em organizações cujos dados estão organizados, cujos sistemas comunicam entre si e cujos processos foram desenhados com lógica de integração. Quando nada disso existe, a IA não resolve o problema. Limita-se a herdar a desordem. E desordem automatizada continua a ser desordem, só é mais rápida.

A McKinsey demonstrou isso no seu mais recente estudo sobre adopção empresarial de IA. A utilização da tecnologia cresce de forma acelerada, mas a maioria das organizações ainda não conseguiu escalar os seus casos de uso à dimensão da empresa, e só 39 por cento reporta impacto em EBIT ao nível corporativo. isto mostra que o mercado já adoptou IA. Ainda não aprendeu, porém, a estruturar empresas capazes de a transformar em vantagem económica consistente. (mckinsey.com)

É precisamente aqui que a expressão AI Native deve ser tratada com mais rigor. O mercado usou-a durante demasiado tempo como um simples selo de modernidade. Parecia bastar dizer que a empresa era orientada por dados, operava em cloud e tinha cultura de inovação. Hoje, isso já não chega. Uma empresa AI Native, em sentido sério, é uma organização cujo núcleo foi desenhado para operar com automação avançada, dados em tempo real e sistemas inteligentes capazes de apoiar ou executar partes relevantes do trabalho empresarial. É uma empresa em que a arquitectura tecnológica deixa de ser detalhe técnico e passa a ser activo estratégico.

Esta mudança tem consequências muito concretas. A primeira é a reavaliação da chamada dívida técnica. Durante anos, technical debt foi tratada como um problema interno de TI, quase um incómodo operacional que podia ser gerido em paralelo com a operação normal. Esse conforto acabou. Sistemas antigos, aplicações redundantes, integrações frágeis e bases de dados inconsistentes já não são apenas fontes de ineficiência. São factores que reduzem directamente a capacidade de competir, inovar e crescer.

Imagine-se um banco, uma seguradora ou uma operadora com dezenas de sistemas legados, cada um com a sua lógica, os seus dados e os seus limites de integração. Essa organização pode comprar os melhores modelos de IA do mercado. Pode contratar consultores, criar comités e apresentar demonstrações impressionantes. Mas, se os dados não forem fiáveis e os sistemas não estiverem ligados, a IA ficará confinada a usos marginais. Poderá resumir documentos, acelerar tarefas isoladas e apoiar algumas equipas. Não alterará a economia estrutural do negócio.

É precisamente essa a distinção que muitos conselhos de administração ainda não fizeram. Uma coisa é usar IA. Outra, profundamente diferente, é operar como uma empresa desenhada para usar IA em escala. No primeiro caso, a organização ganha eficiência pontual. No segundo, ganha capacidade estrutural para lançar serviços mais depressa, reduzir custo por processo, melhorar a qualidade da decisão e responder ao mercado com menos fricção interna.

Há um segundo ponto frequentemente subestimado. A arquitectura de cloud deixou de ser mera escolha de infra-estrutura. A opção entre cloud pública, híbrida ou soberana passou a afectar custo, segurança, latência, compliance, dependência de fornecedor e capacidade de escalar dados e modelos de forma sustentável. Em sectores regulados, essa decisão toca directamente em matérias de risco operacional e reputacional.

O debate, por isso, não deve ser reduzido à oposição simplista entre empresas antigas e startups modernas. Essa narrativa é apelativa, mas pobre. Há empresas antigas com capacidade de reorganizar o seu núcleo e aproximar-se de um modelo AI Native. E há startups que nascem com arquitectura apressada, excesso de ferramentas e surpreendente talento para criar mini-legados em tempo recorde. O problema não está na idade da empresa. Está na qualidade da sua base operacional.

Também por isso, a transição para um modelo AI Native não pode ser tratada como mera agenda de inovação. É uma agenda de governação e de capital. Obriga a decidir onde vale a pena substituir sistemas, onde basta integrar, onde é preciso normalizar dados e onde faz sentido manter redundância por razões operacionais ou regulatórias. Obriga ainda a enfrentar uma questão pouco romântica, mas central. Quanto custa manter o legado actual e quanto custa não o transformar?

Muitos defendem que a empresa não pode esperar por uma arquitectura perfeita para começar a capturar valor. O mercado move-se depressa, os concorrentes experimentam e os investidores exigem resultados. Uma estratégia incremental parece, por isso, mais realista.

Seria imprudente defender uma grande reconstrução desligada da operação e sem ganhos visíveis no curto prazo. O problema surge quando o incrementalismo perde direcção. Quando cada quick win acrescenta mais uma camada, mais uma integração provisória e mais uma dependência difícil de gerir, a empresa entra num ciclo de complexidade acumulada. A curto prazo, parece avançar. A médio prazo, começa a pagar a factura.

O tema AI Native deve subir de nível. Já não pode ficar restrito ao CIO, ao CTO ou à área de inovação. Tem de entrar na agenda do board, do CFO, do COO e do CEO. Porque a pergunta central deixou de ser que projectos de IA temos e passou a ser outra. O nosso núcleo digital está preparado para suportar IA com impacto real no negócio?

‍

*Willian Oliveira-CEO TIS