Pedro Machado
Publicado no Digital Inside | 21 de abril de 2025

O potencial da Inteligência Artificial (IA) para revolucionar todos os setores da economia é enorme, e promete uma maior eficiência aliada à melhoria da experiência para os clientes e soluções inovadoras para problemas complexos. No entanto, e embora 93% das empresas tenham estratégias de digitalização, apenas 34% alcançam os resultados esperados – é o que nos indica o mais recente estudo “CGI Voice of Our Clients”.

O caminho que permite desenhar uma estratégia de sucesso com a IA é repleto de obstáculos. Cada decisão tem um custo elevado, e um passo em falso pode desperdiçar recursos, levar a expectativas não realizadas e traduzir-se numa desvantagem competitiva. Neste contexto, compreender, e não apenas conhecer, as necessidades específicas de todos os stakeholders revela-se uma mais-valia, e a aposta no desenvolvimento de processos eficazes de data management, governance e quality torna-se imprescindível.

Num cenário onde muitas empresas enfrentam dificuldades de recrutamento em TI e lidam com sistemas legados, é crucial que o foco sejam os projetos de maior relevância estratégica para as organizações e que ofereçam maiores garantias de retorno.

A abordagem que permite a adoção de IA de forma sustentada nas organizações está assente em diferentes princípios. Desde logo, deve-se compreender que para diferentes organizações devem ser equacionadas diferentes soluções de IA, considerando os benefícios e desafios em cada contexto e no skill set dos seus colaboradores. Após ter esta definição do contexto da organização, começar com soluções pequenas e rápidas para testar a viabilidade é o passo seguinte, enquanto se planeia uma transformação mais profunda e completa. Neste momento, é essencial construir um roadmap, com objetivos de curto, médio e longo prazo, e entender que os benefícios dependerão das tecnologias e técnicas adotadas, sendo necessária uma abordagem suportada em intelligent systems para uma transformação organizacional.

A implementação de IA evolui desde a resolução de problemas específicos até à transformação de sistemas inteiros, oferecendo benefícios em cada nível de integração. Ao compreender esses diferentes níveis, as empresas podem tomar decisões mais informadas sobre a adoção da IA, aproveitando o seu potencial para remodelar e otimizar as operações.

No component level, focamo-nos em tecnologias individuais de IA, como Machine Learning (ML), Deep Learning (DL), Robotic Process Automation (RPA), Large Language Models (LLMs), Computer Vision e várias formas de automação. Estas tecnologias, quando implementadas individualmente, podem resolver problemas específicos dentro da sua organização.

O nível intelligent automation representa um passo à frente. Aqui, já existe a combinação de tecnologias de IA com automação para criar soluções de IA com impacto mais significativo. Por exemplo, é possível conjugar a utilização de Machine Learning em conjunto com RPA para criar um sistema que não só automatize a introdução de dados, mas também aprenda a identificar e sinalizar padrões incomuns nos dados. No entanto, a utilização de IA em sistemas legados pode ser limitada, uma vez que tipicamente está dependente de RPA para assegurar a interação.

Por fim, o nível dos intelligent systems, que já integra várias tecnologias para transformar toda a organização, permitindo a tomada de decisões em tempo real e a análise preditiva. Este é o nível mais avançado e transformador, já que introduz mudanças de arquitetura e funcionais na integração da IA, exigindo uma estratégia abrangente para toda a organização e um investimento significativo em infraestruturas tecnológicas e talento.

Este nível exige a integração total entre soluções off-the-shelf com interfaces de cliente, negócio e tecnologia, combinado com uma plataforma de análise de dados para produzir previsões e ações automatizadas. A progressão por estes diferentes níveis pode ocorrer ao longo do tempo, começando com implementações ao nível do component level e avançando gradualmente para intelligent systems à medida que se desenvolvem capacidades e se percecionam os benefícios obtidos.

As organizações devem avaliar a sua maturidade digital e a sua preparação para a IA, avaliando os dados, a infraestrutura de TI e o skill set dos seus recursos humanos. Também é necessário que identifiquem as necessidades, compreendam os desafios do negócio e as oportunidades de otimização, ou seja, onde é que a IA pode automatizar tarefas, melhorar as previsões, personalizar as experiências dos clientes ou simplificar os processos. Por último, mas não menos importante, é crucial garantir a qualidade e a acessibilidade dos dados para a implementação da IA.

Criar uma estratégia de IA é um esforço complexo, mas gratificante. As organizações podem tirar partido do poder transformador da IA, alcançar os seus objetivos de transformação digital e manter uma vantagem competitiva, compreendendo o contexto atual, enfrentando os principais desafios e seguindo uma estratégia bem definida.