KPMG: Por dentro do manual de estratégias dos agentes de IA que impulsiona o aumento das margens nas empresas

O investimento global em IA está se acelerando, mas dados da KPMG mostram que a lacuna entre os gastos das empresas com IA e o valor comercial mensurável está aumentando rapidamente. O número principal da primeira pesquisa trimestral Global AI Pulse da KPMG é contundente: apesar de as organizações globais planejarem gastar uma média ponderada de US$ 186 milhões em IA nos próximos 12 meses, apenas 11% chegaram ao estágio de implantar e escalar agentes de IA de forma a produzir resultados comerciais em toda a empresa. No entanto, a principal conclusão não é que a IA esteja falhando; 64% dos entrevistados afirmam que a IA já está gerando resultados comerciais significativos. O problema é que o termo “significativo” carrega um peso enorme nessa frase, e a distância entre ganhos incrementais de produtividade e o tipo de eficiência operacional composta que realmente faz a diferença na margem de lucro ainda é, para a maioria das organizações, substancial. A arquitetura de uma lacuna de desempenho O relatório da KPMG distingue entre o que denomina “líderes em IA” (ou seja, organizações que estão expandindo ou operando ativamente IA com agentes) e todas as outras. A diferença nos resultados entre esses dois grupos é impressionante. Steve Chase, Diretor Global de IA e Inovação Digital da KPMG International, afirmou: “Os primeiros resultados do Global AI Pulse reforçam que gastar mais em IA não é o mesmo que criar valor. As organizações líderes estão indo além da capacitação, implantando agentes de IA para repensar processos e reformular como as decisões e o fluxo de trabalho ocorrem em toda a empresa.” Entre os líderes em IA, 82% relatam que a IA já está gerando valor comercial significativo. Entre seus pares, esse número cai para 62%. Essa diferença de 20 pontos percentuais pode parecer modesta isoladamente, mas se agrava rapidamente quando se considera o que ela reflete: não apenas melhores ferramentas, mas filosofias de implantação fundamentalmente diferentes. As organizações nesse 11% estão implantando agentes que coordenam o trabalho entre funções, encaminham decisões sem intermediação humana em cada etapa, revelam insights em toda a empresa a partir de dados operacionais quase em tempo real e sinalizam anomalias antes que elas se transformem em incidentes. Nas funções de TI e engenharia, 75% dos líderes em IA estão usando agentes para acelerar o desenvolvimento de código, contra 64% de seus pares. Nas operações, onde a orquestração da cadeia de suprimentos é o principal caso de uso, a divisão é de 64% contra 55%. Essas não são diferenças marginais nas taxas de adoção de ferramentas; elas refletem diferentes níveis de reestruturação de processos. A maioria das empresas que implantaram IA o fez sobrepondo modelos aos fluxos de trabalho existentes (por exemplo, um copiloto aqui, uma ferramenta de resumo ali...) sem redesenhar o processo no qual essas ferramentas estão inseridas. Isso produz ganhos incrementais. As organizações que estão reduzindo a lacuna de desempenho inverteram essa abordagem: elas estão redesenhando o processo primeiro e, em seguida, implantando agentes para operar dentro da estrutura redesenhada. A diferença no retorno sobre o investimento em IA entre essas duas abordagens, em um horizonte de três a cinco anos, provavelmente será a variável competitiva determinante em vários setores. O que US$ 186 milhões realmente compram — e o que não compram Os números de investimento nos dados da KPMG merecem um exame minucioso. Uma média global ponderada de US$ 186 milhões por organização parece substancial, mas a variação regional revela um quadro mais interessante. A região Ásia-Pacífico (ASPAC) lidera com US$ 245 milhões, as Américas com US$ 178 milhões e a Europa, Oriente Médio e África (EMEA) com US$ 157 milhões. Na ASPAC, organizações incluindo as da China e Hong Kong estão investindo em média US$ 235 milhões; nas Américas, as organizações dos EUA estão em US$ 207 milhões. Esses números representam gastos planejados em licenciamento de modelos, infraestrutura de computação, serviços profissionais, integração e o aparato de governança e gestão de riscos necessário para operar a IA de forma responsável em escala. A questão não é se US$ 186 milhões é muito ou pouco; é qual proporção desse valor está sendo alocada à infraestrutura operacional necessária para extrair valor dos próprios modelos. Os dados da pesquisa sugerem que a maioria das organizações ainda está subestimando essa última categoria. Os custos de computação e licenciamento são visíveis e relativamente fáceis de orçar. Os custos de atrito — as horas de engenharia gastas na integração de resultados de IA com sistemas ERP legados, a latência introduzida por pipelines de geração aumentada por recuperação construídos sobre dados mal estruturados e a sobrecarga de conformidade para manter trilhas de auditoria para decisões assistidas por IA em setores regulamentados — tendem a surgir no final dos ciclos de implantação e frequentemente excedem as estimativas iniciais. A integração de bancos de dados vetoriais é um exemplo útil. Muitos fluxos de trabalho de agentes dependem da capacidade de recuperar contexto relevante de grandes repositórios de documentos não estruturados em tempo real. Construir e manter a infraestrutura para isso — selecionar entre provedores como Pinecone, Weaviate ou Qdrant, incorporar e indexar dados proprietários e gerenciar ciclos de atualização à medida que os dados subjacentes mudam — acrescenta uma complexidade de engenharia significativa e um custo operacional contínuo que raramente aparece nas propostas iniciais de investimento em IA. Quando essa infraestrutura está ausente ou mal mantida, o desempenho do agente se degrada de maneiras que muitas vezes são difíceis de diagnosticar, pois o comportamento do modelo está correto em relação ao contexto que recebe, mas esse contexto está desatualizado ou incompleto. Governança como variável operacional, não como exercício de conformidade Talvez a constatação mais útil na prática na pesquisa da KPMG seja a relação entre maturidade de IA e confiança em relação ao risco. Entre as organizações ainda na fase de experimentação, apenas 20% se sentem confiantes em sua capacidade de gerenciar riscos relacionados à IA. Entre os líderes em IA, esse número sobe para 49%. 75% dos líderes globais citam segurança de dados, privacidade e risco como preocupações contínuas, independentemente do nível de maturidade — mas a maturidade altera a forma como essas preocupações são operacionalizadas. Essa é uma distinção importante para conselhos e funções de risco que tendem a enquadrar a governança de IA como uma restrição à implantação. Os dados da KPMG sugerem a dinâmica oposta: as estruturas de governança não retardam a adoção da IA entre organizações maduras; elas a possibilitam. A confiança para avançar mais rapidamente — para implantar agentes em fluxos de trabalho de maior risco, para expandir a coordenação entre agentes em todas as funções — está diretamente relacionada à maturidade da infraestrutura de governança que envolve esses agentes. Na prática, isso significa que as organizações que tratam a governança como uma camada retrospectiva de conformidade estão em dupla desvantagem. Elas são mais lentas na implantação, porque cada novo caso de uso desencadeia uma nova revisão de governança, e estão mais expostas ao risco operacional, porque a ausência de mecanismos de governança incorporados significa que casos extremos e modos de falha são descobertos na produção, em vez de nos testes. As organizações que incorporaram a governança ao próprio pipeline de implantação (por exemplo, cartões de modelo, monitoramento automatizado de resultados, ferramentas de explicabilidade e caminhos de escalonamento com intervenção humana para decisões de baixa confiança) são aquelas que operam com a confiança que lhes permite escalar. “Em última análise, não há futuro para a IA sem confiança e não há confiança sem uma governança que acompanhe o ritmo”, explica Steve Chase, Diretor Global de IA e Inovação Digital da KPMG International. “A pesquisa deixa claro que o investimento sustentado em pessoas, treinamento e gestão de mudanças é o que permite que as organizações escalam a IA de forma responsável e gerem valor.” Divergências regionais e o que elas sinalizam para a implantação global Para multinacionais que gerenciam programas de IA em várias regiões, os dados da KPMG apontam diferenças significativas na velocidade de implantação e na postura organizacional que afetarão o planejamento da implementação global. A ASPAC está avançando de forma mais agressiva na ampliação de agentes; 49% das organizações na região estão ampliando agentes de IA, em comparação com 46% nas Américas e 42% na EMEA. A ASPAC também lidera na capacidade mais complexa de orquestrar sistemas multiagentes, com 33%. Os perfis de barreiras também diferem de maneiras que trazem implicações operacionais reais. Tanto na ASPAC quanto na EMEA, 24% das organizações citam a falta de confiança e adesão da liderança como a principal barreira à implantação de agentes de IA. Nas Américas, esse número cai para 17%. Os sistemas de agentes, por definição, tomam ou iniciam decisões sem a aprovação humana em cada instância. Em culturas organizacionais onde a responsabilidade pelas decisões está fortemente concentrada no nível sênior, isso pode gerar resistência institucional que nenhuma capacidade técnica é capaz de resolver. A solução está no desenho da governança; especificamente, definir antecipadamente quais categorias de decisão um agente está autorizado a tomar de forma autônoma, o que desencadeia a escalonamento e quem assume a responsabilidade pelos resultados iniciados pelo agente. A lacuna de expectativa em torno da colaboração entre humanos e IA também merece destaque para quem estiver projetando fluxos de trabalho assistidos por agentes em escala global. Os entrevistados do Leste Asiático prevêem que agentes de IA liderarão projetos em uma proporção de 42%. Os entrevistados australianos preferem IA dirigida por humanos, com 34%. Os entrevistados norte-americanos tendem para a colaboração entre pares (humano-IA), com 31%. Essas diferenças afetarão a forma como os processos assistidos por agentes precisam ser projetados em diferentes implantações regionais do mesmo sistema subjacente, adicionando uma complexidade de localização que é fácil de subestimar no planejamento de plataformas centralizadas. Um dado da pesquisa da KPMG que merece atenção especial dos diretores financeiros e conselhos de administração: 74% dos entrevistados afirmam que a IA continuará sendo uma prioridade máxima de investimento mesmo em caso de recessão. Isso é um sinal de convicção genuína sobre o papel da IA na estrutura de custos e no posicionamento competitivo, ou reflete um compromisso coletivo que ainda não foi testado diante da pressão orçamentária real. Provavelmente ambos, em proporções diferentes entre as diversas organizações. O que isso indica é que a janela de oportunidade para as organizações que ainda estão na fase de experimentação não é indefinida. Se os 11% dos líderes em IA continuarem a ampliar sua vantagem (e os dados da KPMG sugerem que os mecanismos para isso já estão em vigor), a questão para os 89% restantes não é se devem acelerar a implantação da IA, mas como fazê-lo sem agravar a dívida de integração e os déficits de governança que já estão limitando seus retornos. Veja também: Hershey aplica IA em todas as operações de sua cadeia de suprimentos. Quer saber mais sobre IA e big data com líderes do setor? Confira a AI & Big Data Expo, que acontecerá em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e será realizado em conjunto com outros eventos de tecnologia de ponta, incluindo a Cyber Security & Cloud Expo. Clique aqui para mais informações. O AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial que estão por vir aqui. A publicação “KPMG: Por dentro do manual de estratégias de agentes de IA que impulsiona ganhos de margem nas empresas” apareceu primeiro no AI News.