Target Solutions
PT

Inteligência Artificial

95% das empresas pesquisadas pela Bain já usam IA. O que pequenas e médias podem aprender?

A inteligência artificial deixou de ser uma possibilidade distante para as empresas brasileiras. O debate já não começa apenas pela pergunta sobre usar ou não usar a tecnologia. A questão mais relevante passou a ser outra: em quais processos a IA está entrando, que problema está resolvendo e quanto valor consegue devolver ao negócio.

Essa jornada de adoção se conecta diretamente à minha trajetória de pesquisa. No Mestrado Profissional em Economia pela Fundação Getulio Vargas, desenvolvi o IBEOP-IA, Índice Brasileiro de Exposição Ocupacional Potencial à Inteligência Artificial, para investigar como as capacidades da IA podem alcançar diferentes ocupações brasileiras. O estudo oferece uma perspectiva sobre o potencial de incorporação da tecnologia às tarefas e ao trabalho. As pesquisas de mercado apresentadas neste artigo complementam essa análise ao mostrar como a adoção já está acontecendo nas empresas e em quais processos a IA começa a produzir resultados concretos.

Dados de 2026 mostram que a IA já chegou aos pequenos negócios, mas o próximo desafio é transformar ferramentas e testes em processos que gerem resultados mensuráveis.

Essa mudança aparece no levantamento Uso de IA chega a 95% das empresas no Brasil, publicado pela Bain & Company em 2026. A pesquisa ouviu 140 empresas brasileiras, com faturamento anual entre R$ 40 milhões e mais de R$ 10 bilhões, em setores como serviços financeiros, varejo, tecnologia, telecomunicações, indústria, saúde, energia e bens de consumo.

Entre as organizações pesquisadas, 95% já utilizavam inteligência artificial. Em 2024, o percentual era de 74%. O avanço de 21 pontos percentuais em dois anos mostra que o acesso à tecnologia se disseminou rapidamente nesse grupo.

O número é expressivo, mas precisa ser interpretado dentro de seu recorte. A pesquisa não representa automaticamente todas as empresas brasileiras. Ela retrata um conjunto de organizações de médio e grande porte que já possuem estrutura, orçamento e pressão competitiva para avançar na adoção.

Ainda assim, o levantamento oferece uma mensagem relevante para empresas de diferentes tamanhos: quando a tecnologia se torna acessível a muitos concorrentes, o simples acesso deixa de ser a principal fonte de diferenciação.

A adoção cresceu, mas a escala ainda separa as empresas

Os 95% indicam presença da IA, não necessariamente maturidade operacional.

Segundo a Bain, cerca de 40% das empresas pesquisadas já escalaram pelo menos um caso de uso. Isso significa que a maioria ainda convive com iniciativas pontuais, experimentos ou aplicações restritas a determinadas equipes.

Ao mesmo tempo, 62% relatam impacto financeiro direto e 91% afirmam que suas iniciativas atenderam ou superaram as expectativas. Para o próximo ciclo, 98% pretendem ampliar o orçamento destinado à tecnologia.

Esses dados mostram confiança crescente, mas não eliminam o desafio de execução. A distância entre experimentar e operar continua relevante. Um assistente usado individualmente, uma automação restrita a uma equipe e um agente conectado a sistemas corporativos representam níveis muito diferentes de complexidade, responsabilidade e risco.

O próprio levantamento aponta que a IA já está entre as cinco principais prioridades estratégicas de 86% das empresas pesquisadas. Em 62% dos casos, os programas são liderados pelo CEO ou por executivos que se reportam diretamente a ele.

Quando a iniciativa chega a esse nível, deixa de ser apenas um projeto de tecnologia. Torna-se uma decisão sobre processos, dados, pessoas, controles e modelo operacional.

O crescimento ocorreu onde o trabalho acontece todos os dias

O uso da IA avançou principalmente em áreas que mantêm a empresa funcionando continuamente.

Na comparação apresentada pela Bain, TI liderou o crescimento, com avanço de 25 pontos percentuais. Operações cresceu 23 pontos e atendimento ao cliente, 16 pontos. O apoio ao trabalho analítico e intelectual, como elaboração de relatórios, pesquisas e análises de dados, avançou 14 pontos.

Essas áreas reúnem características favoráveis à aplicação de IA. Elas lidam com grande volume de informação, atividades recorrentes, decisões baseadas em contexto e necessidade constante de registrar, classificar, responder ou encaminhar solicitações.

Também são áreas nas quais pequenas melhorias podem se repetir muitas vezes. Reduzir alguns minutos de uma atividade rara gera pouco impacto. Reduzir o tempo de uma tarefa executada milhares de vezes pode alterar o custo, a capacidade e a experiência do cliente.

O levantamento também registra uma queda de 11 pontos percentuais no uso de chatbots tradicionais. A pesquisa não explica a causa. Por isso, não seria correto concluir que essas soluções deixaram de ter utilidade. Uma interpretação possível é que parte das empresas esteja substituindo interfaces isoladas por aplicações mais integradas aos processos, mas essa hipótese exigiria evidência adicional.

O dado reforça um cuidado importante: medir apenas a presença de uma ferramenta diz pouco sobre o valor que ela produz.

A IA já chegou às pequenas empresas, mas ainda precisa entrar nos processos

Uma empresa menor não possui a mesma escala, o mesmo orçamento ou a mesma estrutura das organizações pesquisadas pela Bain. Isso não significa que esteja fora do movimento de adoção.

Uma pesquisa do Sebrae publicada em novembro de 2026 mostra que, entre os pequenos negócios consultados sobre marketing e comunicação, 29% já utilizavam ferramentas de IA com regularidade e 21% haviam feito testes. Outros 30% planejavam utilizar a tecnologia. Nesse recorte específico, metade dos respondentes já havia usado ou experimentado IA, e oito em cada dez reuniam uso, testes ou intenção de adoção.

Outro levantamento de 2026, realizado pela Strand Partners para a AWS com uma amostra representativa de mil líderes empresariais no Brasil, indica que 50% das empresas já utilizavam IA. Entre as adotantes, 58% permaneciam em aplicações básicas, 27% estavam em estágio intermediário e 15% haviam chegado a usos avançados. Entre pequenas e médias empresas, 13% alcançavam esse estágio avançado.

As pesquisas da Bain, do Sebrae e da Strand Partners utilizam amostras, perguntas e definições diferentes. Seus percentuais não devem ser comparados como se medissem exatamente o mesmo universo. Em conjunto, porém, mostram uma direção consistente: a IA já alcançou empresas de diferentes portes, mas a profundidade do uso ainda varia bastante.

Para pequenas e médias empresas, o desafio não é reproduzir a estrutura das grandes organizações. É escolher um processo relevante, entender seu custo atual e avançar com uma aplicação compatível com a capacidade de investimento, gestão e acompanhamento do negócio.

Muitos dos processos descritos pela Bain aparecem em empresas de diferentes portes. Quatro pontos de partida são especialmente fáceis de reconhecer:

  1. Atendimento: classificar solicitações, preparar respostas, consultar informações e encaminhar exceções para uma pessoa.
  2. Operação: conferir cadastros, documentos, cobranças, pedidos ou ocorrências que seguem regras conhecidas.
  3. Relatórios: reunir dados recorrentes, produzir uma primeira análise e preparar informações para reuniões e decisões.
  4. Comercial: acompanhar propostas, organizar interações, lembrar próximos passos e preparar informações para o contato com o cliente.

Esses exemplos não significam que toda atividade repetitiva deva receber IA. Processos com regras simples e estáveis podem ser atendidos por automação convencional. Outros exigem julgamento, tratamento de linguagem, consulta a diferentes fontes ou adaptação ao contexto e podem justificar o uso de modelos de IA ou agentes.

A escolha deve partir do problema, não da novidade tecnológica.

O primeiro passo é medir o processo atual

Antes de introduzir IA, a empresa precisa entender como o trabalho acontece hoje.

Quanto tempo a atividade consome? Quantas vezes ela ocorre? Qual é o índice de erro ou retrabalho? Quais etapas dependem de aprovação? Que informações são utilizadas? O que acontece quando o caso foge do padrão?

Sem uma linha de base, qualquer ganho pode parecer convincente. Uma demonstração rápida pode impressionar, mas não informa se a solução é confiável, economicamente viável ou adequada para uso recorrente.

Um caminho prático pode ser organizado em cinco movimentos:

  1. Escolher um processo delimitado, recorrente e relevante.
  2. Registrar o custo, o tempo, a qualidade e as exceções do processo atual.
  3. Definir o que a IA poderá fazer, quais dados poderá utilizar e quando deverá pedir revisão humana.
  4. Testar com casos representativos e acompanhar resultado, falhas, consumo e retrabalho.
  5. Ampliar somente quando houver evidência de benefício e condições operacionais para sustentar o uso.

O objetivo não é apenas executar a mesma tarefa com uma nova ferramenta. Em muitos casos, será necessário rever etapas, responsabilidades e pontos de decisão.

A pesquisa global The state of AI in 2026, da McKinsey, ajuda a dimensionar esse desafio. Embora o uso de IA continue crescendo, 37% dos respondentes atribuíram algum impacto positivo no EBIT e apenas 6% foram classificados como organizações de alto desempenho em IA. Segundo o estudo, essas organizações tendem a redesenhar fluxos de trabalho, medir impacto e combinar liderança, gestão de riscos e disciplina operacional.

Os percentuais da Bain e da McKinsey não são diretamente comparáveis, pois utilizam amostras, perguntas e recortes diferentes. Juntos, porém, ajudam a mostrar que adoção ampla não garante resultado amplo.

O valor precisa aparecer no processo completo

Uma melhoria local pode apenas deslocar o gargalo.

Se a IA prepara uma resposta mais rapidamente, mas a revisão humana continua acumulada, o tempo total pode não cair. Se um agente classifica solicitações, mas encaminha muitos casos para a fila errada, a produtividade aparente pode gerar retrabalho. Se um relatório é produzido em segundos, mas contém informações inconsistentes, o custo da correção pode superar a economia inicial.

Por isso, a medição precisa considerar o processo completo. Dependendo do caso, os indicadores podem incluir tempo de ciclo, taxa de conclusão, qualidade da saída, quantidade de exceções, retrabalho, custo por tarefa, necessidade de revisão e efeito para o cliente ou para a operação.

Também é importante registrar quando a IA não deve agir. Processos envolvendo decisões sensíveis, dados protegidos, compromissos financeiros ou alterações em sistemas críticos podem exigir aprovação humana, limites de autonomia e controles adicionais.

Quando a IA entra no processo, começa um problema de operação

Enquanto a tecnologia apenas sugere um texto para uma pessoa, o risco permanece relativamente delimitado. Quando um agente consulta sistemas, seleciona ferramentas, atualiza registros, envia mensagens ou desencadeia outras ações, a empresa passa a delegar parte da execução.

Nesse ponto, surgem perguntas operacionais:

Quem é responsável pelo agente? Qual versão está em uso? Quais sistemas e dados ele pode acessar? Como suas ações são registradas? Como identificar falhas, repetições ou consumo fora do esperado? Quem pode interromper a execução? Como verificar se a tarefa foi realmente concluída?

O NIST AI Risk Management Framework organiza a gestão de riscos de IA em quatro funções: governar, mapear, medir e gerenciar. O modelo reforça que a avaliação não deve acontecer apenas antes da implantação. Sistemas de IA precisam ser testados e acompanhados durante a operação [5].

Essa necessidade é especialmente importante para agentes. Como eles podem combinar modelos, dados, ferramentas e decisões em uma mesma trajetória, avaliar apenas a resposta final pode esconder falhas intermediárias.

É nesse contexto que AgentOps se torna relevante. A disciplina busca aplicar práticas de operação, observabilidade, avaliação, controle e melhoria contínua aos agentes de IA em produção.

Do processo à operação: ARGUS

O ARGUS atua como plataforma de AgentOps para apoiar o monitoramento, a orquestração e a governança dos agentes integrados ao ambiente.

A plataforma pode concentrar informações sobre responsáveis, versões, modelos, ferramentas, dependências e contexto operacional. Também pode acompanhar execuções, ações, falhas, consumo e indicadores definidos para cada implementação.

Essa visibilidade ajuda a relacionar o comportamento do agente ao processo que ele deveria executar. Em vez de observar apenas chamadas de modelo ou mensagens isoladas, a organização pode acompanhar se a tarefa avançou, onde ocorreu uma falha, quanto recurso foi utilizado e quando houve intervenção humana.

O ARGUS não escolhe sozinho os processos que devem receber IA, não substitui o diagnóstico organizacional e não define as regras de negócio da empresa. Sua cobertura depende dos agentes, modelos, ferramentas e fontes de telemetria efetivamente integrados. A plataforma acrescenta supervisão e evidência operacional depois que objetivos, responsabilidades, limites e integrações foram definidos.

Sobre a Target Solutions

A Target Solutions atua há mais de 15 anos apoiando organizações na evolução de suas operações de infraestrutura, monitoramento, observabilidade, automação e inteligência operacional.

Ao longo dessa trajetória, participou de projetos em ambientes complexos de Telecom, Tecnologia, Governo, Energia e grandes empresas, contribuindo para aumentar a eficiência operacional e a confiabilidade dos serviços.

Com o avanço dos agentes de IA, essa experiência se estende à implantação de práticas de AgentOps, governança, supervisão e controle operacional.

Acreditamos que a IA gera valor sustentável quando entra em processos bem compreendidos, com objetivos mensuráveis, responsabilidades definidas e capacidade de acompanhamento ao longo da operação.

Além da plataforma, a Target Solutions oferece serviços especializados para apoiar a adoção de agentes de IA, desde o diagnóstico e o inventário das iniciativas até a definição de governança, processos, arquitetura, integrações, observabilidade e modelo operacional. Esse trabalho ajuda a preparar o ambiente organizacional e tecnológico necessário para implantar e utilizar uma plataforma como o ARGUS de forma estruturada.

Se sua empresa quer identificar um primeiro processo para aplicar IA, avaliar a viabilidade da iniciativa ou estruturar agentes com governança e acompanhamento operacional, conheça os serviços da Target Solutions para agentes de IA e converse conosco sobre como avançar de forma compatível com a realidade do negócio.

Sobre o autor

Paulo Florêncio Santos de Menezes é sócio e cofundador da Target Solutions, com atuação em infraestrutura, monitoramento, observabilidade, automação, operações de TI e governança de agentes de IA.

É graduado em Processamento de Dados pela Universidade Federal do Amazonas, possui MBA em Gestão Empresarial pela Fundação Dom Cabral e Mestrado Profissional em Economia pela Fundação Getulio Vargas.

Em sua pesquisa de Mestrado, desenvolveu o IBEOP-IA (Índice Brasileiro de Exposição Ocupacional Potencial à Inteligência Artificial), investigando a exposição potencial das ocupações brasileiras às capacidades da IA por meio da combinação de dados ocupacionais, patentes de inteligência artificial e técnicas de processamento de linguagem natural.

Referências

[1] Bain & Company. Uso de IA chega a 95% das empresas no Brasil. 2026.

[2] Sebrae. Oito em cada 10 pequenos negócios já usam ou planejam usar IA para marketing e comunicação. 2026.

[3] Strand Partners. Desbloqueando o potencial da IA no Brasil. Pesquisa realizada para a AWS, 2026.

[4] McKinsey & Company. The state of AI in 2026: On the road to ROI. 2026.

[5] National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023.