Por que projetos de IA fracassam antes de chegar à prática, segundo o Serpro

- Leitura
- 3 min
No AI Brasil Experience 2026, o superintendente de IA do Serpro e a Integraum apontaram integração, margem de erro, custo em escala e acordos claros desde o início como chaves para tirar a IA do piloto.
A prova de conceito funciona, a demonstração convence, mas o projeto morre quando chega à operação. Por que tantas iniciativas de inteligência artificial↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → fracassam antes de virar solução de verdade? A pergunta guiou o painel “Dinheiro, Discurso e Descarte: por que grandes projetos de IA nascem mortos”, no AI Brasil Experience 2026, realizado no fim de outubro no Distrito Anhembi, em São Paulo.
O debate, mediado por Adriel Araújo, reuniu Carlos Rodrigo Lima, superintendente de Inteligência Artificial do Serpro, e Alexandre Marques, da consultoria Integraum. Para Carlos, um dos motivos centrais é a falta de integração entre as partes de uma iniciativa. “Tudo pode isoladamente funcionar muito bem, mas, na hora de juntar, dá errado”, alertou.
Quebrar o projeto, sem perder a visão do todo
Dividir um projeto de IA em etapas é importante, mas exige alguém que enxergue o conjunto. “É fundamental quebrar [o projeto em partes], mas eu nunca posso contrapor isso à ausência de um elemento que centralize, como um gestor de projeto, alguém que tenha visão do todo”, afirmou Carlos.
Alexandre defendeu experimentação contínua e flexibilidade para acompanhar uma tecnologia que muda rápido. “Se você faz um projeto hoje grandioso, baseado no que você já sabe, talvez você já esteja condenando o projeto à morte, porque você ainda não sabe tudo”, observou.
Tolerância à falha não é ausência de controle
Projetos de IA são projetos de inovação e carregam incerteza. Por isso, segundo Carlos, a organização precisa identificar problemas ainda durante o desenvolvimento, antes que grandes investimentos sejam comprometidos. “A sua instituição, seu órgão, sua empresa tem que ter tolerância à falha”, ponderou, com uma ressalva: “Cultura de inovação, tolerância à falha, não significa que é para errar sempre”.
O fator humano também pesa. O medo de que a IA ameace empregos pode minar o engajamento das equipes. “Como é que a gente reduz? Ouvindo, conhecendo, chamando as pessoas para participar”, disse Alexandre. Carlos completou que a tecnologia precisa vir acompanhada de mudanças nos processos e nas formas de trabalho; sem isso, mesmo uma solução tecnicamente bem construída pode não atender a organização.
Margem de erro e custo de operação entram na conta desde o início
Uma das primeiras perguntas, segundo o superintendente do Serpro, é qual margem de erro a aplicação tolera. Se a solução exigir erro zero, a IA talvez não seja a tecnologia adequada. Em usos sensíveis, como validação biométrica, é essencial apresentar métricas de desempenho e deixar claras as limitações.
O custo de operação é outro ponto crítico, sobretudo na IA generativa: uma solução que funciona bem em teste pode ficar inviável quando passa a atender grandes volumes de usuários. No setor público, lembrou Carlos, o risco é duplo. “Perder dinheiro nunca é interessante. No nosso caso, empresa pública, é pior ainda, porque é perder dinheiro público.” A receita, resumiu, é combinar critérios de desempenho, custo e resultado esperado já no planejamento: “Para evitar a morte, é bom ter bons acordos de início”.
Matar ou reformular?
Saber a hora de interromper uma iniciativa também faz parte da gestão. Para Carlos, insistir em uma solução que não atende aos requisitos só amplia o prejuízo, e a decisão deve pesar riscos, custos e resultados alcançados. Alexandre ponderou que dificuldade nem sempre significa fim: em um cenário de mudança constante, reformular pode ser o melhor caminho. “Talvez não seja um óbito, seja fazer um renascimento.”
Checklist para não matar seu projeto de IA na largada
- Nomeie um responsável com visão do projeto inteiro, não só das partes;
- Defina a margem de erro aceitável antes de escolher a tecnologia;
- Projete o custo de operação em escala, não só o do piloto;
- Combine métricas de desempenho e de resultado desde o planejamento;
- Envolva as equipes que vão usar a solução e ajuste os processos junto com a tecnologia;
- Estabeleça critérios claros para encerrar ou reformular a iniciativa.
O mérito do trabalho é da IA ou de quem sabe usá-la?
A mesma ferramenta de IA produz entregas excelentes nas mãos de um profissional e superficiais nas de outro. A diferença está no repertório e no senso crítico de quem conduz.














