Governança de dados: a estrutura que separa IA em produção de investimento queimado

Se tem uma frase que resume a plenária sobre a jornada de IA da ALLOS no Fórum E-Commerce Brasil 2026, é a que apareceu no meio da fala técnica: "IA não é a única solução, ela é a componente de uma solução". O recorte é importante porque o discurso dominante inverte isso, trata a ferramenta como o produto e a governança como burocracia opcional. A transcrição captada ao vivo pela redação do iMasters mostra o contrário na prática.

Os números que assustam

A apresentação abriu com dados de mercado sobre adoção de IA que valem uma pausa. Segundo a transcrição, boa parte das empresas que adotam IA não vê valor comprovado, uma fatia grande dos pilotos não chega à produção, cerca de 42% das iniciativas são abandonadas e apenas uma minoria (algo em torno de 5%) extrai valor real.

Ressalva honesta: a transcrição é automática e os números vieram distorcidos em vários trechos. A ordem de grandeza é consistente com relatórios públicos do setor (o estudo do MIT sobre GenAI corporativa em 2025 circulou com números parecidos), mas quem for citar deve confirmar na fonte original antes de afirmar. O ponto que interessa não é o decimal exato: é que a taxa de fracasso é a regra, não a exceção.

Por que os projetos morrem

O diagnóstico apresentado foi direto: não é falta de ferramenta, é falta de estrutura em volta dela. Os eixos citados:

• Dados organizados, confiáveis e governados. Foi a tese central. Com 51 shoppings, mais de 13 mil lojas e dezenas de milhões de visitantes por mês, a empresa argumentou que rodar IA sobre base desorganizada não escala. Como colocado no palco: "como é que eu faço para usar IA em cima de uma base de dados desorganizada?"
• Conexão com a estratégia. Iniciativa de IA que não amarra numa meta da companhia vira experimento órfão.
• Educação e limites de uso. Dar "uma super ferramenta na mão das pessoas" sem dizer como usar e, principalmente, o que não fazer, queima investimento.
• Integração com o legado. O piloto não se conecta sozinho ao ERP, ao CRM e ao resto. Tem um custo de arquitetura que ninguém coloca no slide inicial.

O paralelo com casos públicos (a apresentação citou Uber, Walmart e Amazon, além de episódios de vazamento) serviu como aprendizado sobre custo descontrolado e gamificação mal calibrada, incentivar consumo máximo de ferramenta sem estrutura por trás.

O que dá para copiar

A parte mais útil para quem constrói foi o modelo operacional descrito pela dupla no palco. Alguns mecanismos concretos:

1. Porta de entrada única. Quando a empresa anuncia projetos de IA, a companhia inteira quer entrar. Sem um funil, a fila vira caos. A saída deles foi priorizar por retorno esperado e medir a cada três meses.
2. Área dona do custo. Em vez de um orçamento central diluído, cada área responde pelo próprio consumo e precisa comprovar retorno para o financeiro. Quando propuseram transferir a fatura da ferramenta para o usuário final, várias áreas deram um passo atrás, o que já funciona como filtro de demanda real.
3. Devs junto do negócio. Colocaram desenvolvedores lado a lado com as áreas para ensinar o uso correto. O efeito cultural apareceu: os times apelidaram a ferramenta de "Claudinho" e passaram a trocar descobertas entre áreas diferentes.
4. Política de uso construída em grupo multidisciplinar. Antes de definir a política, fizeram um inventário de uso de IA na companhia para mapear risco (não só vazamento, mas exposição de marca e risco de aplicação). Depois montaram a política com jurídico, DPO, segurança e dados na mesma mesa. LGPD entrou como restrição de projeto, não como carimbo no fim.

O recado para quem constrói no Brasil

A tensão sobre "vibe coding" também apareceu, com honestidade rara para um palco: mesmo com ganhos reais (um projeto que teria uma boa parte da aplicação rodando na mesma tarde a partir de especificação bem feita), há desenvolvedores que ainda não confiam plenamente no que a ferramenta entrega. O papel da tecnologia, no modelo apresentado, deixa de ser xerife que manda desinstalar e passa a habilitar o uso com trilho.

A metáfora final foi da maratona, não do sprint. Para o dev brasileiro, o aprendizado prático é que governança de dados e política de uso não são o freio da IA: são o que impede o projeto de entrar na estatística dos 42% abandonados.

Fonte: Transcrição ao vivo — Plenária Tecnologia & Inovação (15:00–15:30)