Copa do Brasil e projetos de IA que falham

A Copa do Brasil é o torneio que pune quem confunde camisa com resultado. Um elenco caro, uma torcida gigante e um discurso confiante não impedem a eliminação quando o time entra mal escalado, perde o meio de campo e não transforma volume de jogo em gol.

Projetos de IA que falham seguem exatamente esse roteiro. A empresa compra a melhor tecnologia, faz um piloto que impressiona o conselho, publica alguns casos de uso internos e depois descobre que nada mudou no P&L. Não reduziu custo, não acelerou ciclo, não aumentou receita, não melhorou decisão.

A diferença é que, no futebol, a eliminação aparece no placar. Na IA corporativa, ela costuma ficar escondida em dashboards de uso, apresentações com prints de chatbot e um e-mail dizendo que o projeto será "revisitado no próximo trimestre".

Camisa pesada não vence processo ruim

Na Copa do Brasil, a disparidade técnica pode desaparecer em 180 minutos. O time menor compensa orçamento com disciplina, leitura tática e execução. O favorito perde quando acha que talento individual resolve um sistema mal montado.

Em IA, a camisa pesada é a licença do modelo mais avançado, a parceria com uma big tech ou o laboratório interno cheio de gente brilhante. Tudo isso ajuda. Nada disso substitui um processo bem desenhado.

Hugo Azevedo viu esse padrão se repetir em mineração, aviação, jurídico e saúde. O problema raramente é a ausência de modelo. É a ausência de um fluxo operacional claro, dados acessíveis, critérios de decisão e uma pessoa responsável por transformar a saída da IA em ação.

Uma empresa pede um agente para "melhorar a produtividade comercial". Isso não é um caso de uso. É uma intenção vaga. O caso de uso começa quando a liderança define qual etapa do funil está travada, qual decisão é lenta, qual sistema contém a informação necessária, quanto custa o atraso e quem responderá quando o agente errar.

O mercado está saindo da fase dos copilotos genéricos e entrando na fase da delegação de trabalho. Em junho de 2026, usos agentivos já representavam 64% dos tokens de saída combinados de Codex e ChatGPT entre clientes corporativos da OpenAI. Isso significa que a conversa deixou de ser apenas sobre gerar texto e passou a ser sobre executar tarefas em múltiplas etapas, com ferramentas, permissões e supervisão. (openai.com)

Piloto bonito é amistoso, produção é mata-mata

Todo piloto funciona melhor do que a operação real. O ambiente é controlado, os dados são escolhidos a dedo, há especialistas acompanhando cada resposta e ninguém precisa assumir o prejuízo de uma decisão errada.

É como vencer um amistoso de pré-temporada e concluir que o time está pronto para uma decisão fora de casa. Não está.

Produção exige integração com CRM, ERP, bases documentais, sistemas legados e regras que ninguém documentou. Exige identidade digital, permissão mínima necessária, trilha de auditoria, avaliação contínua e rota de escalonamento para humanos. Sem isso, o agente vira um estagiário brilhante com acesso indevido a sistemas críticos.

Essa é uma tendência central de 2025 e 2026. Ferramentas para construir agentes se multiplicaram, com busca, acesso a arquivos, uso de computador, orquestração e observabilidade. Mas a própria OpenAI reconhece que transformar essas capacidades em agentes prontos para produção exige visibilidade, lógica de orquestração e trabalho de engenharia que não se resolve com prompt. (openai.com)

A recomendação prática é simples e contraintuitiva: comece menor. Um agente, uma tarefa de alto valor, poucas ferramentas e métricas explícitas. Sistemas multiagentes são necessários em alguns cenários, mas montar uma seleção inteira antes de provar que o centroavante sabe finalizar é um desperdício caro. A orientação técnica é começar com um único agente e evoluir a arquitetura somente quando a complexidade do trabalho exigir. (cdn.openai.com)

Posse de bola não é impacto econômico

Há empresas comemorando número de usuários, quantidade de prompts e horas de treinamento. É a versão corporativa de celebrar posse de bola depois de perder por 1 a 0.

A métrica que importa é outra: qual indicador econômico ou operacional mudou por causa da IA? Tempo de análise caiu? Taxa de retrabalho reduziu? Receita recuperada aumentou? Atendimento resolveu mais casos sem transferência? Planejamento ficou mais preciso? Risco foi evitado?

A pressão para responder isso aumentou porque a adoção brasileira acelerou. No relatório State of Enterprise AI 2025, o Brasil aparece entre os grandes mercados com maior crescimento de clientes empresariais, acima de 143% em um ano. Ao mesmo tempo, organizações mais avançadas estão abrindo distância das demais não por terem acesso exclusivo aos modelos, mas por incorporarem IA a fluxos repetíveis e conectados ao trabalho real. (openai.com)

Esse é o risco para empresas brasileiras. A facilidade de contratar tecnologia pode criar uma ilusão de avanço. Mas adotar IA não é distribuir acesso. É redesenhar decisões, papéis, controles e metas. Empresas que não fizerem is