Governança da IA: o que é necessário para expandir a IA com confiança

Passo grande parte do meu tempo em ambientes onde os projetos de tecnologia precisam ser justificados: em salas de reunião, comitês de investimento e discussões sobre custo, risco e retorno.

Dessa perspectiva, percebi algo curioso sobre a inteligência artificial. Poucas tecnologias foram aprovadas tão prontamente para testes, mas, mesmo assim, muitas organizações ainda enfrentam dificuldades para implementá-las em grande escala.

Um estudo da Gartner publicado em setembro de 2026 revelou que apenas 4% das seguradoras se encontravam nos estágios mais avançados de maturidade em IA para ampliar o uso dessa tecnologia com o objetivo de aumentar o valor comercial. Quando conversei sobre isso com Dennis Milan, CIO e CTO de Inovação Digital da Tokio Marine Seguradora, no programa “The IT Leaders’ Brief”, ele fez uma distinção com a qual concordo: experimentar a IA generativa em casa é uma coisa; utilizá-la em uma empresa responsável por milhões de segurados é outra.

A diferença entre o projeto-piloto e a implementação em grande escala não é meramente técnica. É também uma questão de confiança. A governança ajuda a construir essa confiança.

Os conselhos de administração aprovam os riscos que compreendem

A governança costuma ser vista como um obstáculo à inovação: mais um comitê, mais uma política ou mais um formulário a ser preenchido. Do ponto de vista de quem aprova investimentos, vejo a questão de maneira diferente.

Um conselho de administração não aprova uma tecnologia simplesmente porque ela parece promissora. É preciso compreender o que está em jogo: quem é o responsável, quais são os riscos envolvidos, quanto o projeto pode custar e quais controles estão em vigor — incluindo se a operação pode ser interrompida, se necessário.

Projetos de IA sem respostas claras podem se tornar onerosos se forem deixados em suspenso. Eles podem ser muito incertos para serem ampliados, mas não apresentam argumentos suficientemente claros para que alguém os interrompa. É assim que os projetos-piloto se acumulam.

O argumento de Dennis era que a empresa continua sendo responsável pelas respostas que dá aos seus clientes, mesmo quando um provedor de modelos fornece a tecnologia. A responsabilidade não pode ser terceirizada junto com a tecnologia. Quando uma empresa aceita essa responsabilidade e define como irá administrá-la, a governança passa a ser parte do que permite que os líderes aprovem a IA com confiança.

A IA pode revelar pontos fracos nos processos existentes

Um exemplo que Dennis compartilhou mostrou como a adoção da IA pode revelar problemas que já existiam.

Ao preparar documentos para treinar modelos de IA, sua equipe percebeu que alguns contratos e procedimentos eram difíceis de serem interpretados pela IA. Ao investigar a questão, descobriram que as pessoas também tinham dificuldade com eles. A reformulação do material melhorou o desempenho da IA e tornou os documentos mais fáceis de serem compreendidos pelos corretores e clientes.

Percebo o mesmo padrão em todas as organizações. A IA pode revelar ambiguidades que as equipes aprenderam a contornar por meio da experiência, de conversas informais e do conhecimento detido por poucas pessoas. Um modelo não pode se basear nesses atalhos; ele depende das informações que recebe.

Isso significa que parte do valor de um programa de IA pode se manifestar antes mesmo de um agente entrar em operação: processos mais claros, documentação mais consistente e regras de negócios que finalmente são formalizadas por escrito. Esses benefícios podem não constar na análise de viabilidade inicial, pois os problemas subjacentes não eram visíveis. No mínimo, eles devem ser considerados como resultados potenciais.

Avalie a IA por meio dos resultados comerciais

A pergunta que mais ouço nos comitês de investimento é como medir o retorno da IA. É uma pergunta pertinente, mas medir cada agente individualmente pode levar a conclusões erradas.

À medida que as organizações contratam mais agentes, fica mais difícil avaliar cada um individualmente. Isso também pode fazer com que se dê mais importância ao que é mais fácil de quantificar do que ao que realmente importa para a empresa.

Em vez disso, avalie a IA com base em seu impacto nos processos, na experiência do cliente e nos resultados operacionais e financeiros. No setor de seguros, isso pode incluir:

• Quanto tempo leva para elaborar um orçamento
• Se os corretores podem vender produtos que antes exigiam conhecimento especializado
• Quantas solicitações de clientes são resolvidas sem necessidade de escalonamento

Dennis descreveu um exemplo de seguro comercial em que um corretor insere o código de atividade comercial de uma empresa e recebe uma cotação com cobertura adequada com base em dados históricos. O indicador de desempenho não é o desempenho do modelo isoladamente; trata-se de saber se mais corretores conseguem vender um produto que antes não conseguiam vender.

Os dados gerais do mercado apontam para o mesmo desafio. A análise da BCG sobre a adoção e o valor da IA no setor de seguros patrimoniais e de acidentes indica que as seguradoras desse segmento esperam que os gastos com IA, como porcentagem da receita, tripliquem em 2026, enquanto apenas 38% estão gerando valor em escala com a IA em fluxos de trabalho essenciais. Mais investimento não produz automaticamente melhores resultados. O desafio está em conectar a IA às prioridades estratégicas, aos processos de negócios e aos resultados mensuráveis.

Como Dennis disse em nossa conversa: “A IA não é uma questão tecnológica, é uma questão empresarial.”

A ampliação da IA requer responsabilidade e visibilidade dos custos

Dennis disse que a Tokio Marine contava com mais de 1.200 agentes em atividade na época da conversa. Ele descreveu como a empresa estava elaborando um catálogo e designando parceiros de negócios de IA para ajudar as unidades de negócios a decidir em quais áreas a IA fazia sentido — e em quais uma opção mais simples, como automação, mudança de processo ou um procedimento manual, funcionaria melhor.

Cada agente pode agregar valor, mas também gera custos recorrentes, dependências e riscos que precisam ser gerenciados. As organizações precisam saber quem é o responsável por cada agente, quanto custa sua manutenção, quais resultados ele gera e quando foi revisado pela última vez. Sem essa visibilidade, é difícil decidir o que manter, melhorar ou descontinuar.

Essa disciplina também ajuda a lidar com os custos da IA. Adicionar uma camada de IA a um serviço digital que já funciona bem pode gerar despesas sem agregar valor. Saber quando não usar a IA — e ter motivos claros para essa decisão — faz parte de uma estratégia sólida de IA.

A governança da IA deve incluir os parceiros de negócios

As discussões sobre governança costumam se concentrar no que acontece dentro da organização. Mas a IA também pode afetar os parceiros e intermediários que conectam uma empresa aos seus clientes.

Dennis descreveu a rede de corretores independentes da Tokio Marine e os diferentes níveis de maturidade tecnológica nessa rede. Se os parceiros não puderem adotar ou trabalhar com novos sistemas, avançar internamente pode não trazer o resultado esperado.

Para as organizações que dependem de intermediários, isso exige regras claras de integração, padrões compartilhados de dados e uma abordagem deliberada para apoiar o canal de distribuição. Gerenciar a IA em um ecossistema é mais difícil do que gerenciá-la dentro de uma única organização, mas também é uma decisão de negócios — não apenas técnica.

Os líderes precisam administrar o presente e se preparar para o que está por vir

Dennis usou a palavra “ambidestria” para descrever a gestão das operações do dia a dia, ao mesmo tempo em que se mantém espaço para a inovação. Ele também enfatizou a importância da cultura: identificar pessoas que se sintam à vontade com a IA e construir uma rede capaz de compartilhar conhecimento e apoiar a adoção dessa tecnologia.

Concordo. Gostaria de acrescentar uma pergunta que costumo fazer em conversas sobre IA com executivos: Quem na sua organização tem autoridade para dar o aval?

Se ninguém puder responder, a IA poderá permanecer em modo piloto. Se todos puderem responder que sim, a adoção poderá avançar mais rapidamente do que a supervisão. Uma governança eficaz deixa claro quem decide, quais informações orientam essa decisão e quais limites se aplicam.

O conselho não precisa dominar todos os detalhes técnicos de cada modelo. Ele precisa compreender os riscos, as responsabilidades e os resultados esperados, além de confiar nos processos que orientam as decisões sobre IA.

Construir essa confiança é uma das tarefas menos visíveis — mas essenciais — para levar a IA da fase de prova de conceito aos resultados comerciais.

Explore os serviços de Inteligência Artificial da Getronics para descobrir como a governança pode apoiar a transição desde a identificação de casos de uso até a implantação e o aprimoramento contínuo.