Usar Inteligência Artificial deixou de ser o diferencial. A questão agora é entender onde ela pode gerar valor. Empresas começam a adotar a tecnologia para resolver problemas concretos, buscando mais eficiência e uma melhor experiência para o usuário.
Essa transformação foi discutida no painel “IA no modo consumidor: velocidade, inteligência e experiência em tempo real”, no CONAREC 2026. Mediada por Heinz Felipe, head de Inovação do CEIA, a apresentação reuniu Giuliane Paulista, AI Executive do Banco do Brasil; Marilia Dolce, Customer Support Director da Wellhub; e Carlo Gilbertini, head da Sapios by MakeOne (Interactions).
Não existe uma única velocidade para a adoção da IA. Enquanto algumas aplicações permitem testar, medir e abandonar rapidamente uma ideia que não funciona, outras exigem camadas robustas de controle antes de chegar ao consumidor. O ponto em comum está em começar pela necessidade e não apenas pela vontade de implementar IA.
“Antes de fazer qualquer coisa, é preciso perguntar por que eu estou fazendo isso e qual o objetivo tem que ser alcançado”, disse Gilbertini. A partir daí, segundo ele, é preciso entender qual é o retorno esperado. “A dica é procurar entender por que vocês estão fazendo isso, qual o objetivo e como é que ele vai ser medido.”
Governança para permitir escala
No Banco do Brasil, que já conta com mais de 1.400 soluções com uso de IA, colocar a tecnologia diante do cliente exige avaliar riscos que vão muito além do desempenho do modelo.
De acordo com Giuliane, a governança deixou de ser responsabilidade exclusiva de áreas como compliance, risco ou TI. “Todos nós somos responsáveis por essa governança, que não é mais atribuição só de áreas como compliance, risco da empresa ou TI. Ela é uma responsabilidade de todos que estão desenvolvendo e interagindo com a solução.”
O objetivo é transformar o controle em condição para escalar a tecnologia com segurança. No Banco, esse processo envolve políticas, definição de papéis e responsabilidades e ferramentas que acompanham a solução desde o desenvolvimento até o usuário.
Um exemplo da complexidade apareceu na avaliação dos grandes modelos de linguagem. Antes de adotá-los, o Banco desenvolveu uma metodologia própria de certificação.
Giuliane explicou que alguns LLMs falharam em mais de 70% dos testes realizados, levando à criação de mecanismos de proteção específicos. “Não é plug and play. Temos que validar se aquela tecnologia faz sentido dentro do contexto da organização e como a gente faz essa integração acontecer”.
Testar rápido, mas com utilidade
Na Wellhub, velocidade e experimentação aparecem por outro ângulo. A empresa disponibilizou ferramentas de IA para milhares de colaboradores e incentiva o uso em atividades que vão de bases de conhecimento conversacionais ao ganho individual de produtividade.
Marilia Dolce disse que democratizar a tecnologia não significa apenas liberar o acesso. É preciso combinar ferramentas homologadas, políticas, treinamento e troca de boas práticas.
“Você não só democratiza dando acesso, que é o primeiro passo. Você democratiza treinando, capacitando, mostrando a política.”
No atendimento, essa estrutura permite experimentar soluções em ciclos curtos. Uma funcionalidade pode ser colocada à disposição do operador, ter seu uso medido e, se funcionar, ser ampliada. “Se ninguém utilizar, é possível abandonar rapidamente a ideia e partir para outra necessidade”, completou.
A IA também começa a alterar o papel das equipes de atendimento. Na visão da executiva, a tecnologia deve absorver atividades simples e abrir espaço para que as pessoas se concentrem em problemas mais complexos. “O simples vai ser resolvido e, com isso, as pessoas vão estar mais preparadas para o seu próximo passo complexo ali dentro.”
IA no processo sem aparecer para o consumidor
A busca por velocidade também não significa colocar IA diretamente em todos os pontos de contato. No suporte ao consumidor, Marilia resume que é necessário atender rápido e bem, com qualidade, assertividade e resolução.
A tecnologia pode ajudar a atingir esse resultado de diferentes maneiras, incluindo conversar diretamente com o consumidor, acelerar a criação de treinamentos, melhorar ferramentas ou preparar operadores para responder melhor.
“A IA entra no meio da solução, não necessariamente como solução. Ela é a ferramenta e não o fim.”
Revisão de processos
No Banco do Brasil, essa mudança já começa a exigir uma revisão mais profunda da própria organização. Giuliane destacou que a primeira onda de adoção foi associada à produtividade pessoal. Depois vieram mudanças em processos e soluções voltadas aos clientes. O próximo estágio será questionar se os processos existentes ainda fazem sentido em um ambiente moldado pela IA.
“A velha máxima da inovação continua valendo. Vamos nos apaixonar pelo problema e não pela solução. A IA não é a solução para tudo”, acrescentou.
Isso significa evitar o uso da tecnologia apenas para acelerar estruturas ineficientes. “Usar a IA para melhorar ou para automatizar um processo que é ruim é totalmente desnecessário e improdutivo. Temos que rever os processos.”
Gilbertini complementou que essa revisão passa também por uma pergunta menos tecnológica sobre o que as empresas estão fazendo com o tempo que a IA devolve às pessoas. Se uma tarefa que levava uma hora agora consome minutos, o ganho só se transforma em valor quando esse tempo é direcionado para aprender, melhorar processos, pensar ou executar atividades mais relevantes.
“Não é uma questão de vou usar, não vou usar. É sobre parar para pensar por que eu estou usando, o que eu estou fazendo”, disse.
A mesma lógica vale para a experiência do consumidor. Se o problema é um boleto que não chegou, por exemplo, talvez a melhor aplicação da tecnologia não seja criar uma IA para atender a reclamação, mas corrigir o processo que fez o boleto não chegar.
“Vamos usar IA para consertar o processo e mandar boletos. Não para atender o usuário na ponta, porque ele me ligou bravo”, finalizou Gilbertini.
