Quase toda empresa de médio e grande porte já tem um piloto de inteligência artificial rodando: um assistente que responde dúvidas sobre políticas internas, um modelo que prevê quebra de equipamento, um agente que resume contratos. A demonstração costuma impressionar. O difícil vem depois, quando alguém pergunta quanto aquilo gerou de resultado e quem vai levá-lo para a operação inteira. É para responder a essa pergunta que existe um centro de excelência em IA.
É nesse ponto que a maioria das iniciativas trava. Nossa tese é que IA sem governança não escala. Depois de explicar por quê, mostramos como estruturar um Centro de Excelência em IA em seis etapas, para que os pilotos passem a funcionar na operação.
Sumário
- IA sem governança não escala
- O que é um Centro de Excelência em IA
- Modelos de organização
- Papéis essenciais
- Como implantar em seis etapas
- Erros mais comuns
- Conclusão
IA sem governança não escala
O Gartner projetou que ao menos 30% dos projetos de IA generativa seriam abandonados depois da prova de conceito até o fim de 2025, por dados de baixa qualidade, controles de risco insuficientes, custos crescentes e valor de negócio pouco claro. Em 2025, um estudo do MIT apontou que cerca de 95% dos pilotos de IA generativa nas empresas não geraram retorno mensurável no resultado.
Os quatro motivos estão fora do modelo, no que acontece em volta dele:
- Dados: o piloto foi alimentado com uma base preparada à mão. Em produção, os dados vêm de vários sistemas, com definições diferentes para o mesmo indicador, e ninguém responde pela qualidade.
- Dono: o piloto nasceu na TI ou num fornecedor. A área de negócio assistiu à demonstração, mas não assumiu a meta que a IA deveria mover.
- Risco: sem regras claras sobre que dado pode ser usado, quem revisa a resposta do modelo e como tratar dados pessoais segundo a LGPD, o jurídico segura a expansão, com razão.
- Custo: cada área contrata sua ferramenta, seu fornecedor e sua nuvem. O custo por uso só aparece quando a fatura chega.
Governança é o conjunto de decisões que resolve esses quatro pontos: quem é dono de quê, quais dados são confiáveis, quais usos são permitidos e como medir valor. Sem isso, cada novo caso de IA recomeça do zero. O Centro de Excelência em IA é o núcleo que toma essas decisões para a empresa inteira.
O que é um Centro de Excelência em IA
Um Centro de Excelência (CoE, do inglês Center of Excellence) em IA é uma equipe multidisciplinar, com mandato da diretoria, responsável por definir como a empresa escolhe, constrói, coloca em operação e mede suas iniciativas de inteligência artificial.
Na prática, o CoE decide quais casos de uso entram no portfólio, em que ordem e com qual meta de negócio. Também define a arquitetura de referência, as ferramentas homologadas e os critérios mínimos de qualidade de dados. Cabe a ele ainda publicar a política de uso de IA, com classificação de risco e responsáveis pela revisão, e preparar as áreas de negócio para usar e pedir IA com critério.
Há dois desvios comuns: tratar o CoE como laboratório de inovação, que produz provas de conceito sem compromisso com a operação, ou como comitê que só aprova e veta. O objetivo é que cada novo caso de IA saia mais rápido e mais barato que o anterior, porque aproveita padrões, dados e regras já definidos.
Modelos de organização de um CoE de IA
Não existe desenho único. Os três modelos mais usados são:
| Modelo | Como funciona | Quando faz sentido |
|---|---|---|
| Centralizado | Um time único concentra os especialistas e entrega todos os casos. | Início da jornada, poucos casos, baixa maturidade em dados. |
| Federado (hub and spoke) | O núcleo define padrões, plataforma e regras; as áreas de negócio têm pessoas próprias que desenvolvem os casos. | Vários casos em paralelo e áreas com alguma maturidade analítica. |
| Descentralizado | Cada área conduz sua própria IA; o núcleo apenas recomenda boas práticas. | Organizações muito maduras, com governança de dados consolidada. |
Para a maioria das empresas brasileiras de médio e grande porte, o caminho mais seguro é começar centralizado, com poucos casos e alta visibilidade, e migrar para o modelo federado assim que os padrões estiverem estáveis. Começar descentralizado costuma levar de volta aos pilotos isolados, cada um com sua ferramenta e seus dados.
Papéis essenciais no Centro de Excelência em IA
Um CoE enxuto pode começar com poucas pessoas, desde que os papéis abaixo estejam cobertos, mesmo que alguém acumule funções:
- Patrocinador executivo: membro da diretoria que dá o mandato, arbitra prioridades e cobra resultado.
- Líder do CoE: conduz o portfólio, os padrões e a relação com as áreas.
- Dono do caso de uso: gestor da área de negócio que responde pela meta que a IA deve mover. Sem ele, o caso não entra no portfólio.
- Engenharia de dados: garante que os dados cheguem ao modelo com qualidade, rastreabilidade e atualização.
- Especialistas em IA e machine learning: constroem, avaliam e monitoram modelos e agentes.
- Governança de dados: donos e curadores dos dados (data owners e data stewards) definem o significado de cada indicador e respondem pela sua qualidade.
- Jurídico, segurança e compliance: tratam LGPD, propriedade intelectual, contratos com fornecedores e segurança da informação.
Como implantar um Centro de Excelência em IA em seis etapas
1. Defina mandato e patrocínio
Escreva, em uma página, o que o CoE decide e o que não decide, a quem responde e como será avaliado. Sem mandato formal, o CoE vira mais uma área pedindo prioridade às outras.
2. Monte o portfólio de casos de uso
Levante as ideias das áreas e classifique cada uma por valor de negócio e viabilidade. Viabilidade, aqui, depende sobretudo de dados: eles existem, estão acessíveis e alguém confia neles? Escolha de dois a quatro casos para o primeiro ciclo, cada um com meta mensurável e um dono de negócio nomeado.
3. Prepare os dados dos casos escolhidos
Não tente governar todos os dados da empresa antes de começar. Governe os dados que os casos priorizados usam: defina responsáveis, documente o significado de cada campo e indicador, estabeleça regras de qualidade e garanta a rastreabilidade da origem. É aqui que se resolvem os problemas de dados descritos no início deste artigo.
4. Estabeleça as regras de uso e risco
Publique uma política de uso de IA que responda a perguntas objetivas: quais ferramentas estão liberadas, que dados podem ser enviados a modelos externos, quais usos exigem revisão humana antes de a resposta chegar ao cliente ou à decisão, e como os dados pessoais são tratados segundo a LGPD. Classifique os casos por nível de risco; nem todo uso precisa do mesmo rigor.
5. Defina critérios para sair do piloto
Antes de começar cada piloto, combine o que ele precisa demonstrar para ir à operação: ganho na métrica de negócio, custo por uso dentro do orçamento, desempenho estável com dados reais, monitoramento funcionando e processo de suporte definido. Se o piloto não atingir os critérios, encerre e registre o que foi aprendido, antes de gastar mais com um caso que não vai para a operação.
6. Meça, comunique e escale
Acompanhe poucos indicadores e apresente-os à diretoria com regularidade:
- valor gerado pelos casos em operação, medido na métrica de negócio de cada um;
- tempo médio entre a aprovação de um caso e sua entrada em operação;
- percentual de pilotos que chegaram à operação;
- custo total de IA por caso em operação;
- incidentes de qualidade, segurança ou conformidade.
Com os padrões estabilizados e os primeiros resultados comprovados, é hora de passar ao modelo federado e ampliar o portfólio.
Erros mais comuns
- Começar pela ferramenta e procurar o problema depois.
- Aprovar casos sem um dono de negócio com meta definida.
- Tratar qualidade de dados como tarefa do fornecedor de IA.
- Criar uma política de uso tão restritiva que as áreas passam a usar IA por fora, sem controle.
- Medir o CoE pelo número de pilotos, e não pelo valor dos casos em operação.
Conclusão
Hoje qualquer empresa consegue contratar modelos de IA. O que diferencia uma da outra é conseguir colocá-los em operação, com dados em que as áreas confiam e uma meta de negócio para cada caso. O Centro de Excelência em IA organiza esse trabalho, e o ponto de partida é o mesmo de qualquer iniciativa de dados: definir quem responde por cada dado e por cada indicador.
Quer saber se sua empresa está pronta para escalar IA? Responda ao Questionário de Maturidade e Adoção de Dados da RISTI ou fale com nosso time.
Leia também:
