Empresas que ignoram a organização de dados e processos podem ter suas decisões erradas aceleradas pela IA. Especialista alerta que a tecnologia só funciona bem se a gestão estiver estruturada, seja em grandes ou pequenas empresas.
Rica Mello é economista e especialista em gestão empresarial
Muitas empresas correm para adotar Inteligência Artificial, mas esquecem de um ponto básico: a IA não corrige processos ruins. Sem dados confiáveis, a tecnologia apenas acelera decisões erradas.
O economista Rica Mello explica como organizar a gestão e os indicadores antes de implementar a IA, seja em grandes ou pequenas empresas.
- A IA não resolve processos desorganizados ou indicadores mal definidos.
- Mais informação não significa, necessariamente, decidir melhor.
- Pequenas empresas também podem se beneficiar da IA com dados organizados.
- A governança de dados tornou-se uma responsabilidade da liderança, não só da TI.
- O ideal é: dados mostram, tecnologia analisa e liderança decide.
Uma das grandes dúvidas do mundo dos negócios hoje é se os números usados para tomar decisões realmente representam o que acontece na operação. Ferramentas como dashboards, relatórios, sistemas financeiros e plataformas de vendas geraram uma quantidade enorme de informação. No entanto, muitas vezes isso não criou uma visão integrada da empresa.
Gestão é o primeiro passo para a IA funcionar
Para Rica Mello, economista, empresário e fundador do Exponential Club, a discussão deve começar pela gestão. Ele avalia que novas ferramentas podem aumentar a capacidade de análise, mas não corrigem, por si sós, processos desorganizados. Se três áreas da empresa apresentam números diferentes sobre o mesmo negócio, colocar inteligência artificial por cima disso não resolve o problema. Primeiro é preciso decidir qual informação representa a realidade da companhia. A tecnologia consegue processar mais rápido, mas não transforma automaticamente um dado ruim em uma boa decisão, afirma o economista.
A digitalização permitiu acompanhar praticamente todas as etapas de uma empresa. O comercial mede conversão e vendas, o marketing acompanha aquisição e campanhas, e o financeiro observa caixa, custos e recebimentos. A operação monitora produtividade, estoque e entregas.
O problema aparece quando cada área constrói sua própria leitura do negócio sem que exista uma referência comum. O comercial pode considerar uma venda fechada no momento em que o contrato é assinado, enquanto o financeiro só reconhece a receita depois do pagamento. Marketing pode contabilizar um cliente por um critério e a área de vendas por outro. Individualmente, os relatórios podem fazer sentido. Quando chegam à liderança, porém, contam histórias diferentes sobre a mesma companhia.
Excesso de dados pode gerar falsa sensação de controle
É nesse ponto que o excesso de dados pode criar uma falsa sensação de controle. O empresário passa a receber mais informações, mas continua sem uma resposta clara para perguntas essenciais: a empresa está crescendo com rentabilidade Está gerando caixa O custo para conquistar clientes aumentou A operação suporta um novo ciclo de expansão
Ter cem indicadores disponíveis não significa ter cem informações importantes. A função da gestão é descobrir quais números ajudam a entender o negócio e, principalmente, quais mudam uma decisão. O dado precisa servir à estratégia, e não apenas ocupar espaço em um dashboard, diz o especialista.
Não existe uma lista universal de indicadores capaz de atender todos os negócios. Uma indústria pode precisar acompanhar capacidade produtiva, margem, estoque e eficiência operacional. No varejo, giro, conversão, ticket médio e rentabilidade podem ter maior peso. Empresas de serviços podem olhar com mais atenção para recorrência, produtividade, utilização das equipes e geração de caixa.
O que realmente precisa chegar à mesa do empresário
Algumas perguntas, porém, atravessam diferentes setores: quanto a empresa vende, quanto efetivamente ganha com essas vendas, quanto dinheiro gera, quanto precisa investir para crescer e onde estão os principais riscos da operação.
A seleção dos indicadores deve partir das decisões que a liderança precisa tomar. Se determinado número sobe ou cai e nenhuma ação muda por causa disso, é preciso avaliar se ele realmente precisa ocupar espaço na rotina dos principais executivos. Um bom indicador não existe para deixar o relatório mais completo. Ele precisa ajudar o empresário a decidir se contrata, investe, reduz custos, muda preço, aumenta estoque, revê uma operação ou posterga uma expansão. A pergunta mais importante é: o que eu faço diferente porque conheço esse número, explica Mello.
A expansão da inteligência artificial tornou essa organização ainda mais relevante. O levantamento The State of AI 2026, da McKinsey, mostra que 40% dos profissionais de grandes organizações pesquisadas, com receita anual superior a US$1 bilhão, dizem que suas empresas já estão escalando agentes de IA. Entre organizações menores, o percentual é de 22%.
A diferença de adoção, porém, não significa que inteligência artificial e organização de dados sejam temas restritos às grandes corporações. Pequenas e médias empresas também podem aplicar essas ferramentas em atividades como análise comercial, atendimento, controle financeiro, planejamento e acompanhamento de indicadores. O ponto de partida é o mesmo: informações consistentes e processos que possam ser compreendidos antes de serem automatizados.
IA é oportunidade também para pequenas empresas
Associar o uso da IA apenas a companhias em estágios mais avançados pode fazer empresários deixarem de explorar aplicações compatíveis com a própria realidade. Uma pequena empresa não precisa reproduzir a estrutura tecnológica de uma multinacional para obter ganhos com inteligência artificial. Ela pode começar por um problema concreto, organizar os dados necessários e usar a tecnologia para ganhar produtividade ou melhorar uma análise. O tamanho da empresa muda a escala da aplicação, mas não elimina a oportunidade, afirma.
Em negócios menores, estruturas mais enxutas podem inclusive tornar mais direta a identificação de problemas e a revisão de processos. Isso não elimina a necessidade de critérios para o uso da tecnologia, mas permite começar por aplicações específicas, mensurar os resultados e ampliar o uso conforme a maturidade da operação.
Quanto maior a participação dessas ferramentas em análises e processos, maior também a necessidade de controlar as informações utilizadas por elas. Uma análise da própria McKinsey publicada em junho deste ano coloca a preparação dos dados entre as condições necessárias para empresas levarem aplicações de IA da experimentação para operações em escala.
Para o especialista, esse movimento transforma a governança de dados em uma discussão que ultrapassa departamentos de tecnologia. Quando as informações são usadas para definir preço, orçamento, investimentos, contratações, estoques ou expansão, a responsabilidade também pertence à liderança.
Antes do agente de IA, organize o processo
A chegada dos agentes de IA, capazes de executar tarefas com maior autonomia, acrescenta outra camada à discussão. Antes de delegar uma atividade, a empresa precisa saber exatamente como ela deveria funcionar.
Isso envolve mapear etapas, determinar responsáveis, estabelecer critérios de entrada e saída, identificar exceções e definir quais decisões exigem aprovação humana. Automatizar uma rotina que possui regras contraditórias pode simplesmente reproduzir essas contradições em maior velocidade. Antes de perguntar qual agente pode assumir uma tarefa, o empresário deveria perguntar se a própria equipe consegue explicar aquele processo de ponta a ponta. Quem começa Qual informação é usada Quem valida O que acontece quando aparece uma exceção Se essas respostas não existem, provavelmente ainda há um problema de gestão para resolver, explica.
A mesma lógica vale para análises. Delegar à tecnologia a avaliação de vendas, rentabilidade ou desempenho exige que conceitos e indicadores estejam definidos previamente. Caso contrário, a empresa corre o risco de sofisticar a ferramenta sem melhorar a qualidade da decisão.
Dados mostram, tecnologia analisa e liderança decide
Uma rotina de decisão mais organizada, segundo o economista, depende de estabelecer funções diferentes para dados, tecnologia e julgamento humano.
Os dados precisam representar a operação com consistência. As ferramentas podem organizar informações, identificar padrões, comparar alternativas e acelerar análises. À liderança cabe interpretar o contexto, estabelecer prioridades, avaliar riscos e assumir a responsabilidade pela escolha.
Só depois dessa organização é possível avaliar onde a automação efetivamente gera produtividade ou amplia a capacidade de análise. A tecnologia deve entrar depois que a empresa entende qual problema quer resolver. Dados confiáveis ajudam a enxergar o negócio, a IA pode ampliar a capacidade de análise, mas julgamento e responsabilidade continuam sendo da liderança. Quando cada parte tem uma função clara, a tecnologia passa a servir à gestão, e não o contrário, conclui o especialista.
Rica Mello é economista, empresário e executivo com trajetória em consultoria estratégica, gestão e desenvolvimento de negócios. Antes de empreender, atuou por cerca de dez anos na McKinsey & Company e na Bain & Company, trabalhando com projetos de estratégia, crescimento, eficiência operacional e gestão empresarial. É formado em Economia pela Universidade de São Paulo (USP), possui MBA pela Kellogg School of Management, da Northwestern University e participou do Executive Program da Singularity University, em 2019. Ao longo da carreira, passou da consultoria para a operação de empresas e hoje está à frente de negócios em diferentes setores, entre eles indústria, distribuição, importação, varejo, e-commerce e educação. Rica já esteve em 139 países e conciliou, ao longo dos anos, a rotina internacional com a gestão de seus negócios.
