O erro de rodar pilotos de IA sem ligar ao resultado de negócio

O erro que quase todo programa de IA comete: rodar pilotos sem conectar ao resultado de negócio.

Em agosto de 2025, um relatório do MIT afirmou que cerca de 95% dos pilotos de IA generativa nas empresas não geravam impacto mensurável no P&L. O número foi bastante criticado pela metodologia. Ainda assim, ninguém que já rodou pilotos achou absurdo.

O padrão costuma ser o mesmo:
→ o piloto começa pela tecnologia ("vamos testar um agente"), não pelo problema;
→ sucesso é "funcionou na demo";
→ ninguém define antes qual número de negócio deveria mudar, nem quem é dono dele;
→ não existe caminho para produção: dados, segurança, custo e suporte ficam "para depois".

O que muda o jogo:

1. Começar pela linha do P&L. Custo de atendimento, tempo de ciclo, perda por fraude, conversão. Um número, um dono.
2. Definir antes de começar o critério para desligar. Piloto que não pode falhar não é piloto; é compromisso político.
3. Tratar produção como escopo desde o primeiro dia: governança, custo por uso e observabilidade.
4. Poucos casos, com profundidade. Três casos em produção valem mais que trinta demos.

IA não falha por falta de modelo. Falha por falta de dono.

Qual piloto de IA vocês desligaram, e o que aprenderam com ele?