Sandy Carter: por que 95% dos projetos de IA falham?
Futurista lista sete elementos que impactam o sucesso dos pilotos de inteligência artificial
No ano passado, o relatório “The GenAI Divide: State of AI Businnes 2025”, desenvolvido pelo MIT, apontou que 95% dos pilotos de inteligência artificial generativa em empresas falharam em gerar retorno sobre o investimento (ROI) mensurável ou impacto no P&L.
Sandy Carter no SXSW 2026 (Crédito: Reprodução)
Para Sandy Carter, COO da Unstoppable Domains e ex-IBM e AmazonWeb Services o erro não está na tecnologia, em si, mas em elementos críticos que os executivos podem estar perdendo. No South by Southwest 2026, Carter listou sete itens essenciais para o sucesso de um projeto de inteligência artificial.
1 – Lideranças, não softwares
Na análise de Carter, o primeiro ponto a impactar a capacidade de um projeto de IA de gerar ROI e a postura e o envolvimento da liderança. Segundo dados apresentados pela executiva, quando o C-level usa inteligência artificial diariamente, uma companhia tem 1,6 vezes mais chances de ser bem-sucedida na integração com a IA. O número salta para 5,2 vezes se o CEO se envolve diretamente com a estratégia de IA.
“Uma amiga minha escreveu um livro chamado “The Creator’s Code” [Amy Wilkinson]. Nele, ela diz que o principal fator que separa os inovadores — os Jeff Bezos, Steve Jobs e Elon Musks do mundo — de todas as outras pessoas é que eles fazem muitas perguntas. O mesmo vale para a liderança com IA”, aponta Carter.
2 – Agentes impulsionam o ROI: OpenClaw
Em 18 meses, o perfil dos profissionais no LinkedIn não vai mais listar as suas habilidades e, sim, os seus agentes, prevê Carter. No centro desse avanço, está a OpenClaw. Lançada há pouco mais de três meses, ela funciona como um motor de execução para IA em código aberto. Na prática, ela conecta modelos como Claude e ChatGPT com ações como mandar e-mails, orquestrar fluxos.
Assim, o agente roda no computador do usuário. “Não se trata das empresas que estão gastando mais dinheiro em inteligência artificial. Trata-se das empresas que estão repensando o tipo de negócio que estão e, então, criando agentes para ajudá-las”, resume.
3 – IA como colega de trabalho
Também no universo dos agentes, Carter defende que é preciso parar de encará-los como ferramentas e passar a entender os agentes como colegas de trabalho. A partir dos agentes seria possível reunir não só conhecimento especializado, mas audiências sintéticas e automatizar tarefas completas em uma organização.
“Estes são colegas de equipe de verdade. Eles tomam decisões de fato e respondem a gestores humanos. Ou seja, os gestores humanos agora gerenciam pessoas e agentes ao mesmo tempo”, aponta.
4 – Mate o piloto, financie a produção
Para avançar em um piloto, mais do que se debruçar sobre a tecnologia, a COO da Unstoppable Domains explica que é preciso ter domínio e conhecimento profundo sobre o problema a ser resolvido. Ela cita o exemplo do grupo storytown.ai, em Los Angeles, composto por produtores de Hollywood, que usou IA para automatizar o processo de criação de roteiros e personagens.
Eles não tinham conhecimento técnico em IA, mas tinham domínio sobre o assunto. Ela também ressalta a importância do investimento em dados. Segundo o HFS Research Report, apresentado em Davos neste ano, empresas que obtêm um ROI real gastam, em média, U$S 2,5 em dados para cada US$ 2 gastos em IA.
5 – Governança custa mais que modelo
Assim como os dados, o investimento em governança também precisa acompanhar as ambições envolvendo a IA. Segundo Carter, é preciso garantir que o controle, a segurança e a ética dos seus modelos, especialmente, com o avanço dos agentes autônomos no ambiente corporativo.
“Até 2027, se os seus agentes não tiverem uma governança sólida e auditoria de nível corporativo, você não terá sucesso”, aponta. Ela provoca: “Agora, os agentes são membros do time operando em toda a empresa. Como você identifica cada um? Quando você contrata um colaborador, você sabe se ele é da engenharia e não pode acessar os dados do RH. E quanto aos agentes? Você tem uma camada de gestão de identidade para eles? Sabe dizer exatamente o que eles podem fazer e a quais dados têm acesso?”.
6 – World Models impulsionam o ROI
Tidos como a próxima fronteira da inteligência artificial, os AI World Models podem ajudar as organizações a terem melhores resultados, na comparação com os modelos de linguagem (LLM’s). Enquanto os LLM’s, como Gemini e ChatGPT, são modelos alimentados a partir de dados de linguagem, os world models são treinados com dados de ambientes reais ou simulados.
“Um world model é treinado em causa e efeito. Ele prevê o que nunca viu antes e tem uma compreensão do mundo muito parecida com a nossa, e não apenas baseada em um conjunto de dados de texto”, aponta Carter. Atualmente, companhias como a Splexi, do Canadá, usa imagens de drones para construir uma base de dados espacial que pode alimentar esses modelos.
7 – IA first, human always
De acordo com a COO da Unstoppable Domains, hoje, apenas 15% do conhecimento do mundo estaria digitalizado. Isso porque fatores como a intuição, a capacidade de julgamento e tomada de decisão, o conhecimento cultural e de experiências vividas permanecem como uma exclusividade humana.
Nesse sentido, a executiva defende que todo projeto em IA precisa estar centrado nas necessidades das equipes. “A frase é ‘IA em primeiro lugar, humanos sempre’. Isso porque creio que a próxima grande força inovadora a impulsionar o ROI será a união de humanos e IA. Não apenas a tecnologia isolada”, conclui.
COMPARTILHE:
