Estratégia & Tecnologia

Toda empresa guarda o que decidiu. Quase nenhuma guarda o que aconteceu depois.

 

O elo mais difícil de construir que eu conheço — e por que ele leva anos para provar que existe.

Onde paramos. Nas duas primeiras partes eu levantei a suspeita de que capacidade compartilhada virou piso, e de que o que diferencia talvez não seja o dado proprietário e sim o ciclo que transforma dado em aprendizado. Falta o elo que, pelo que tenho visto, quase todo mundo deixa quebrado.

Praticamente toda empresa guarda o que decidiu. Poucas que eu conheço guardam, de forma estruturada, o que aconteceu depois da decisão.

O mesmo ciclo, na maioria das empresas: a decisão é registrada, a consequência não. O sistema fica mais rápido e não fica mais inteligente.

Guardar a consequência é registrar quem foi aprovado e pagou. Quem foi recusado e teria pago. Qual previsão se confirmou, qual não se confirmou, e sob quais condições.

Sem esse elo o ciclo não fecha, e o que sobra é uma máquina que opina rápido e nunca descobre se estava certa.

Pode ser coincidência, mas é exatamente o que o relatório do MIT aponta como causa dos projetos que não saem do piloto: sistemas que não retêm feedback, não se adaptam ao contexto e não melhoram com o uso. Lendo os dois lados, é difícil não ver o mesmo diagnóstico dito com outras palavras.

Uma conversa recente me deixou pensando nisso por dias. Um gestor de uma cooperativa de crédito me apresentou uma esteira que usa dados de Open Finance para acompanhar o comportamento de compra do cliente. Achei muito bem pensado — e não pelo acesso ao dado, que está disponível para qualquer instituição autorizada e mais cedo ou mais tarde vira piso. O que me impressionou foi a posição: eles estão se colocando onde o comportamento aparece, todo mês, sem depender de o cliente contar nada.

Saí de lá com uma pergunta que não cheguei a fazer e que continua comigo. Daqui a três safras, eles vão conseguir olhar para trás e dizer quais daqueles sinais se confirmaram?

Não sei a resposta no caso deles. Sei que é a pergunta que eu mais faço para nós mesmos.

O obstáculo real

Por que tão pouca gente faz

Pelo que tenho observado, não é falta de entendimento. Quando se explica, quase todo mundo concorda. O obstáculo parece estar em outro lugar.

Se o que diferencia for mesmo acúmulo, a vantagem não vem de uma decisão de compra. Vem de uma decisão de desenho: sobre o que a operação vai passar a capturar todo dia, a partir de agora, sabendo que só vai valer alguma coisa daqui a alguns anos.

É o tipo de investimento que fica no fundo da curva J por um tempo. Aparece como custo antes de aparecer como retorno, não move o próximo trimestre, e poucos comitês gostam de aprovar. O ciclo de accountability trimestral e um ativo que leva anos para provar que existe simplesmente não conversam. É uma tensão de governança, não de tecnologia — e talvez seja aí que a conversa sobre IA precise acontecer.

Se o raciocínio se sustentar, quem começar hoje deve ter, daqui a alguns anos, algo que o concorrente não compra com orçamento nenhum. E quem não começar provavelmente vai ter o que todo mundo tem.

Ressalva

Para não haver dúvida: IA importa muito

Preciso ser explícito sobre uma leitura que esta série pode gerar, porque seria o oposto do que eu penso.

Nada aqui diz que IA não importa. Diz que IA é necessária e insuficiente. Sem modelo bom, o ciclo não roda: é ele que transforma dado bruto em sinal, que lê documento não estruturado, que sustenta a análise em escala. Sem ele, você tem um arquivo de dados exclusivos e nenhuma capacidade de agir sobre eles — que é exatamente a situação de muita empresa hoje.

O que venho pensando é que o modelo é a condição de entrada, e não o diferencial de saída. Quem trata IA como projeto de eficiência colhe eficiência — que o concorrente também vai colher. Quem trata IA como o motor de um sistema que aprende com as próprias consequências talvez esteja construindo outra coisa.

De onde eu falo

De onde vem esse incômodo

Não escrevo isso de fora. É a pergunta que eu enfrento dentro da empresa que ajudo a construir.

Na Celeiro, a gente constrói infraestrutura de risco para crédito e seguro no agro. Somos uma empresa profundamente baseada em IA — não daria para fazer o que fazemos sem isso. E é justamente por estar dentro que eu cheguei a esse raciocínio: a parte difícil, para nós, nunca foi o modelo. Modelo bom está disponível para qualquer um, pelo mesmo preço.

A parte difícil é o acesso ao dado que não está publicado. É estar dentro da esteira de quem decide em vez de ao lado dela. É traduzir a doutrina de crédito de gente que passou trinta anos nesse mercado para algo que uma máquina consiga aplicar sem virar caixa-preta.

E, principalmente, é fechar o elo da consequência: registrar o que aconteceu depois — quem pagou, quem não pagou, qual sinal se confirmou.

E aqui eu preciso ser honesto, porque a série inteira perde valor se eu não for. Esse elo é a parte mais difícil de construir no nosso setor e é a que eu mais persigo. Não é uma conquista que eu esteja anunciando. É a direção que escolhemos, e a razão de várias decisões que parecem lentas de fora — inclusive a de recusar atalhos que não deixariam nada registrado atrás de nós. Se daqui a três anos eu estiver errado sobre a importância disso, terá sido um erro caro. É uma aposta, e eu prefiro chamá-la pelo nome.

Nós emitimos sinal. Quem decide é o cliente. O que estamos tentando construir é uma memória que fique melhor a cada safra.
Fecho

A provocação

A pergunta que eu tenho levado para as nossas conversas internas, e que ofereço a quem quiser levar para as suas:

O que a nossa operação registra hoje que, daqui a três anos, ninguém vai conseguir comprar?

Se a resposta for “nada”, ainda dá tempo. Mas o custo de começar deve subir a cada trimestre.

Fecho a série do jeito que a comecei: sem conclusão pronta. Escrevi para organizar um raciocínio e para descobrir onde ele não se sustenta. Se você está enfrentando essa mesma pergunta aí dentro, ou se chegou a uma resposta diferente da minha, me conta. Estou muito interessado em quem discorda, talvez até mais do que em quem concorda.

Referências desta parte

01
Aditya Challapally, Chris Pease, Ramesh Raskar e Pradyumna Chari. The GenAI Divide: State of AI in Business 2025.MIT Media Lab, Project NANDA, julho de 2025

↑ Voltar ao início

Celeiro Análise de Risco
Infraestrutura de risco para crédito e seguro no agro.
Nós emitimos sinal. Quem decide é o cliente.
Newsletter

Acompanhe o Mercado

Receba insights estratégicos e as principais mudanças do setor direto na sua caixa de entrada. Assine a newsletter e tenha acesso semanal a análises que realmente impactam os seus resultados e as suas campanhas.