A fábrica invisível: por que os projetos de IA não falham (pelo menos agora)?
Só 7% das empresas dizem que o dado está completamente pronto para a IA. O que morre no cemitério dos projetos não é a tecnologia — é a base que ninguém arrumou.
Todo mundo quer IA. Ninguém quer arrumar o dado que a alimenta. E é aí que os projetos de IA vão para o cemitério.
Eu trabalho com agilidade há anos e vejo isso acontecer todo dia. A empresa compra a IA mais bonita do mercado, faz o piloto, apresenta o resultado para o conselho. E depois o projeto morre. Não porque a IA falhou. Porque o dado por baixo dela nunca esteve pronto.
Os números provam: um estudo da Cloudera com a Harvard Business Review ouviu 231 executivos envolvidos em decisões de IA e descobriu que só 7% dizem que o dado da empresa está completamente pronto para a IA. Sete por cento. Mais de um quarto (27%) admite que o dado não está pronto, e 73% dizem que a empresa deveria dar muito mais prioridade à qualidade do dado. Ou seja: a IA avança, a fundação por baixo não acompanha.
A IA é um espelho. Ela não inventa nada. Ela reflete exatamente o que entra nela — se o dado é bagunçado, incompleto, duplicado, enviesado, a resposta vem assim também. O CTO da Cloudera, Sergio Gago, resumiu isso de um jeito que eu concordo em cada palavra: “a IA só é tão poderosa quanto o dado por trás dela”. E o Radar O’Reilly cravou a tese que dá título a esse debate: não é um problema de IA. É um problema de dado que a IA tornou visível.
A fábrica invisível é essa: o trabalho de preparar, limpar, integrar e governar o dado não aparece em nenhuma demo. Mas é ele que decide se o projeto escala ou fica preso no piloto. Os próprios donos do dado confirmam. Na pesquisa CDO Insights 2025 da Informatica, 43% dos líderes de dados apontam a qualidade de dado como um dos maiores obstáculos para a IA generativa chegar ao fim, e 67% lutam para tirar o piloto da mesa. A McKinsey reforça o cenário: quase nove em cada dez empresas já usam IA na rotina, mas só um terço conseguiu escalar de verdade, e apenas cerca de 6% capturam valor relevante em resultado financeiro. Um ano depois, o retrato não muda: adoção sobe, retorno estaciona.
Aqui é onde a agilidade entra. Porque arrumar a fábrica invisível não é um evento. Contratar um cientista de dados ou comprar uma ferramenta não resolve. O que resolve é um processo: ciclo curto, métrica clara, entrega pequena, feedback rápido, ajuste constante. Isso é agilidade aplicada ao dado. A IA só entrega valor quando o processo por trás dela é ágil — quando você mede a qualidade do dado antes de gastar o recurso, entrega em fatias pequenas para aprender cedo, e corrige o curso toda semana em vez de descobrir o problema depois de seis meses.
Quem entende de agilidade está na frente nesse jogo, porque já sabe o que a maioria das empresas está descobrindo agora: a diferença entre o projeto que escala e o projeto que morre geralmente não é a tecnologia. É a disciplina de quem cuida do material por baixo dela.
Então a pergunta que eu deixo é essa: na sua empresa, o dado que alimenta as decisões está pronto? Ou a IA está só mostrando no espelho aquilo que ninguém teve coragem de arrumar?
Me conta nos comentários. Eu leio e respondo.