Por que as licenças de IA precisam de um cérebro da empresa

Quase toda empresa já tem licenças de IA, e quem as usa está mais rápido em algumas tarefas do que há um ano. Na pesquisa de 2026 da McKinsey, quase nove em cada dez entrevistados relataram uso regular de IA em pelo menos uma função do negócio, e oito em cada dez disseram que ela melhorou a própria produtividade.

A empresa, na maioria dos casos, mudou bem menos. A mesma pesquisa constatou que a parcela de entrevistados que atribui algum impacto no EBIT à IA ficou estável em 37 por cento. Nos Estados Unidos, dados publicados pelo Fed de St. Louis mostram que, no segundo trimestre de 2026, 39,2 por cento dos adultos empregados usavam IA generativa no trabalho em uma semana qualquer, e que o tempo economizado equivale a 2,2 por cento de todas as horas trabalhadas.

Acreditamos que essa distância tem uma causa simples. As licenças conhecem a internet. Não conhecem a empresa.

Por que as licenças entregam rascunhos

Peça uma proposta a um assistente e ele escreve uma boa proposta para uma empresa que não existe. Ele não conhece seus preços, suas condições, o histórico do cliente, a forma como sua empresa estrutura uma proposta nem o desconto que ninguém pode dar. Então ele faz um rascunho, e uma pessoa copia, cola e corrige. A qualidade depende de quem digitou o prompt e de quanto essa pessoa sabia.

A pesquisa econômica da Anthropic encontrou o mesmo padrão na forma como as empresas usam seus modelos: o uso de IA em tarefas complexas pode ser limitado mais pelo acesso à informação do que pelo que o modelo é capaz de fazer. A iniciativa NANDA, do MIT, foi mais direta no ano passado. Segundo o autor principal do seu relatório sobre IA generativa nos negócios, as ferramentas genéricas emperram nas empresas porque não aprendem com a forma como o trabalho é feito nem se adaptam a ela.

Até os fornecedores admitem que o trabalho não está concluído. Um estudo sobre o ChatGPT Enterprise feito por pesquisadores da OpenAI, atualizado em agosto, conclui que as empresas ainda estão aprendendo a integrar a IA a seus fluxos de trabalho e que o valor no longo prazo depende de o uso individual e disperso se transformar em uma capacidade da organização.

O que um cérebro da empresa contém

Um cérebro da empresa é essa camada que falta, e ele reúne quatro coisas. Conhecimento: documentos, e-mails, propostas, contratos, produtos, preços, projetos anteriores e a voz da empresa, sempre atualizados, com a fonte em cada resposta. Regras: o que cada função pode ver e fazer, o que espera aprovação e o que pode rodar sozinho. Sistemas: conexões com o bexio, o Microsoft 365, o CRM, a agenda e as ferramentas próprias da empresa, para que o cérebro possa consultar informações e registrar dados de volta. E habilidades: a maneira como cada departamento faz seu trabalho recorrente, documentada para que um assistente possa segui-la.

É isso que o Twin é. Ele vive no assistente que sua equipe já usa, no Claude, no ChatGPT ou no Codex, ou em um modelo privado quando os dados não podem sair: o Eigna, desenvolvido pelo nosso parceiro Eigna Labs, treinado no próprio trabalho da empresa e rodando na nuvem dela ou em seus próprios servidores. O Twin é entregue como código-fonte de propriedade da empresa, então o cérebro continua com a empresa quando os modelos mudam.

Departamento por departamento

Em vendas, a proposta da ligação de ontem chega redigida na estrutura da empresa, e o follow-up é escrito na voz dela. Uma pessoa aprova os dois. No suporte, uma resposta sai com o trecho do manual em que se baseia, uma devolução é tratada conforme a política escrita, e tudo o que deixa o cérebro em dúvida é repassado a uma pessoa.

Em finanças, uma fatura parcial é preparada no bexio pelo Kontor, as contas em aberto são cobradas no prazo e o fechamento do mês chega pronto para revisão. No marketing, os posts da próxima semana chegam alinhados à marca, e o relatório da campanha termina com três próximos passos. O dono recebe às segundas-feiras um briefing sobre vendas, caixa e contas em aberto, e um memorando de decisão com a fonte de cada número.

Quem acabou de chegar é quem mais ganha. Em um estudo com 5'179 atendentes de suporte ao cliente, Erik Brynjolfsson, Danielle Li e Lindsey Raymond constataram que um assistente de IA aumentou o número de casos resolvidos por hora em 14 por cento, em média, e em 34 por cento entre profissionais iniciantes e menos qualificados. Os autores sugerem que isso funcionou porque o assistente espalhou o conhecimento dos profissionais mais capazes para os mais novos. Um cérebro da empresa faz isso de propósito: o conhecimento do melhor colega em cada mesa, desde o primeiro dia.

Qualidade, velocidade, custo e carga de trabalho

A qualidade é a primeira mudança: um único padrão em cada mesa, com a fonte em cada resposta, em vez de um resultado que depende de quem perguntou. A velocidade vem em seguida, porque o trabalho que levava horas começa de um rascunho pronto. O custo cai com menos rotina, menos retrabalho e menos ferramentas fazendo a mesma coisa. E a carga de trabalho muda de lugar. As pessoas param de mover texto entre janelas e voltam ao trabalho que só elas podem fazer.

Esse último ponto importa para nós. O cérebro assume a cópia, a consulta e o primeiro rascunho. O julgamento, a conversa com o cliente, a revisão e a responsabilidade pelo que sai da empresa ficam com as pessoas, e é aí que o tempo delas deve estar.

Não colocamos um número nesses ganhos antes de conhecer uma empresa. Eles dependem de quanto do trabalho dela é repetido, escrito e verificado, e é exatamente isso que a fase de descoberta revela.

Processos melhores antes da automação

As pesquisas concordam sobre onde está o valor. O BCG, com base no seu próprio trabalho com clientes, faz esta divisão: cerca de 10 por cento do valor de uma transformação com IA vem da aplicação em si, 20 por cento de dados e tecnologia, e 70 por cento do redesenho dos fluxos de trabalho, da cultura, da governança e da forma como pessoas e IA trabalham juntas. Na pesquisa da McKinsey, quase três quartos do pequeno grupo de empresas de alto desempenho haviam redesenhado a fundo seus fluxos de trabalho por causa da IA, contra um quarto de todas as demais. O relatório de 2026 da Deloitte encontrou 37 por cento das organizações usando IA de forma superficial, com pouca mudança na maneira como o trabalho é feito.

Por isso começamos pela descoberta, não pelo software: as pessoas, as ferramentas, os dados e o trabalho que ainda é feito à mão. Depois afinamos o processo antes de ensiná-lo a uma máquina. Um modelo de proposta com o qual ninguém concorda, uma aprovação que espera uma semana, um relatório montado duas vezes em dois departamentos. Corrigir isso costuma ser o maior ganho, e torna a automação que vem depois mais simples e mais segura.

Por onde começar

Uma empresa pode começar nesta semana sem nenhuma ferramenta nova. Liste os dez documentos que sua empresa escreve com mais frequência. Anote as regras que só existem na cabeça de alguém: preços, descontos, tom, quem assina o quê. Registre por quais sistemas o trabalho passa e onde as pessoas copiam de um para outro. Essa lista é o esboço de um cérebro da empresa.

Depois escolha um departamento e uma rotina, conecte o conhecimento e o sistema por trás dela e mantenha uma pessoa no ponto em que qualquer coisa sai da empresa. Quando os rascunhos deixarem de precisar de correções, passe para a próxima rotina. As licenças que você já paga vão começar a trabalhar para a empresa, e não só para quem está diante da tela.