A IA já aconselha o executivo. O problema é convencer o conselho
Em 2026, a Inteligência Artificial deixa definitivamente de ser apenas uma agenda de eficiência ou transformação digital e passa a operar como uma variável explícita de poder, governança e responsabilização executiva. Dois estudos recentes – o “AI Radar 2026”, do Boston Consulting Group, e o “Inside the C-suite: How AI is quietly reshaping executive decisions”, do Capgemini Research Institute – ajudam a entender como essa transição está ocorrendo dentro das organizações. Lidos em conjunto, eles revelam um movimento assimétrico: enquanto o poder decisório sobre IA sobe rapidamente ao topo, a decisão estratégica coletiva segue limitada por gargalos institucionais.
O levantamento do BCG mostra que 72% dos CEOs já se declaram os principais responsáveis pelas decisões de IA, o dobro do registrado no ano anterior. Essa centralização ocorre em paralelo a uma expansão acelerada de capital. As empresas projetam dobrar os investimentos em IA, alcançando cerca de 1,7% da receita, e 94% afirmam que manterão ou ampliarão esses gastos mesmo que o retorno financeiro não se materialize no curto prazo. Para metade dos CEOs, o sucesso – ou o fracasso – dessa estratégia passou a estar diretamente associado à sua própria estabilidade no cargo.
Nesse contexto, a IA deixa de ser delegável. O compromisso financeiro é assumido no topo, a expectativa de retorno é publicamente estabelecida e o risco de execução se concentra no CEO. A aposta mais visível está nos agentes de IA, vistos como o principal vetor de ROI em 2026. O poder sobe, mas sobe acompanhado de exposição reputacional, pressão por resultados mensuráveis e cobrança direta por governança.
Já o estudo da Capgemini revela uma dinâmica complementar. Embora a IA já esteja amplamente presente no cotidiano dos executivos como ferramenta de apoio cognitivo, só 17% afirmam usá-la ativamente em decisões estratégicas, com projeção de crescimento para 38% em um a três anos. A maioria opera em um regime seletivo, no qual a IA influencia análises e alternativas, mas aparece raramente de forma explícita na deliberação.
A fricção central surge quando a decisão deixa o âmbito individual e passa ao coletivo. Pelo menos 58% dos executivos percebem uma lacuna significativa entre o potencial da IA e seu uso efetivo em decisões de grupo, como comitês executivos e conselhos, contra 28% no uso individual. A tecnologia parece gerar mais conforto como extensão do raciocínio pessoal do que como insumo legitimado em processos que exigem consenso, narrativa compartilhada e definição clara de responsabilidades.
O obstáculo, segundo a Capgemini, é institucional. A maioria das organizações ainda carece de estruturas claras de governança de IA, o que torna executivos cautelosos em institucionalizar seu uso. O receio predominante não é errar com a ajuda da IA, mas não conseguir explicar, justificar e sustentar decisões apoiadas por algoritmos diante de pares, conselhos e reguladores. O resultado é um uso frequentemente silencioso da tecnologia, que influencia decisões, sem reconhecimento formal.
Quando colocados lado a lado, os dois estudos expõem tensões complementares. No BCG, o poder decisório sobe ao CEO e o risco se concentra no topo. Na Capgemini, a decisão estratégica emperra no coletivo, em que governança, legitimidade e accountability ainda não acompanharam o avanço tecnológico. Em ambos os casos, o gargalo central não é a capacidade computacional, mas o desenho organizacional.
Essa dinâmica entre potencial tecnológico e governança corporativa não é exclusiva dos relatórios do BCG ou da Capgemini. Pesquisadores e analistas de instituições como a Harvard Business School têm destacado que a evolução da IA expõe limitações não apenas técnicas, mas de transparência, responsabilidade e controle que afetam o nível executivo, exigindo que líderes integrem frameworks responsáveis em suas decisões. Publicações de órgãos como a Harvard Law School e Harvard Corporate Governance reforçam que conselhos e comitês ainda enfrentam desafios para traduzir o potencial da IA em mecanismos de governança eficazes, alinhando estratégia, risco e accountability de forma sustentável.
A maturidade da IA nas empresas tende, portanto, a ser definida também pela capacidade de legitimar decisões apoiadas por algoritmos, com regras explícitas, transparência e responsabilidade humana claramente atribuída. Sem isso, o poder pode subir, mas a decisão continuará travada.
Latam e Brasil: há valor na mesa
Apesar do potencial econômico elevado, a captura de valor da Inteligência Artificial na América Latina permanece limitada. Apenas 23% das organizações afirmam gerar algum valor econômico com IA, e somente 6% reportam impacto significativo em resultados. A adoção de IA avança na região sem correspondência proporcional em impacto econômico, refletindo um padrão de uso concentrado em produtividade individual, com integração ainda limitada aos processos centrais e aos modelos de negócio. Resultado: oportunidades econômicas relevantes estão sendo deixadas na mesa.
Esse diagnóstico convive com vantagens competitivas estruturais claras. A região dispõe de abundância de energia limpa, setores agrícolas e de mineração com peso acima da média global e um ecossistema financeiro cada vez mais digitalizado, puxado pela inovação em fintech. Onde dados, escala e casos de uso convergem, os resultados já são observáveis, como no reconhecimento de campo por IA na agricultura brasileira e na aplicação de analytics avançado para segurança e eficiência operacional em minas chilenas. Esses casos indicam capacidade técnica comprovada.
O relatório “Latin America in the Intelligent Age: A New Path for Growth”, do Fórum Econômico Mundial com a McKinsey, estima que a adoção de IA pode elevar a produtividade regional em 1,9% a 2,3% ao ano e gerar entre US$ 1,1 trilhão e US$
1,7 trilhão em valor econômico adicional anual. Cerca de 60% desse potencial decorre de aplicações de IA Analítica, com geração de até US$ 1 trilhão por ano, enquanto IA Generativa adiciona até US$ 700 bilhões.
A adoção inicial já aparece em setores e países-chave da região, sobretudo onde a disponibilidade de dados e as vantagens produtivas se combinam com casos de uso. Exemplos incluem drones e análises de IA para monitoramento de campo e enriquecimento do solo na Argentina, Brasil e Uruguai.
Nesse contexto, o Brasil ocupa posição central ao reunir ativos estruturais como matriz elétrica majoritariamente renovável, mais de 12 mil conjuntos de dados públicos disponíveis e setores intensivos em dados, como agricultura e serviços financeiros. A conversão desses ativos em vantagem competitiva sustentável depende de execução consistente, integração aos processos e planejamento coordenado de infraestrutura. O maior risco ao impacto agregado está nas PMEs, das quais 59% não geram valor mensurável com IA. No Brasil, a lacuna de produtividade entre PMEs e grandes empresas é de 46%, como detalhamos no artigo completo, no site da The Shift.
Conteúdo originalmente produzido e publicado por The Shift. Reprodução autorizada exclusivamente para a Abranet. A reprodução por terceiros, parcial ou integral, não é permitida sem autorização.
