Como governar um projeto de implementação de inteligência artificial

O problema é de responsabilidade, não de capacidade técnica

As organizações raramente têm dificuldade em encontrar um caso de uso. A dificuldade está em levá-lo da demonstração à operação cotidiana. Um piloto é aprovado, um fornecedor é contratado, alguém internamente obtém um resultado convincente — e a iniciativa para no espaço entre a prova de conceito e o processo que deveria mudar.

Em muitos casos, o problema de fundo é estrutural. O piloto tem patrocinador, mas não tem um responsável pela execução. Tem orçamento, mas não tem linha de base. Envolve dados de uma área, um processo de outra e um risco de uma terceira, e ninguém responde por conciliá-los. Quando o piloto funciona, a organização descobre que o sucesso era a parte fácil.

Governar uma implementação de IA começa, portanto, por uma decisão pouco vistosa: nomear quem responde pela execução e definir por que exatamente essa pessoa responde. Todo o resto decorre disso.

Priorizar casos de uso pelo custo de implementação, não pela novidade

Um portfólio confiável é priorizado por dois eixos: o valor operacional do resultado e o custo real de implementá-lo — acesso a dados, mudança de processo, integração, treinamento e supervisão. Novidade não é critério.

Na prática, isso significa avaliar cada candidato com poucas perguntas honestas: qual tarefa ou decisão muda; quem é dono dos dados necessários; como fica o processo depois da adoção; quem revisa o resultado; e o que acontece quando o modelo erra. Casos de uso que não conseguem responder às duas últimas perguntas não estão prontos, por mais impressionante que tenha sido a demonstração.

• Qual tarefa ou decisão concreta muda
• Quem é dono dos dados e autoriza o uso
• Como fica o processo depois da adoção
• Quem revisa e aceita o resultado
• Qual é o modo de falha e quem responde por ele

Conduzir pilotos com uma condição de saída

Um piloto sem condição de saída torna-se permanente. Antes de começar, convém acordar qual resultado justificaria escalar, qual resultado justificaria parar e até quando esse julgamento será emitido. As duas respostas precisam ser aceitáveis: um piloto que só pode dar certo não é uma avaliação, é uma decisão já tomada.

A condição de saída deve ser expressa em termos operacionais — tempo de ciclo, taxa de erro, custo por caso, volume, qualidade da revisão — e medida contra a linha de base atual. Se essa linha de base nunca foi medida, medi-la faz parte do piloto.

Tratar dados e acessos como caminho crítico

Em muitas implementações de IA, o acesso aos dados, a integração e a titularidade operacional pesam mais do que o desempenho do modelo isoladamente. O que decide é o acesso: quais sistemas contêm os dados, quem autoriza o uso, como são limpos e atualizados e quais restrições contratuais ou regulatórias se aplicam.

Essas dependências pertencem ao plano como itens com responsável e data, não como pressupostos. Um piloto que funcionou discretamente sobre uma planilha exportada não demonstrou que a versão produtiva funcionará. Explicitar as dependências de dados desde o início pode reduzir de forma significativa atrasos evitáveis.

Planejar a adoção como execução, não como comunicação

A adoção falha quando é tratada como anúncio. As pessoas cujo trabalho muda precisam saber o que se espera que façam de diferente, por que continuam respondendo e onde o julgamento delas ainda prevalece sobre o sistema.

Isso exige trabalho concreto: procedimentos atualizados, responsabilidades de revisão, treinamento, um canal de suporte nas primeiras semanas e um circuito de retorno que chegue a quem mantém a solução. Exige também uma posição clara sobre supervisão: quais resultados são monitorados, por quem e como as exceções são registradas.

Reportar à direção no mesmo formato de qualquer outro projeto

Iniciativas de IA se beneficiam de um reporte idêntico ao de qualquer outra execução: posição atual, avanço contra marcos, riscos em aberto, decisões necessárias e dependências em risco. O vocabulário especializado não deve entrar no reporte executivo; o patrocinador precisa saber se a iniciativa está no prazo e o que está sendo pedido a ele.

Um status curto e de ciclo fixo faz o que uma demonstração não faz: dá à direção uma base contínua para decidir acelerar, sustentar ou parar, enquanto a decisão ainda custa pouco.

A governança mínima

Para a maioria das organizações, a estrutura adequada é pequena: um responsável pela execução, uma lista priorizada de casos de uso, um piloto com condição de saída, um registro de dependências que inclua dados e acessos, um plano de adoção e um status de uma página a cada quinze dias. Nada disso é específico de IA. É exatamente por isso que funciona.