O EY AI Sentiment Study 2026 ouviu mais de 18 mil pessoas em 23 países entre dezembro de 2025 e janeiro deste ano para mapear como o mundo confia e usa a Inteligência Artificial. Uma das descobertas mais interessantes do estudo: o Brasil está entre os oito mercados pioneiros do planeta, ao lado de Índia, China, México, Arábia Saudita, Emirados Árabes Unidos, Hong Kong e Coreia do Sul. Pioneer, no vocabulário do estudo, significa uso mais amplo, mais frequente e mais integrado ao cotidiano. De fato, 94% dos brasileiros com acesso à internet entrevistados para o relatório declararam ter usado IA nos últimos seis meses — dez pontos acima da média global de 84%.

É um número que impressiona. Mas David Dias, sócio-líder de inteligência artificial da EY para mercados na América Latina, prefere comemorar com ressalvas, especialmente quando se trata do mercado corporativo.

“Uma coisa é usar. Outra é gerar valor real com a tecnologia”, diz Dias, que lidera a prática de IA da consultoria para toda a região e passa boa parte do tempo percorrendo conselhos de administração, eventos de CFOs e programas de letramento executivo, ajudando as empresas a saírem do que ele chama de “feira de ciências” — o loop aparentemente produtivo de provas de conceito e MVPs que nunca escalam. “O gap não está no uso. Está na geração de valor.”

CADASTRE-SE GRÁTIS PARA ACESSAR 5 CONTEÚDOS MENSAIS

Já recebe a newsletter? Ative seu acesso

Ao cadastrar-se você declara que está de acordo
com nossos Termos de Uso e Privacidade.

Cadastrar

O diagnóstico de Dias remete a outro achado do estudo da EY: a adoção avança mais rápido do que a confiança. No Brasil, enquanto 94% declaram usar IA, apenas 46% confiam que as empresas vão proteger adequadamente seus dados — 11 pontos abaixo da média global. O estudo está disponível para download no site da EY e oferece um retrato detalhado desse descompasso em 23 mercados.

Para Dias, o problema não é cultural nem tecnológico. É estrutural. As empresas não têm programas formais de letramento, não constroem governança antes de escalar e têm desafios para medir o valor que estão — ou não estão — gerando. E, enquanto isso, a tecnologia segue avançando numa velocidade que não espera por ninguém.

A conversa a seguir explora esse gap, os elementos que Dias considera inegociáveis para uma jornada de IA que saia do papel, e o que as empresas no Brasil precisam fazer para transformar esse enorme interesse das pessoas na IA em liderança corporativa real.

O Brasil aparece como Pioneer Market no EY AI Sentiment Study 2026, mas ser pioneiro nem sempre significa estar usando bem a tecnologia. Às vezes pode significar pressa na direção de algo que ainda não se conhece bem. Qual é o seu papel hoje — ajudar empresas a entender o que precisa de velocidade e o que precisa de calma?

Do ponto de vista tecnológico, a inteligência artificial avançou muito mais do que as pessoas — e principalmente as empresas — estão preparadas para usar. E existe uma confusão de semântica que está acelerando esse problema. De um lado, você tem o universo dos no-codes e dos vibe-codes. Do outro, os pro-codes. Mas são coisas bem diferentes. Uma é usar a IA para criar um dashboard pessoal a partir de um relatório ou mesmo ajudar a criar e-mails ou resumir reuniões (vibe-code). Outra coisa são sistemas empresariais de tomada de decisão apoiados por inteligência artificial que permeiam fluxos e processos inteiros de forma integrada (pro-code).

Existe uma pesquisa nossa, de dezembro de 2025, sobre o futuro do trabalho, que mostra que 88% das pessoas fazem tarefas com inteligência artificial que agregam pouco ou nenhum valor real para a empresa. E por quê? Porque o valor se perde. Se a IA te ajuda a responder um e-mail em dois minutos em vez de oito, esse ganho se dilui num cafezinho, em mais cinco mensagens, em sair um pouco mais cedo para buscar o filho. Ele não aparece no P&L.

A mesma pesquisa mostra que existe um grupo de cerca de 5% das organizações que realmente gera valor com IA. O que diferencia esse grupo? Investimento em treinamento. Empresas onde os funcionários tinham cerca de 81 horas de treinamento por ano chegavam a economizar 14 horas de trabalho por semana. Só que, se você perguntar para qualquer empresa qual é o número médio de horas de treinamento em IA por funcionário, ninguém tem esse número. Porque não existe um programa formal de letramento.

É por isso que, quando me perguntam o que tenho falado para os meus clientes, minha resposta é direta: letramento é a condição sine qua non de sucesso. Não estou falando de ensinar as pessoas a usar uma ferramenta específica. Estou falando de fazer com que elas entendam a inteligência artificial para conseguir gerar valor com ela. Porque se elas não entendem como ela funciona, quais são seus limites, onde ela falha — como vão reimaginar processos inteiros à sua luz? Como vão reimaginar um fluxo de order-to-cash ou um processo source-to-pay se não sabem o que a tecnologia é capaz de fazer e o que ela não é?

E é exatamente esse gap que eu vejo na prática. Toda semana, nos últimos dois meses, tenho me encontrado com empresas pedindo ajuda para estruturarem seus programas de inteligência artificial. Não para criar mais uma POC. Para criar uma jornada. Recentemente, participei de sessões de letramento com executivos financeiros — não para ensinar ferramentas, mas para que essas pessoas entendam como a IA funciona, quais os riscos, onde ela pode errar. Ao final da sessão, executivos que nunca tinham tocado numa ferramenta de IA estavam criando agentes. Saíram transformados. E é isso que precisa acontecer dentro das empresas: não treinamento de ferramenta, mas letramento real, que muda o modelo mental.

Você mencionou cinco elementos que as empresas precisam trabalhar em conjunto. Quais são eles — e por que falhar em um significa falhar no programa inteiro?

São cinco forças interdependentes. A primeira é a governança — e vou voltar nela porque é onde mora o maior desafio. A segunda é o programa de letramento e change management: sem ele, as coisas simplesmente não acontecem, mesmo que a governança exista. A terceira é o Responsible AI — os riscos, a segurança — que tem que estar na cultura das pessoas e na forma de construir os algoritmos, não só num documento de política. A quarta é o foundation de tecnologia, que talvez seja a parte mais resolvida, mas onde os dados são o grande diferencial estratégico e onde muitas empresas ainda têm um passivo enorme. A quinta é o business case: tem que ter algo que realmente feche, um plano que diga “vou investir X e gerar 2X, 3X.”

Se você falhar em uma dessas cinco forças, vai falhar no programa inteiro. Elas funcionam em conjunto, não em sequência. E o letramento é a condição para que as outras quatro aconteçam — porque sem entender o que a tecnologia pode fazer, você não consegue criar uma governança inteligente, não consegue construir um business case sólido, não consegue fazer change management de verdade.

Quando falo de governança, preciso desfazer um equívoco que ouço o tempo todo: as pessoas associam governança a burocracia, a freio, a lentidão. Não é isso. Governança bem feita é velocidade com controle. É o que te permite escalar sem perder o rumo. A empresa que não tem governança não é mais ágil — ela é mais frágil.

E o envolvimento da liderança é determinante. Os projetos que dão certo são aqueles em que o CEO e o CFO estão comprometidos. Mas tem uma questão que me preocupa muito quando visito conselhos de administração: o responsável por IA chega, apresenta números, iniciativas, barreiras eliminadas — e os conselheiros ficam em silêncio. Não porque concordam. Porque não conseguem questionar. Não sabem se o que está sendo dito é bom ou ruim. Essa é uma vulnerabilidade enorme que poucos falam. Uma governança séria de IA começa por aí: pelo letramento do próprio board.

“Sair da feira de ciências” é uma expressão que você usa bastante. O que está prendendo as empresas nesse loop?

O problema é que as empresas entraram num ciclo que parece produtivo, mas não é. Elas experimentam, criam POCs, fazem MVPs — e não conseguem escalar. Continuam rodando na feira de ciências porque não têm um plano real. O plano delas é “vamos experimentar” e não conseguem sair disso. É impressionante a quantidade de empresas nessa situação.

Quem mais nos procuram hoje são empresas que fizeram muita POC lá atrás e chegam com uma sensação clara: “estou deixando valor na mesa.” Os boards já estão batendo nessa tecla. Não necessariamente porque tenham profundo conhecimento de IA, mas porque percebem que a empresa não está entregando o que poderia. E eles estão certos.

Quando você vai ver as empresas que conseguiram escalar, o padrão é sempre o mesmo: governança formalizada, plano definido, investimento comprometido. E, mais importante, elas não estão tentando encaixar a IA dentro de processos existentes — estão reimaginando os workflows de ponta a ponta. Nos grandes eventos de CEOs e CTOs, você vê muito case A, case B, case C de aplicações pontuais. Difícil é subir no palco e dizer: “Criamos uma fábrica de casos de uso, temos critérios de risco para priorização, de cada dez casos que avaliamos, três vão para produção e sete não, mas mesmo esses sete geraram aprendizado que retroalimenta o processo.” Poucas empresas conseguem falar isso. Essas são as que estão criando jornadas transformacionais, não simplesmente casos de uso isolados.

Você pode citar exemplos de casos que nascem de um ponto de vista realmente novo — não de otimização, mas de reinvenção?

O exemplo que mais me impacta ultimamente é o da indústria automotiva. Fui recentemente a uma grande montadora e, quando você compara o que ela está fazendo com o que as montadoras chinesas fazem, a distância é assustadora. Na China, a inteligência artificial é como a internet. Se você perguntar para um executivo chinês quais projetos da empresa usam IA, a resposta é “todos.” Eles não partem do pressuposto de que existem projetos de IA — todos os projetos pressupõem inteligência artificial. Essa visão de IA embedded nos produtos, nos serviços, nas pessoas, no próprio governo coloca a China num outro patamar de competitividade. Os resultados já aparecem em forma de produtos melhores e mais baratos, entregues em menos tempo. E isso é consequência direta de uma cultura onde a IA não é um departamento — é o ambiente.

Outro exemplo que uso bastante em palestras: mostrei para uma sala com 120 executivos do setor de publicidade algumas campanhas criadas com IA. Alguém levantou e disse: “então as agências vão desaparecer.” Pedi que reimaginassem uma agência à luz da inteligência artificial. Todo mundo foi para o mesmo lugar: a IA vai fazer propaganda mais rápido, mais barato. Ninguém saiu do modelo mental de que agência de publicidade faz propaganda.

Aí eu perguntei: e se uma agência não precisasse mais fazer propaganda? A dificuldade das pessoas de sair do próprio modelo mental é enorme. Vi agências no Brasil que pegaram painéis de LED de um centímetro, levantaram com drones e estão fazendo outdoors voadores pela cidade. Não fazem mais uma linha de storyboard. Viraram uma empresa de experiência imersiva. Um negócio completamente novo, construído com tecnologia que há cinco anos não existia.

A pergunta que muda tudo não é “como estamos fazendo isso hoje?” É “por que esse negócio existe? Qual é o valor que ele entrega lá na ponta, para o cliente final?” A partir daí, você reimagina. Enquanto a pergunta for sobre o processo, você vai otimizar o processo. Quando a pergunta for sobre o valor, você vai reinventar o negócio.

Voltando ao Sentiment Study: o Brasil está entre os Pioneer Markets. A adoção é alta, mas você mesmo disse que a adoção está avançando mais rápido do que a confiança. De onde vem esse descompasso?

A desconfiança existe porque as pessoas não entendem como a tecnologia funciona. Elas adotam o que é simples — e cada vez mais ficamos dependentes, porque a ferramenta poupa tempo e você aprende rapidamente a recorrer a ela. Mas a desconfiança persiste porque você não sabe como aquela resposta foi gerada, qual é o risco associado, como checar se aquela informação é de fato a melhor disponível.

Essa desconfiança tende a diminuir com a melhoria dos modelos, com a redução de alucinações, com fontes cada vez mais confiáveis. Mas hoje as pessoas adotam mesmo sem confiar plenamente, porque a ferramenta já gera valor suficiente para justificar o uso imediato. Há também um componente cultural nisso: países onde a questão do Responsible AI não tem tanto peso na cultura organizacional tendem a adotar de forma mais acelerada. É um comportamento parecido com o das pequenas empresas, que adotam mais do que as grandes justamente porque o risco de compliance e o peso regulatório são menores, pelo menos na visão delas.

Mas existe uma diferença importante entre a desconfiança do usuário individual e a que as empresas têm em relação aos seus próprios dados, não é?

Essa é a grande diferença entre uma empresa e uma pessoa — e é uma confusão que ainda persiste de forma surpreendente. Até hoje, executivos perguntam se os dados da empresa vão estar seguros dentro de uma licença Enterprise. Não são poucos.

Quando você explica que uma IA é tão boa quanto a base de conhecimento que ela acessa — e que, no mundo aberto da internet, uma fonte pouco confiável pode enviesar completamente a resposta do modelo — as pessoas começam a entender a diferença. Estive recentemente com uma CFO que perguntou se poderia mandar a IA buscar informações diretamente no site de RI da empresa. Expliquei: vai buscar, mas pode trazer o relatório de 2024 em vez do de 2025, porque o modelo encontrou o primeiro documento com o ano certo e parou por aí. Se esses documentos estivessem numa base de conhecimento própria, com labels claros e bem estruturados, a chance de erro seria mínima.

Quando você tem controle sobre os dados e sobre as bases de conhecimento, suas IAs passam a gerar resultados com baixíssima possibilidade de erro — sempre com supervisão humana, o human in the loop aqui é fundamental. O comportamento que um executivo tem como usuário individual não é o mesmo que ele deve reproduzir dentro da empresa. São lógicas completamente diferentes, e essa confusão ainda custa caro para as organizações.

Para fechar: por que é positivo o Brasil estar na lista dos Pioneers — e o que as empresas deveriam fazer a partir daí?

É positivo antes de tudo porque quebra um preconceito. Tendemos a achar que os países do norte estão sempre mais avançados. O estudo mostra que não. O Brasil tem uma cultura de inovação muito forte, forjada com conquistas concretas: 100% das declarações de imposto de renda são entregues no modelo digital, o Pix é uma das inovações mais impressionantes do mundo financeiro, os bancos brasileiros estão entre os mais digitalizados do planeta. Faz parte da nossa cultura adotar e adaptar tecnologia com velocidade.

Mas o desafio é enorme. Se eu olhar especificamente para funcionários de empresas, a adoção é altíssima — mas o valor gerado é baixo. Porque uma coisa é usar. Outra é gerar valor real com a tecnologia. E o gap não está no uso. Está na geração de valor.

Por isso, volto sempre ao começo: letramento, intenção e governança. As empresas que vão liderar não são necessariamente as que adotaram primeiro. São as que adotaram com um plano. As que saíram do ciclo vicioso de POC e MVP e criaram jornadas transformacionais. E quando você olha para essas empresas — e elas existem, são poucas, mas existem — o padrão é sempre o mesmo: a cultura estava criada antes. A governança já existia. Os dados já estavam organizados. A IA não foi uma ruptura. Foi a próxima etapa de uma jornada que já estava em curso.

Então, o que recomendo para as empresas brasileiras? Não usem o pioneirismo como troféu. Usem como ponto de partida. A pergunta não é “estamos usando IA?” A pergunta é: “Estamos gerando valor real com ela — e de forma intencional?”