Com governança e orquestração, empresas reduzem custos de nuvem em até 65% em menos de 70 dias

há 20 horas 3

Se nos últimos dois anos o mercado concentrou seus esforços em testar modelos generativos e acelerar pilotos de inteligência artificial, a próxima etapa da transformação passa por um desafio menos tecnológico e mais estrutural. Para a CI&T, o diferencial competitivo já não está apenas em acessar os modelos mais avançados do mercado, mas em criar capacidade organizacional para aprender, governar e escalar seu uso.

Durante entrevista concedida à TI Inside no Web Summit Rio 2026, Leandro Angelo, sócio e vice-presidente LATAM da CI&T, afirmou que as empresas começam a entrar em um novo estágio de maturidade em IA, no qual o debate migra da experimentação para construção de operações sustentáveis baseadas em agentes, métricas de negócio e novas formas de trabalho.

Segundo o executivo, os últimos anos mostraram que apenas disponibilizar ferramentas não garante geração de valor. "A empresa que realmente quiser escalar soluções de IA e gerar impacto vai precisar acelerar o próprio ciclo de aprendizado. A velocidade com que ela aprende passa a determinar sua capacidade de escalar essa tecnologia", afirmou.

A visão apresentada pela companhia dialoga diretamente com conclusões do estudo desenvolvido pela CI&T em parceria com a MIT Sloan Management Review Brasil, segundo o qual 95% das iniciativas de transformação em IA fracassam não por limitações dos modelos, mas pela dificuldade das organizações em adaptar processos, cultura e mecanismos de decisão.

Governança deixa de ser etapa final e passa a ser infraestrutura

Ao longo da conversa, Leandro defendeu que a governança precisa deixar de ser tratada como camada posterior de controle e passar a funcionar como fundação para qualquer iniciativa baseada em agentes.

Segundo ele, a CI&T estruturou uma plataforma proprietária para centralizar consumo de modelos, rastrear uso, controlar acessos e medir adoção.

A lógica é simples: qualquer interação entre agentes e modelos precisa acontecer dentro de um ambiente controlado. "O primeiro pilar é garantir que qualquer uso de modelo aconteça em uma plataforma onde exista controle sobre quem usa, quem constrói, quem acessa e qual resultado está sendo gerado", afirmou.

Além dessa camada, o executivo descreveu mecanismos voltados à soberania e isolamento de dados, incluindo ambientes dedicados por cliente e filtros que controlam tanto quais informações chegam aos modelos quanto quais respostas podem retornar aos usuários.

Segundo ele, esse tipo de arquitetura se torna ainda mais relevante à medida que sistemas multiagentes ganham autonomia e começam a atuar de forma mais proativa.

FinOps entra na agenda da IA e força empresas a rever consumo de modelos

Outro ponto que ganhou destaque na conversa foi o aumento acelerado do consumo computacional provocado pela expansão da IA corporativa.

Questionado sobre episódios recentes do mercado relacionados à explosão de gastos com tokens, Leandro afirmou que esse crescimento é natural em momentos iniciais de adoção, mas tende a exigir maior disciplina operacional.

Segundo ele, existe uma diferença importante entre incentivar uso para gerar aprendizado e sustentar consumo indefinidamente sem retorno mensurável.

Na avaliação do executivo, o primeiro movimento é estimular letramento e criar confiança. Depois disso, as organizações precisam começar a tomar decisões econômicas mais sofisticadas.

Entre elas, selecionar modelos adequados para cada caso de uso. Leandro explicou que muitas empresas ainda utilizam modelos mais caros sem necessidade prática.

Dependendo da atividade, modelos intermediários conseguem entregar resultados equivalentes com custo significativamente menor. "O salto entre modelos não é marginal. Dependendo da plataforma, o modelo mais avançado pode custar centenas de vezes mais do que versões anteriores", afirmou.

Para ele, FinOps em IA precisa ser acompanhado por métricas objetivas de negócio. Seja redução de custo, aumento de produtividade ou geração de receita incremental.

Da eficiência à reinvenção: como a própria CI&T redesenhou seu modelo operacional

Ao comentar a transformação interna da companhia, Leandro afirmou que a CI&T decidiu assumir uma postura ativa diante da mudança tecnológica.

Segundo ele, o objetivo não foi apenas incorporar IA aos processos existentes, mas redesenhar etapas inteiras do ciclo de desenvolvimento.

Inicialmente, a companhia observou ganhos de aproximadamente duas vezes em produtividade ao adicionar agentes aos fluxos tradicionais. Posteriormente, ao reformular papéis, processos e mecanismos de orquestração, esse ganho teria avançado para cinco vezes.

O executivo citou ainda grupos internos que operam com níveis elevados de contextualização e colaboração entre agentes e alcançam ganhos médios superiores a vinte vezes em eficiência.

A visão apresentada por Leandro também aparece nos indicadores reunidos pela CI&T em parceria com a MIT Sloan Management Review Brasil. Segundo o estudo, empresas que conseguem avançar além da fase experimental começam a observar mudanças estruturais na velocidade de transformação dos negócios.

O ciclo entre concepção e lançamento de novas iniciativas, que historicamente já foi medido em anos e posteriormente caiu para meses com a digitalização, passa a ser projetado agora em dias. Ao mesmo tempo, a companhia estima que até 2028 aproximadamente um terço das interações digitais deverá ser mediado por agentes autônomos, ampliando o papel da IA para além da automação pontual.

Em paralelo, casos analisados no estudo apontam que iniciativas estruturadas com governança, orquestração e disciplina operacional já conseguiram reduzir custos de nuvem em até 65% em períodos inferiores a 70 dias, reforçando que escalar IA passa cada vez mais por eficiência de arquitetura e não apenas por acesso aos modelos.

Próxima fronteira será menos aplicativo e mais experiência conversacional

Para Leandro, a mudança não termina dentro das empresas. Ela deve alterar também a maneira como consumidores interagem com produtos digitais.

Na visão do executivo, aplicações estruturadas em menus e jornadas tradicionais tendem gradualmente a dar espaço para experiências mais conversacionais e contextualizadas.

Isso inclui desde hiperpersonalização até novas interfaces impulsionadas por dispositivos vestíveis e agentes permanentes. "Saímos da era da otimização e eficiência da IA e estamos entrando em uma era de reinvenção", afirmou.

Para a companhia, o desafio agora não é mais descobrir o que a inteligência artificial consegue fazer. É entender como reorganizar negócios inteiros para capturar esse potencial.